高度なプランナー支援システム (APAS)

自律的な計画システムや、計画プロセスの生産性を高め、運用をより最適化するための AI/ML の使用については、多くの話題が集まっています。自動運転車と同じように、計画の部分はそれほど難しくありません。つまり、どこに行くか、いつそこに到着するかについて GPS を使用するなどです。不確実性と、混乱が発生したときにどのように対応するかが、対処すべき重要な問題です。 計画は不確実性を念頭に置き、実行は混乱の影響を念頭に置いて行う必要があります。皮肉なことに、現在利用可能なほぼすべてのサプライチェーン計画システムは、 決定論的に 混乱への対応は、潜在的な可能性を知るためだけに、シナリオ分析によって手動で骨の折れる作業が行われます。 影響 混乱の状況と利用可能なオプションは何か。

今日のほとんど S&OP ソリューションはプランナーを支援するように設計されています。私たちは、運転支援車両と同じように、計画システムもプランナーがシステムの支援を受けるのではなく、プランナーが支援する必要があると考えています。そうすることで、システムが面倒な作業のほとんどを実行し、必要なときに助けを求めることができるようになります。このようなシステムを、Advanced Planner-Assisted Systems (APAS) と呼びます。 APAS を使用すると、システムは、以前に見られた潜在的な問題などの過去の計画経験から学習した、潜在的な不確実性の認識に基づいて計画を立て、必要に応じて、将来に渡ってより現実的な計画を作成します。に基づいたコンセプト 最小コミットメント計画の哲学。同時に、計画が実行されると、システムはイベントを監視し、その影響を測定し、場合によってはプランナーの支援を受けながら、必要に応じてリアルタイムで応答します。

APAS の構成要素は、明らかに、業務に関する真の知識、いわゆるサプライ チェーン デジタル ツインです。しかし、それだけでは十分ではありません。の 構造と動作 サプライチェーンの変化は静的ではありません。道路状況が変化し、自動運転車の時間の経過とともに改善または悪化するにつれて、それらは常に変化します。この目的を達成するには、システムには 自己修正 環境を監視し、操作とその動作の最新モデルを生成する機能。たとえば、機器の効率がどのように変化するか、サプライヤーのリードタイムが変化するかなどです。

さらに、ポリシーとビジネス プロセスも適応する必要があります。これには、 自己改善 ポリシーを自動的に学習および改善し続ける機能。簡単な例としては、季節性、競争、需要の変化などに基づいて必要とされる安全在庫レベルの変動と最適化があります。最後に、APAS テクノロジーでは、 連続体 計画と実行の。もう努力する必要はありません ブリッジ ギャップ の間に S&OP & S&OE。 A 縦につながった統一環境 これにより、計画の異なるレベル間でデータを共有できるようになり、現在、そうでないシステムで発生しているデータと意思決定の待ち時間が解消されます。 垂直に 交流、いわゆる統合されているにもかかわらず。

AI/ML が APAS を提供する方法の詳細については、ここをクリックしてください。 ここに.