使用 AI/ML 来决定周期时间是徒劳的

许多公司都在处理周期时间的可变性和产品组合的变化，这使得他们很难向客户承诺提供更准确的交货时间。 为此，他们依靠 AI 和 ML 技术根据过去的经验来估计周期时间应该是多少。 这是许多供应链规划供应商提供的一种简化方法，由于以下几个原因，这不是一个好的策略。 它实际上是提供 ATP/CTP 功能的尝试，可以使用更准确、更可靠的确定性技术轻松计算。

其工作方式是 ML 算法从以前的经验中学习在给定客户、数量、产品组合和其他一些因素的情况下交付需要多长时间。 这种方法的主要缺点是 它依赖于过去的做法 预测未来。 如果你总是依赖过去，那么你将如何改善你的周期时间？ 此外，这种方法没有考虑最近的中断或组合变化或某些事件，例如大订单、高优先级订单的到达或数量下降。 该算法不断产生相同的循环时间，却不知道发生了算法未知的重大变化。 需要相当长的时间才能赶上。

想象一个高优先级和大订单的到来，算法很可能会产生一个它已经学习过的循环时间； 不知道通过重新分配订单，可以为最终客户提供更短的周期时间和更快的交货日期。 换句话说，该方法无法智能地执行重新分配。

优化技术或 AI 搜索技术通过根据许多不同因素重新调整计划，而不是仅仅依赖于“我们一直在做的方式”，在找到更现实的周期时间和提交日期方面要有效得多。 优化的周期时间不断提高运营绩效，不断寻找更好的解决方案，并且可以一次轻松计算出数千个订单的亚秒级速度的精确周期时间和交付性能。 更多人工智能如何帮助进行智能分配和更精准的ATP/CTP，请点击 这里.