是时候在供应链计划中自动化情景分析了

假设情景分析被供应链专业人士广泛使用，以便找到对过去或未来可能发生的事件的最佳响应。 考虑到变量的数量和可用的数百万选项，只检查少数几个场景，因为做更多事情需要太多时间和精力。 这是一个需要解决方案的过程 构建 出于多种可能性。 即使找到了令人满意的解决方案，也不清楚所选场景的所有后果是否已知。

对于做出的每一个决定，都有许多可能或可能不可见的后果。 例如，使用替代产品会产生相关成本，并且其使用可能会导致高优先级订单无法在以后准时到达，并可能会失去客户。 全面了解每个决定的所有这些选项和后果对任何人来说都是压倒性的。 然而，这是一种流行了很长时间的做法。

我们现在处于一个不同的时代，原因有很多，包括更快的处理能力、大量内存的可用性以及使用以前可能可用但由于缺乏计算和内存能力而不实用的 ML 算法。 当前的技术使系统几乎可以实时运行数百万个场景，并提供用户可以根据他们的目标选择的一系列解决方案，而不是花费大量时间来构建一个解决方案。 总是有不止一个目标需要满足，因此一种解决方案不一定是“最好的”。

为了完成场景分析自动化，系统需要了解选择和可能性。 例如，使用替代零件或替代供应商，或某些订单等软约束可能会稍微延迟。 使用真正的供应链数字双胞胎，了解物理供应链并保持最新状态，系统使用巧妙的算法消除所有不需要的解决方案，并找到最好的解决方案供用户选择。 其中一种技术是在 AI 中广泛使用的约束传播 (CP)，以缩小搜索空间并使问题易于管理以快速找到解决方案。 这种方法的一个例子可以在 8皇后问题 解决方案。 要了解更多关于供应链规划中使用的 AI 和 ML 中的此主题和其他主题，请单击 这里.