超越集中供应链技术 - 边缘计算和 Swarm 技术的弹性
除了极少数例外，现有的 S&OP 解决方案依赖于集中式应用程序，以提供可见性和计划供应链的运营。 这种方法有几个主要缺陷：它们太大且速度太慢，无法处理数据粒度和频率。 这两者都是创建数字孪生的必备条件。 为此，他们无法足够快地进行计划并对实时事件做出响应。 相反，他们依靠用户来创建可执行的计划并运行导致次优决策的假设情景。 S&OP 解决方案依赖于另一个具有脱节逻辑和模型的系统来解决计划的执行问题。 这会导致不相容的计划和执行过程脱节。 无法以足够快的数据频率对粒度数据进行建模会导致供应链的模型粗糙和过时，从而导致财务预测不准确和提交日期不可靠。 它是简单、准确的模型，可通过内置适当级别的智能来提供准确的结果，以指导系统进行规划和响应。 S&OP 和 S&OE 不应该是单独的系统，而是一个连续体。
供应链庞大而复杂，而且是多维的。 S&OP的横向规划是不够的。 他们需要垂直规划并重新进入。 此外，还要考虑大量其他不断变化的因素。 每个计划都需要适应区域法规、准确的序列化、环境因素（例如计划的碳足迹、地缘政治问题和贸易争端等）。 一个大型集中式系统不可能处理所有这些数据，也无法制定可以实时响应供应商/客户问题、监控天气和其他地球物理中断并足够快地响应以保持供应链弹性的计划。
为了能够创建可扩展的解决方案并执行持续且日益复杂的供应链，必须有一个解决方案能够 感知、行动和学习 在现有基础上。 换句话说，具有“智能传感器”的分布式环境可以在事件发生时相互协作甚至协商，以正确及时地做出响应。 这可以使用 边缘计算 和 蜂群技术. 使用边缘计算，业务流程被定位为 智能和分布式代理 能够感知、行动、学习和相互协商。 协商是使用 Swarm 技术进行的，与蜜蜂和蚂蚁所做的非常相似。 他们不是通过共识做出决定，而是通过向彼此发出最佳选择的信号，并为整个社区的更大利益达成一致。 考虑一个销售人员以更高的成本要求加急交货，因为不这样做可能会导致客户流失。 如果 CFO 和 COO 做出不同的决定，他们就会“获胜”，而客户就会丢失。 因此，基于多数票的决定并不总是最好的决定。 当产品经理争夺产品的专用容量时，同样的论点也适用。
对于不断变化的多维和分布式方法的真正自主的供应链规划环境，提供了可扩展、灵活和可扩展的解决方案，以实时提供最佳运营。 未来属于能够更快更好地做出决策的公司。 股市就是一个很好的例子。 数以千万计的投资者可以访问相同的数据。 赢家是那些有更好更快的算法来做出反应的人！
