随机规划–范式的转变 S&OP
With stochastic planning and ability to learn patterns of behavior we are at a point to know the exact availability of resources, tools, customer and supplier behavior as they change in different seasons, with events or other social and environmental factors.通过随机计划和学习行为模式的能力，我们可以随时了解资源，工具，客户和供应商行为在不同季节，事件或其他社会和环境因素变化下的确切可用性。 This knowing enables accurate and adaptable modeling that leads to producing plans that are not just optimized but exact enough for immediate execution without user intervention.掌握了这种知识之后，就可以进行准确，适应性强的建模，从而生成的计划不仅经过优化，而且足够精确，可以在无需用户干预的情况下立即执行。
S&OP 技术是对供应链的粗略模型，没有考虑资源可用性和原材料交付的可变性以及中断的可能性。 一切都是基于这些参数的平均值和粗略估计。 这种方法可能适用于高层和长期计划，但是要使计划在今天，下周甚至下个月执行，则需要大量的手动调整。 这不是数字化，也没有接近自主计划的地方。 这只是粗略的计划！
通过随机计划和学习行为模式的能力，我们可以随时了解资源，工具，客户和供应商行为在不同季节，事件或其他社会和环境因素变化下的确切可用性。 掌握了这种知识之后，就可以进行准确，适应性强的建模，从而生成的计划不仅经过优化，而且足够精确，可以立即执行而无需用户干预。
考虑提供关键零件的供应商 平均 在14天内。 但是，仔细检查发现，在夏季，分娩的可能性较大，大约在10到12天之间。 根据提前交付的可能性进行计划可以实现更准确的计划，甚至可以更快地交付给客户，当然也可以减少库存。 作为另一个示例，请考虑维护前最后5天出现瓶颈资源可用性的可能性。 如果在过去5天内出现故障的可能性增加，则可以制定切合实际的计划并提供更好的交货日期。 此外，制定计划时应改变产品组合，避免大量使用瓶颈资源。 最后，在冬季，由于该国某些地区的明显天气状况，运输提前期可能显示出概率分布，这表明更长的提前期发生率更高。 为此，生成了一个切实可行的计划来考虑暴风雪的可能性。
上面展示了价值 S&OE 并生成真实的模型，这些模型是供应链中真正的数字双胞胎，从而导致更好的计划，更高的客户满意度和更低的运营成本。 有关更多信息 S&OE 请点击 这里.
