用于需求计划和库存优化的自我优化算法
库存只是成本的累积,直到它被出售并转移给客户。 因此,基本问题是如何使库存移动或正如他们所说的“转向”。 库存不足 在正确的时间意味着收入损失和潜在的市场份额损失。 在没有水晶球的情况下,有很多方法可以提高移动库存的速度。 它移动得越快,收入就越多,成本就越低。 我们的基本假设是有需求,但我们不确定何时、何地以及以何种产品组合。
尽管您的计划系统可能很好,但您仍然受供应商的支配以及他们的反应速度有多快! 除非您有机会预测需求的大幅增长,否则您可能没有必要的原料来制造所需的最终产品! 近年来,更好的需求规划和预测有助于很好地预测需要什么以及何时何地需要多少库存。 更重要的是,我们现在可以通过对算法本身进行观察来改进预测算法的行为。 换句话说, 自优化算法! 通过观察有关不同产品和不同策略的预测的良好性,我们可以使用机器学习技术找到行为模式,这可以帮助我们始终选择最佳策略和最佳算法以每次提供最佳预测。 这是通过use属性和 基于属性的计划. 机器学习的使用还有助于选择可能影响预测结果的相关数据和史无前例的事件。 这种性质的例子有很多,例如 Covid-19 或苏伊士运河的堵塞,可以影响产品的供需。
MEIO 基本上是一种搜索策略,用于确定在供应链中的哪个点需要什么库存的可能性,以确保所需的服务水平。
通过检查区域、天气、位置、产品选项等的许多属性,我们可以发现人类隐藏和不可见的行为模式。 这种策略在通过多梯队库存优化(MEIO) 可以高度准确地预测每个 SKU 何时何地需要多少库存。 这种技术着眼于供应链每个阶段的产品共性,并按产品、产品系列和客户或客户层检查服务水平和成本之间的权衡。 在此过程中,检查数百万个变量以提供高度准确的结果,可以为公司节省数千万美元的潜在过剩库存,同时提高准时交付绩效,从而改变您的 业务进入更加绿色的供应链。