是時候從垂直供應鏈中刪除筒倉了
大多數供應鏈從業者認為，既需要長期計劃引擎，S&OP），還有另一個用於計劃執行的內容（S&OE）。 主要原因是 S&OP 只能提供一個粗略的計劃，不足以在本週或本月執行（例如）。 但是，如果您要使用一個系統生成長期和短期的準確計劃，即對於執行而言切合實際的計劃，那麼為什麼您需要有兩個單獨的流程和系統來執行 S&OP 和 S&OE。 您可能會問，我將如何獲得長期可見性？
想想 S&OE 作為的準確版本 S&OP，是的改進版本 S&OP 或僅僅是作為完美 S&OP。 您可以同時獲得短期和長期計劃 S&OE 因為它具有更精確的供應鏈模型，因此具有更高的準確性和可靠性。 這種現實的模型稱為您的供應鏈中的“數字孿生”。
擁有一個既可以執行計劃又可以執行的系統，就不需要多個業務流程和多個會議， S&OP 和 S&OE。 數十年來，人們一直在談論擺脫需求，銷售和供應水平過程之間的孤島。 現在，我們擺脫了計劃和執行之間的“垂直孤島”，將其合併為一個。 注意，它不是將兩者集成在一起。 集成是在兩個獨立的系統之間。 在這裡，我們談論的是一個連續體。 這兩個是一！ 這是通過一個可擴展的模型完成的，我們稱之為 統一數據模型 （UDM）。 使用UDM，您只需要添加數據就可以從高級計劃到最低執行級別。 無需更改或添加系統，無需附加模型，也無需集成。 您添加的數據越多，數字雙胞胎就越多，您添加的粒度越多，您的供應鏈就越數字化； 並且您添加的數據越多，您將要進行的操作就越自治。
考慮過馬路的一項非常簡單的任務。 如果您在任何時間點都有準確的街道模型和車輛數量以及其他因素，則可以提前幾天計劃此活動（不是必須這樣做）。 您擁有的數據越多，您越能準確預測過馬路的最佳時機。 但是，隨著距離的臨近，條件可能會發生變化。 例如，在您即將過馬路之前可能會下雨。 然後系統將根據需要進行調整 一直 確保過馬路的安全。 同時，在後台，系統會不斷更新（學習）街道的實際數字孿生，以確保模型是最新的，並且可以準確生成計劃。 在UDM中，如果有可用數據，我們將盡可能準確地計劃供應鏈。 隨著我們的距離越來越近，可能會發生導致計劃變更的事件。 系統將持續監視這些事件以調整計劃，並記住使用ML技術發展的潛在趨勢。 例如，供應商可能在冬天推遲一周左右的交貨時間。 有人認為 S&OP 足以提高可見度。 可能是這種情況，但是對於不正確的模型，可見性相當模糊。 為什麼在一個可以不斷完善自己的數據並生成準備執行的計劃的系統中沒有清晰的可見性，而又省去了繁瑣的手動計劃工作？
