超越集中供應鏈技術 - 邊緣計算和 Swarm 技術的彈性
除了極少數例外，現有的 S&OP 解決方案依賴於集中式應用程序，以提供可見性和計劃供應鏈的運營。 這種方法有幾個主要缺陷：它們太大且速度太慢，無法處理數據粒度和頻率。 這兩者都是創建數字孿生的必備條件。 為此，他們無法足夠快地進行計劃並對實時事件做出響應。 相反，他們依靠用戶來創建可執行的計劃並運行導致次優決策的假設情景。 S&OP 解決方案依賴於另一個具有脫節邏輯和模型的系統來解決計劃的執行問題。 這會導致不相容的計劃和執行過程脫節。 無法以足夠快的數據頻率對粒度數據進行建模會導致供應鏈的模型粗糙和過時，從而導致財務預測不准確和提交日期不可靠。 它是簡單、準確的模型，可通過內置適當級別的智能來提供準確的結果，以指導系統進行規劃和響應。 S&OP 和 S&OE 不應該是單獨的系統，而是一個連續體。
供應鏈龐大而復雜，而且是多維的。 S&OP的橫向規劃是不夠的。 他們需要垂直規劃並重新進入。 此外，還要考慮大量其他不斷變化的因素。 每個計劃都需要適應區域法規、準確的序列化、環境因素（例如計劃的碳足跡、地緣政治問題和貿易爭端等）。 一個大型集中式系統不可能處理所有這些數據，也無法制定可以實時響應供應商/客戶問題、監控天氣和其他地球物理中斷並足夠快地響應以保持供應鏈彈性的計劃。
為了能夠創建可擴展的解決方案並執行持續且日益複雜的供應鏈，必須有一個解決方案能夠 感知、行動和學習 在現有基礎上。 換句話說，具有“智能傳感器”的分佈式環境可以在事件發生時相互協作甚至協商，以正確及時地做出響應。 這可以使用 的EdgeComputing 和 蜂群技術. 使用邊緣計算，業務流程被定位為 智能和分佈式代理 能夠感知、行動、學習和相互協商。 協商是使用 Swarm 技術進行的，與蜜蜂和螞蟻所做的非常相似。 他們不是通過共識做出決定，而是通過向彼此發出最佳選擇的信號，並為整個社區的更大利益達成一致。 考慮一個銷售人員以更高的成本要求加急交貨，因為不這樣做可能會導致客戶流失。 如果 CFO 和 COO 做出不同的決定，他們就會“獲勝”，而客戶就會丟失。 因此，基於多數票的決定並不總是最好的決定。 當產品經理爭奪產品的專用容量時，同樣的論點也適用。
對於不斷變化的多維和分佈式方法的真正自主的供應鏈規劃環境，提供了可擴展、靈活和可擴展的解決方案，以實時提供最佳運營。 未來屬於能夠更快更好地做出決策的公司。 股市就是一個很好的例子。 數以千萬計的投資者可以訪問相同的數據。 贏家是那些有更好更快的算法來做出反應的人！
