用於需求計劃和庫存優化的自我優化算法
庫存只是成本的累積,直到它被出售並轉移給客戶。 因此,基本問題是如何使庫存移動或正如他們所說的“轉向”。 庫存不足 在正確的時間意味著收入損失和潛在的市場份額損失。 在沒有水晶球的情況下,有很多方法可以提高移動庫存的速度。 它移動得越快,收入就越多,成本就越低。 我們的基本假設是有需求,但我們不確定何時、何地以及以何種產品組合。
儘管您的計劃系統可能很好,但您仍然受供應商的擺佈以及他們的反應速度有多快! 除非您有機會預測需求的大幅增長,否則您可能沒有必要的原料來製造所需的最終產品! 近年來,更好的需求規劃和預測有助於很好地預測需要什麼以及何時何地需要多少庫存。 更重要的是,我們現在可以通過對算法本身進行觀察來改進預測算法的行為。 換句話說, 自優化算法! 通過觀察有關不同產品和不同策略的預測的良好性,我們可以使用機器學習技術找到行為模式,這可以幫助我們始終選擇最佳策略和最佳算法以每次提供最佳預測。 這是通過use屬性和 基於屬性的計劃. 機器學習的使用還有助於選擇可能影響預測結果的相關數據和史無前例的事件。 有許多這種性質的例子,例如 Covid-19 或蘇伊士運河的堵塞,可以影響產品的供需。
MEIO 基本上是一種搜索策略,用於製定在供應鏈中的哪個點需要什麼庫存的可能性,以確保所需的服務水平。
通過檢查區域、天氣、位置、產品選項等的許多屬性,我們可以發現人類隱藏和不可見的行為模式。 這種策略在通過多梯隊庫存優化(MEIO) 可以高度準確地預測每個 SKU 何時何地需要多少庫存。 該技術著眼於供應鏈每個階段的產品共性,並按產品、產品系列和客戶或客戶層檢查服務水平和成本之間的權衡。 在此過程中,檢查數百萬個變量以提供高度準確的結果,可以為公司節省數千萬美元的潛在過剩庫存,同時提高準時交付績效,從而改變您的 業務進入更加綠色的供應鏈。