高階規劃輔助系統 (APAS)

關於自主規劃系統和使用人工智慧/機器學習來提高規劃過程的效率和優化運作的討論已經有很多。就像自動駕駛汽車一樣，規劃部分並不太難，即使用 GPS 來確定要去哪裡以及何時到達那裡。不確定性以及當中斷發生時我們如何應對是需要解決的關鍵問題。 制定計劃時必須考慮不確定性，執行時必須考慮中斷的影響。諷刺的是，當今幾乎所有可用的供應鏈規劃系統都在規劃 確定性地 對中斷的回應是透過場景分析手動進行的，費力地進行，只是為了知道潛在的情況 影響 中斷的原因是什麼以及他們可以選擇哪些選項。

今天的大部分 S&OP 解決方案旨在幫助規劃者。我們的感覺不同，就像駕駛員輔助車輛一樣，規劃系統需要規劃人員的協助，而不是規劃人員得到系統的協助，這樣系統就可以完成大部分繁重的工作，並在需要時尋求幫助。我們將此類系統稱為高階規劃輔助系統 (APAS)。借助 APAS，系統基於了解潛在的不確定性、從過去的規劃經驗（例如之前看到的潛在問題）中學習來進行規劃，並根據需要或必要的未來制定更現實的計劃。一個概念是基於 最少承諾規劃理念。同時，在執行計劃時，系統會監控事件、衡量其影響並根據需要即時回應，在某些情況下還需要規劃人員的協助。

APAS 的組成部分顯然是真正的營運知識，即所謂的供應鏈數位孿生。但這還不夠；這 結構和行為 供應鏈的結構不是靜態的；它們一直在變化，因為自動駕駛汽車的道路狀況會隨著時間的推移而變化、改善或惡化。為此，系統必須配備 自我糾正 監視環境並產生操作及其行為的更新模型的功能。例如，設備效率如何變化，或供應商交貨時間如何變化。

此外，政策和業務流程必須適應。這需要一個 自我完善 自動學習和改進策略的能力。一個簡單的例子是根據季節性、競爭、需求變化等變化和優化所需的安全庫存水準。最後，利用 APAS 技術，可以 連續 的計劃和執行。不再嘗試 橋 差距 之間 S&OP 和 S&OE。 一 垂直連接的統一環境 將允許在不同層級的規劃之間共享數據，從而消除系統中目前遇到的數據和決策延遲 垂直 已聯繫，即使它們是所謂的整合。

有關 AI/ML 如何提供 APAS 的更多信息，請點擊 這裡.