Det här inlägget har redan lästs 80 gånger!
Hur man uppnår optimal prestanda i leveranskedjan under begränsade, flyktiga och osäkra förhållanden
Begränsningsbaserad försörjningsplanering är en funktion hos One Network NEO-plattform som gör det möjligt för företag och deras handelspartner att samarbeta, skapa och genomföra leveransplaner som respekterar material- och kapacitetsbegränsningar över hela nätverket. Detta förbättrar produktiviteten genom att automatisera processen att tillämpa faktiska ledtider och leverantörskapacitet och materialbegränsningar, vilket möjliggör förbättrade planering och utförandebeslut.
”Att genomföra exakt enligt en plan i dagens snabbrörliga värld är svårt. Ett planeringssystem i minnet som arbetar med en ögonblicksbild av gårdagens data ger ofta dåliga rekommendationer.” -Joe Bellini Klicka att tweet
Systemet kommer att utvärdera alla genomförbara alternativ och prioritera föreskrivande åtgärder baserat på riktade affärsmål. Dessa åtgärder kan vidtas automatiskt som en del av ett autonomt arbetsflöde, eller så kan de presenteras i en arbetsbänk där planerare kan utforska olika scenarioalternativ i ett grafiskt format.
Smarta recept. Planerare kan interagera med dessa smarta recept genom att köra olika scenarier och utvärdera resultaten och på så sätt bestämma den bästa uppsättningen av lösningar. Systemets AI-ramverk (kallat "NEO") kommer ihåg beslutssekvenser som genererade överlägsna resultat, och kommer sedan att erbjuda dem i framtiden. När planeraren väl har bestämt sig för ett scenario kan den valda uppsättningen åtgärder utföras från arbetsbänken som en del av det sömlösa planerings-/utförandeplattform. Planerare uppfyller således efterfrågan genom att utvärdera alla möjliga alternativ, som att använda olika källor, ersättningskomponenter eller alternativa arbetsdefinitioner, och kan välja handlingssätt som genererar det optimala resultatet. Flerpartssamarbete är en kärnförmåga i beslutsprocessen och all data relaterad till beslut, både strukturerad och ostrukturerad, är kopplad till transaktionerna.
Smarta recept är kontextuella och dynamiska. De begränsningar som genereras av förändringar i efterfrågan och utbud förändras ständigt. Smarta recept är känsliga för detta föränderliga sammanhang. Att genomföra exakt enligt en plan i dagens värld är svårt, dagliga utförandebeslut skiljer sig ofta från den planerade världen. Således kommer ett in-memory-planeringssystem som arbetar med en ögonblicksbild av gårdagens data ofta att ge dåliga beslutsrekommendationer i vissa delar av handelspartnerns ekosystem. Och dessa beslut kan ofta påverka kundservicenivåer, intäkter och kostnader.
Planerar gift med avrättning. Kombinerad planering och utförande på en enda plattform, som kan köras kontinuerligt och inkrementellt, krävs för att lösa ett begränsat utbud i dagens kaotiska värld. Både ERP och avancerade planeringslösningar måste köra begränsade leveransalgoritmer i batch-läge givet deras arkitektoniska design. Avancerad planering och ERP missar alltså kontextuella förändringar i realtid i nätverket som är väsentliga för beslutsfattande och förbättrade resultat.
En plan för begränsad försörjning respekterar begränsningar genom att flytta order till tidigare tidssegment, lasta av till en alternativ resurs/arbetsdefinition/försörjningskälla, ändra transportsätt eller justera arbetsplaner. Om dessa åtgärder är otillräckliga, kommer den begränsade utbudsplanen att begränsa efterfrågan och köra algoritmer för att optimera för nedströms mix och volym. På detta sätt förväntar sig handelspartners inte att ta emot varor som inte kommer, vilket minskar det övergripande nätverkskaoset och variationen.
Begränsningarna hos ERP-lösningar innebär att de ofta flyttar bördan på planerare. ERP-konfigurationer sätter flaggor för att tillåta efterfrågan att överskrida begränsat utbud i det fall att begränsningarna inte kan lösas på grund av deras begränsade synlighet över hela distributionskedjans nätverk. Planerare får sedan försöka lösa över flera applikationssilos och handelspartner, vilket vanligtvis inte fungerar bra.
Vidare måste ledtider i dessa lösningar behandlas som hårda begränsningar när planen körs.
På NEO-plattformen bestämmer maskininlärningsalgoritmer exakta ledtider mellan handelspartners nivåer. Efterfrågan inom tillverknings- eller inköpsledtiden kan hanteras på olika sätt, såsom tilldelning i sista minuten, justeringar av transportsätt eller köp mot fabrikat.
Digital Supply Chain Network™ upprätthåller en enkel version av sanningen i realtid över hela nätverket med robusta tjänster för efterfrågan, utbud och logistik. Detta gör det möjligt för handelspartners med många fler frihetsgrader att lösa variationer i efterfrågan och utbud.
I en typisk ERP-hub och ekerkonfiguration sätts flaggor som gör att planeringen kan köras utan att respektera ledtider när efterfrågan skiftar inom ledtiden. Och med tanke på separationen av planering och utförande skulle inte ha känt till den faktiska ledtiden i första hand. Så att förstå och lösa för begränsad försörjning uppströms i försörjningsnätet är en stor utmaning, om inte en omöjlig uppgift.
"I ett nätverk med en enda version av sanningen i realtid och robusta tjänster för efterfrågan, utbud och logistik, har handelspartners större frihetsgrader att lösa för variationer i efterfrågan och utbud." -Joe Bellini Klicka att tweet
Scenariostrukturer inkluderar hårda begränsningar, såsom maxkvantitet eller dagars utbud, tillsammans med mjuka begränsningar, såsom efterfrågedelning och inköps- eller tilldelningsprocent. NEO:s linjära programmeringsmotorer kommer att exponera förmågan att prioritera mål, säkerställa optimering av mjuka begränsningar och utöka målfunktionerna till att inkludera variabler som lönsamhet och landad kostnad. Begränsningar sprids framåt och bakåt över nätverket. Mindre sofistikerad heuristikbaserad planering riskerar att sprida handlingar som skapar fler problem än de löser.
One Networks begränsade utbudsmöjligheter inkluderar de typiska konfigurationerna som finns i både avancerad planering och ERP, men går mycket längre för att skapa mer värde. Nätverket är kapabelt att successivt nedströms omfördela alla uppströms materiella begränsningar. Begränsningarna kompliceras ofta av ledtid, partistorlekar och inköp på flera nivåer av artiklar. Överväganden inkluderar samtidig komponentanvändning, anläggningskapacitet och tiden för att producera och skicka.
Flexibla modelleringskonstruktioner stöder en rad olika leveranskedjemodeller möjliggör högvärdiga lösningskonfigurationer som; samarbete med prognoser för spridning av efterfrågan på flera nivåer, helt begränsade kapacitets- och materialprognoser, efterfrågedriven planering med begränsad utbud på flera nivåer, optimerad produktmix och allokering baserad på begränsad tillgång, begränsad produktionsorderprognoser, lageroptimering med flera nivåer (MEIO), samtidig order /logistikplanering och utförande, och målbaserad kanalallokering.
Begränsad försörjningsplanering kräver ett digitalt nätverk för försörjningskedjor
Begränsad leveransplanering är en kritisk förmåga idag, och kan bara vara effektiv om den stöds av ett sofistikerat digitalt leveransnätverk, ett som kombinerar planering och utförande, och samtidigt optimerar över efterfrågan, utbud och logistik.
Denna samverkan i realtid mellan beställningar och logistik baserat på en enda version av sanningen, möjliggör optimerat utförande genom att kombinera planering och utförande över hela inkommande leveransprocess. När nätverket löser problem med begränsade leveranser, omplanerar det ständigt baserat på faktiska förhållanden, för att generera riktade resultat baserat på systemregler och policyer. Endast avancerade CSP-funktioner kan uppnå resultat i både intäkter och kostnader.
- Myntsmart. Europas bästa bitcoin- och kryptobörs.Klicka här
- Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
- Källa: https://supplychainbeyond.com/constraint-based-supply-planning-execution/
