供應鏈管理供應鏈管理需要機器學習大改造

善用數據與預測,讓敏捷性與韌性兼得

供應鏈管理需要機器學習大改造

How Machine Learning Will Transform Supply Chain Management

供應鏈管理需要機器學習大改造

關於本文藝術作品/比利時攝影師迪迪埃.恩格斯(Didier Engels)常拍攝歐洲各地的碼頭、貨船、貨櫃。這些圖像是先空拍五顏六色的貨櫃,再後製成精彩的構圖。

近年來,企業的供應鏈不斷遭受各種因素干擾,但企業採取傳統的規畫方法,降低了供應鏈的敏捷性與韌性。本文提出一套「最佳機器學習」規畫方法,運用歷史與當前的數據,為企業提供更好的決策建議。

近年來,新冠疫情、烏俄衝突、貿易戰與其他事件干擾了供應鏈,凸顯出企業亟需改善規畫,以提高敏捷性與韌性(resilient,或譯復原力)。然而,企業疲於因應這項挑戰,一個主要原因是採用有缺陷的預測方式,導致交貨延遲、庫存水位(inventory levels)與需求嚴重脫節、財務績效令人失望。這些結果並不令人意外。畢竟,需求預測普遍不準時,怎麼可能有效做出庫存與生產的決策?

本文觀念精粹

問題有缺陷的規畫方法使公司很難保護自己不受供應鏈干擾的衝擊。
解方最佳機器學習(OML)這種新方法可以促成更好的決策,不像現有的機器學習模型所產生的規畫建議那樣神祕。
要素OML依賴一種決策支援引擎,它會把輸入數據直接連接到供應鏈決策,並將公司在績效方面的優先要務納入考量。其他功能包括—以「數位雙生」的方式呈現整條供應鏈;以及...