返回首页

登录 / 注册

网站地图

广告 广告

• 新闻资讯

当前位置:新闻资讯 > 供应链 >正文
  • 阅读量

  • 收藏
  • 480
  • 分享

如何看待供应链数据分析的三种经典思路?

  在供应链管理领域,我们应该如何做好数据分析,从海量数据中得到有用的信息呢?

  在数字化时代,企业拥有越来越丰富的数据,数据分析逐步成为从业人员的必备技能之一。数据分析师、数据科学家等职业,也变得越来越热门。这类职业并非IT出身人士的专利,而是越来越多地需要将IT技能和相关的业务知识相结合。

  在供应链管理领域,我们应该如何做好数据分析,从海量数据中得到有用的信息呢?本文将试着解析三种经典思路的特点。注意:数据采集和清洗的手段不在本文的讨论之列。这里更多地讨论,如何把手头已有的数据转化为有意义的“输出”。

  (一)数学公式

  “数学”在许多朋友听来好像有点头疼,但它是现代商业(也包括相关的各种数字化系统)运行的基础。我们日常用到的各种KPI计算也都是数学公式。而一些经典的公式则渗透到供应链运作的各个环节,例如Little's law:

  平均排队长度 = 平均吞吐速率 * 平均排队时间

  这个公式可以应用于各种场合,例如:如果某商超柜台在一段时间内的客户平均排队时间是1分钟,平均吞吐速率(服务能力)是每分钟可以为三名客户完成服务,则我们可以通过两者相乘,计算出这个柜台处的平均队列长度是三人(当然,实时的队列长度会有所波动。但时间越长,平均值估计越准确)。

  数学公式的优点是:类似little's law这样的经典公式,可以透过纷繁复杂的现象直击问题本质。无论外界环境如何变动、人员工作方式如何、应用了什么信息系统,类似的定律都成立。

  由此我们可以更好地理解一些知名企业的管理实践。例如,许多车企要求“尽可能缩短造车过程在厂内所耗的时间”,实质上就是要求缩短排队时间,从而可以降低排队长度(压缩库存),减少对企业资金的消耗和对场地的占用。

  数学公式的主要缺点是:供应链各个环节涉及的场景纷繁复杂,能够用精确公式来测算的并不多,许多时候最多只能用一个近似公式来估计。随着现代供应链涉及的人员、设备、系统等要素越来越复杂,我们就不能只靠数学公式了。

  (二)计算机算法

  如果说数学公式的计算更多给人一种手工时代的“亲切感”,那么在数字化时代,我们会更多依赖算法的运行来解决问题。例如,对于全国范围内电商物流的库存布置、每天跨区调动货物的物流流向等,这种问题可能会涉及成千上万个变量,最优的决策绝对不是靠人脑所能够做出来的。

  阿尔法狗打败人类围棋高手,就是一个最形象的例子:将来,我们在各行各业都会需要“阿尔法狗”,因此也会越来越需要(懂得行业知识的)算法工程师。

  在算法的帮助下,供应链系统能够发掘出的潜力是十分巨大的。例如,某农产品公司基于数字化系统和AI优化现有的供应体系,可以为农业供应链带来10%-15%的成本节约。某大型制造业企业应用算法来求解现有生产线资源的最优配置,实现了20%以上的效率提升。有个“不成文”的经验说:如果一个供应链系统以前从未做过整体效率优化工作,那么发掘出20%以上的降本增效空间是不难的。

                                                            

  计算机算法的优点是:能够适应更加复杂、更加大规模的问题,在脑力劳动的层面实现“机器换人”。

  其缺点在于:

  1)受目前发展阶段的制约,算法在很多场合还不能确保计算出结果。比如说,一个物流路径优化算法,在80%的情况下能够求出解,在20%的情况下求不出来 。 如果是这样的话,离实战应用的要求往往就有较大距离了,尤其是工业场景往往要求(接近)100%的可用性。

  2)算法计算出结果的“可解释性”往往较差。许多时候,我们只看到一个冷冰冰的数字,而不清楚背后的逻辑。这也是导致很多一线员工抵制算法工具的原因。所以,近年来供应链领域的一个趋势是算法的“白盒化”,要让用户理解算法是怎么计算出结果的,以及结果究竟好在哪儿(可以体现在一些关键的KPI)。

  (三)仿真工具

  仿真是比数学公式、算法更加直观的一种思路。即:无论供应链实际场景是什么样,我们都尽可能将这个场景在计算机中模拟出来。现场有多少仓库设施,我们就在数字世界里描绘多少仓储设施。现场的货物分拣是什么顺序,我们就在数字世界里按一模一样的顺序来分拣。最终,我们实现物理世界和数字世界的一一对应。

  这样,我们可以达到的效果是:只需要在电脑中对各种元素作排列组合,就可以预知实际世界会产生什么效果。试错的成本被大大降低了。

  和供应链管理相关的仿真工具,至少包括下列一些类型:

  - 模拟离散或连续流程制造的生产线。

  - 模拟整个工厂内部的设备运行,包括设备和CAD, ERP等软件的通信。

  - 模拟AGV、自动化立体库等智能装备;

  - 模拟长途物流网络运行,包括相关的财务指标;

  - 模拟短途配送物流,以及厂内/场地内物流。

  仿真工具的优点是:

  1)比较直观和图形化,在电脑屏幕上能直接看到各种方案及其运行的效果;

  2)现代的计算机仿真工具也在与时俱进,能够把越来越多的元素都包括进来。例如:可以模拟AGV小车的充电过程、以及模拟最新的自动化立体库运作的各种细节。

  其缺点是:商业化的仿真软件,价格往往较为昂贵,并且能够模拟的场景总的来说还是比较标准化的,各家公司的个性化特征不一定能模拟得出来。

  总的来说,仿真软件的功能会越来越强大,以至于可以在数字世界“元宇宙”里面真的复制出一条完整的供应链。到那个时候,也许我们不需要再去刻意“分析”供应链的性能,只要“观察”就够了。

  因为,所见即所得。

  小结

  常见的供应链数据分析工具,包括数学公式、计算机算法和仿真工具。

  总的来说,三者能够应对的场景是越来越全面,分析功能越来越强大。随着我们拥有的算力越来越强大,笔者相信,仿真工具是最终极的解决方案。通过仿真模拟,我们真的可以对供应链系统做到“未卜先知”。

  然而,这并不意味着数学公式和计算机算法是“无用”的。事实上,新一代的“元宇宙”仿真工具背后都有强大的算法在支撑,而算法的实质性进展又要依靠数学的进步。所以,这三者就如同金字塔的不同层级,每一层都为更高层级的发展打下了基础。

  在未来的供应链运行中,前台操作会变得更加简单,或许只需要图形化的简单拖拽就能完成各种功能。而后台的算法、架构支撑则会变得越来越复杂。也许这就是创新弄潮儿们的使命吧。用自己幕后的艰难工作,让前台用户的体验更加轻松、感受更加美好。

  本文来源于罗戈网,不代表九州物流网(http://www.wl890.com)观点,如有侵权可联系删除,文章所用图片来源于网络,文章图片如有侵权可联系删除。

关键词: 供应链,管理,模式,