Het oplossen van verstoringen in de toeleveringsketen komt neer op wiskunde

Logistieke chaos is geen nieuw fenomeen in de supply chain-wereld, maar de omvang van de omwenteling veroorzaakt door COVID-19 is iets dat belanghebbenden nog nooit eerder hebben gezien:94% van de Fortune 1000-bedrijven heeft volgens Accenture te maken gehad met verstoringen door de pandemie.

Gelukkig hebben bedrijven tegenwoordig een scala aan kunstmatige-intelligentietechnologieën tot hun beschikking, zoals wiskundige optimalisatie, om verstoringen in de toeleveringsketen te helpen bestrijden en overwinnen.

Wiskundige optimalisatie is al lang de beste technologie voor de planning en bedrijfsvoering van de toeleveringsketen. Sinds de jaren tachtig hebben bedrijven in de zakenwereld gebruik gemaakt van een breed scala aan kant-en-klare en op maat gemaakte planningsapplicaties, niet alleen om de efficiëntie en winstgevendheid te vergroten, maar ook om verstoringen te beheren en te beperken. Dergelijke technologieën zijn door de jaren heen een cruciaal hulpmiddel geweest om de flexibiliteit en veerkracht van de toeleveringsketen te bevorderen.

Wiskundige optimalisatie vergemakkelijkt twee soorten besluitvorming voor planners en andere belangrijke belanghebbenden:

• Reactief. Ze kunnen verstoringen in realtime detecteren en er snel en effectief op reageren door de onderliggende oorzaken te identificeren en middelen dynamisch opnieuw toe te wijzen, waardoor de hersteltijd wordt verkort.
• Proactief. Ze kunnen supply chain-risico's analyseren en anticiperen op mogelijke verstoringen.

Hier leest u hoe wiskundige optimalisatie optimale reactieve en proactieve besluitvorming kan stimuleren en verstoringen in de toeleveringsketen kan aanpakken.

Een driedelig model

Elke wiskundige optimalisatietoepassing bestaat in wezen uit twee elementen:een oplosser (een op algoritmen gebaseerde probleemoplossende engine) en een model (een representatie of digitale tweeling van de werkelijke operationele omgeving, met al zijn complexiteit en uitdagingen).

Het model kan specifieke elementen van de toeleveringsketen omvatten (zoals leveranciers, productie, logistiek en magazijnactiviteiten), of het kan het volledige end-to-end netwerk omvatten.

Elk model bestaat uit drie delen:

• Beslisvariabelen. Beslissingen die op verschillende punten in de toeleveringsketen worden genomen;
• Beperkingen. Bedrijfsregels die moeten worden gevolgd;
• Zakelijke doelstellingen. Talloze (en vaak tegenstrijdige) bedrijfsdoelen, zoals het minimaliseren van kosten en voorraadniveaus, of het maximaliseren van het gebruik van middelen, tijdige leveringsprestaties en klanttevredenheid.

Wanneer zich een storing voordoet, stellen wiskundige optimalisatietoepassingen, omdat ze zijn gebouwd op modellen die begrijpen en belichamen hoe een daadwerkelijke toeleveringsketen zich gedraagt, gebruikers in staat om:

• Zichtbaarheid. Identificeer direct de bronnen van de verstoring, zoals capaciteitsknelpunten en plotselinge fluctuaties in vraag en aanbod;
• Flexibiliteit. Pas het model aan door aanpassingen aan te brengen en zelfs nieuwe beperkingen, beslissingsvariabelen en bedrijfsdoelstellingen toe te voegen om de huidige bedrijfsomstandigheden in de toeleveringsketen weer te geven;
• Behendigheid. Dynamisch en automatisch heroptimaliseren van plannen en schema's en bepalen wat de beste manier van handelen is om de verstoring zo snel en effectief mogelijk op te lossen.

Met een wiskundige optimalisatietoepassing kunnen bedrijven realtime zichtbaarheid en controle over het end-to-end netwerk behouden, zodat wanneer verstoringen toeslaan, ze gemakkelijk de grondoorzaken kunnen lokaliseren en snel de nodige stappen kunnen nemen om deze te verhelpen en de bedrijfscontinuïteit te behouden .

'Continue intelligentie'

Machine learning, waarschijnlijk het bekendste aspect van AI, is gebaseerd op historische gegevens. Mathematische optimalisatie maakt daarentegen gebruik van de nieuwste beschikbare gegevens om realtime prescriptieve analyses te leveren, of, zoals Gartner het noemt, 'continue intelligentie' in het hele supply chain-netwerk.

Wanneer een ernstige verstoring van de toeleveringsketen toeslaat, zoals tijdens de COVID-19-pandemie, kunnen bedrijven niet vertrouwen op gegevens uit het verleden om de ongekende financiële en operationele uitdagingen het hoofd te bieden.

Omdat ze gebruikmaken van de nieuwste beschikbare gegevens en modellen die de huidige omstandigheden in een operationeel netwerk vastleggen, zijn wiskundige optimalisatietoepassingen in staat om automatisch de beste oplossingen voor hedendaagse supply chain-problemen te genereren en continue intelligentie en optimale besluitvorming mogelijk te maken.

Risico onderzoeken

Een belangrijk onderdeel van het omgaan met verstoringen in de toeleveringsketen is het beoordelen van risico's en het plannen en voorbereiden op de toekomst. Met de mogelijkheid voor scenarioanalyse van wiskundige optimalisatie kunnen bedrijven:

• Verkennen verschillende aanbod-, vraag-, voorraad-, capaciteits-, macro-economische, geopolitieke en andere wat-als-scenario's, en evalueren hun potentiële effect op het bedrijf.
• Ontdekken verborgen risico's en meten risicoblootstelling en tijd om te herstellen in het geval van een verstoring, zoals een natuurramp, of productie- of transportstoring.
• Ontgrendelen kansen om risico's te beperken en de veerkracht van de toeleveringsketen te verbeteren door middelen opnieuw toe te wijzen of de toeleveringsketen opnieuw te configureren.

Dankzij de functionaliteit voor scenarioanalyse van wiskundige optimalisatie kunnen bedrijven hun toeleveringsketens isoleren tegen de impact van toekomstige verstoringen, door proactieve, strategische beslissingen op meerdere gebieden mogelijk te maken, waaronder kapitaalinvesteringen, leveranciersselectie, capaciteits- en voorraadplanning, en de locatie van productie- en magazijnfaciliteiten.

Tijdens de COVID-19-pandemie hebben we een ongekende golf van verstoringen van de toeleveringsketen meegemaakt, die aanzienlijke en blijvende chaos heeft veroorzaakt in de wereldeconomie en enorme uitdagingen heeft gesteld voor professionals in de toeleveringsketen. Wiskundige optimalisatie heeft zichzelf bewezen als een krachtig wapen om dergelijke verstoringen te bestrijden, terwijl de efficiëntie en winstgevendheid van de toeleveringsketen wordt vergroot. Deze AI technologie blijft een essentieel hulpmiddel voor leiders in de toeleveringsketen terwijl ze door het steeds veranderende zakelijke landschap navigeren.

Ed Rothberg is mede-oprichter en chief executive officer van Gurobi.