Управление цепями поставок: Переход от детерминистической к стохастической модели планирования.
Стохастическая модель. Модель работы с множественными вероятностями при реагировании на случайный спрос:
Эта модель называется «DDOM» (Demand Driven Operating Model). Главное в ней – эффективное реагирование на спрос, в том числе и случайный/экстраординарный.
Модель DDOM сама по себе тоже подвержена неопределённости из-за простой закономерности - если спрос будет случайным/экстраординарным, то и предложение тоже должно учитывать все варианты спроса.
Но преимущества DDOM в том, что вместо того, чтобы основывать прогноз на опыте, мы определяем механизмы, которые точно и гибко будут реагировать на спрос.
Поэтому эта операционная модель должна быть разработана и подготовлена к реагированию на вероятные события в пределах определенного рабочего диапазона. Наша работа как планировщиков или менеджеров цепочки поставок состоит в том, чтобы проверить рабочие диапазоны и, при необходимости, вмешаться в параметризацию, чтобы отрегулировать поток событий, с которыми наша цепочка поставок должна быть в состоянии справиться.
Какова разница между прогнозированием, основанным на опыте (детерминистическая модель) и моделью работы с множеством вероятностей (стохастическая модель)?
На первый взгляд задача простая: достичь консенсуса между прогнозом продаж и планом производства и цепи поставок. Такая последовательная логика очень просто может быть автоматизирована любой информационной системой. Но, уверяем вас, — это не работает!
Подход, который кажется недостижимым как для человека, так и для автоматизированных информационных систем, но при этом решает все противоречия, таков:
• Все прогнозы продаж включают в себя всевозможные шоковые факторы и содержат механизмы адаптации к ним. Всё это позволяет достигать толерантности нашей модели планирования к переменчивому спросу и при этом, сохранять экономическую целесообразность.
Сразу же напрашивается вариант модели вероятностей с множеством измерений и обилием всяческих логических связей - например, создать программный алгоритм с применением искусственного интеллекта (AI).
Но, при таком варианте реализации, мы неизбежно забудем о простоте решения. Всё будет технологически и логически сложным. А Demand Driven Institute всегда стремится к простым решениям, воспроизводимым в продуктах института.
Возьмём главные принципы «Теории ограничений»:
• Не оптимизировать все подряд, а сосредоточиться на нескольких контрольных точках;
• Воспользоваться буферами;
• Соотносить решение с показателями буферов;
• Принимать решения как можно позже.
Таким образом получаем контролируемую, визуализируемую и адаптивную модель.
Но всё равно, учёт всех вышеописанных принципов – экстраординарная задача для S&OP. Это сложно и для вычислительных систем.
Стохастическая модель позволяет:
• Больше не искать консенсус между планом и фактом;
• Не проводить моделирование для проверки ограничений нашей модели;
• Не планировать корректировку резервов запасов, времени и мощностей и рассчитывать финансовые последствия.
Многие мировые компании уже держат курс на стохастическую модель, но путь им ещё предстоит длинный. Пока действительность такова, что несколько итераций детерминистического плана более удобны, чем моделирование стохастического плана.
По мере развития методологических продуктов Demand Driven Institute и их автоматизации в «Intuiflow», мы всё ближе к окончательному переходу от детерминистической модели к стохастической, но нам всё ещё есть куда стремиться...
Жители СНГ, кому за 30, поймут аналогию: благодаря продуктам института DDI сфера S&OP и цепей поставок находится в состоянии развитого Социализма, а переход к стохастической модели можно сравнить с наступлением Коммунизма.