Eine Algebra für die Wirtschaftlichkeit der Lieferkette
Das erste Prinzip unseres Quantitative Supply Chain Manifests besagt, dass alle zukünftigen Ereignisse berücksichtigt werden sollten. Daher haben wir Envision vor zwei Jahren erweitert, um nativ mit Zufallsvariablen zu arbeiten. Diese probabilistische Algebra ist der Grundstein für unsere Herangehensweise an unsichere Zukunftsaussichten.
Das zweite Prinzip besagt, dass alle machbaren Entscheidungen berücksichtigt werden sollten, z.B. die zu bestellenden Mengen von Lieferanten. Während diese Entscheidungen jedoch keine Zufallsvariablen sind, sind die mit diesen Entscheidungen verbundenen Mengen unentschieden, nicht unsicher. Unsere probabilistische Algebra allein reichte nicht aus, um diese noch zu treffenden Entscheidungen angemessen widerzuspiegeln.
Daher haben wir im letzten Jahr schrittweise eine ergänzende Algebra eingeführt: die Algebra der Zedfuncs. Ein Zedfunc ist ein Datentyp in Envision, der wirtschaftliche Belohnungen oder Verluste im Zusammenhang mit quantifizierten Entscheidungen widerspiegeln soll. Der Haupttrick besteht darin, dass ein Zedfunc das Ergebnis nicht für eine Entscheidung berechnet, sondern für alle Entscheidungen; z.B. alle Belohnungen für die Auslösung einer Produktion von 1 Einheit bis hin zu unendlich vielen Einheiten [^unendlich].
Durch die Kombination von Zufallsvariablen und Zedfuncs ist es möglich, mit bösartigen Komplikationen in der Lieferkette wie Preisunterbrechungen mit minimalem Aufwand umzugehen. Die Zedfuncs sind eine wesentliche Zutat für eine quantitative Supply Chain-Optimierung, um priorisierte Listen von Entscheidungen zu erstellen, bei denen alle machbaren Entscheidungen nach abnehmender Kapitalrendite geordnet sind.
Als kleiner Nachteil sind Zedfuncs in Bezug auf die Rechenressourcen recht anspruchsvoll. Es handelt sich um fortgeschrittene numerische Datentypen, die einfach nicht in eine durchschnittliche Tabellenkalkulation passen. Glücklicherweise verteilt Lokad die Arbeitslast transparent auf eine Flotte von Maschinen, die von unserer bevorzugten Cloud-Computing-Plattform bereitgestellt werden, und insgesamt war die Rechenleistung noch nie so günstig. In der Praxis ist es daher kein Problem, Hunderte von Millionen von Zedfuncs mit dem Envision-Backend zu verarbeiten. Das aktuelle Design der Lokad Zedfuncs hat uns einige ernsthafte Anstrengungen gekostet, und wir haben eine vollständige Neufassung unseres ersten Versuchs durchlaufen. Der Knackpunkt der Herausforderung war unser eigener verlustbehafteter Komprimierungsalgorithmus, der für Zedfuncs verwendet wurde - eine notwendige Komponente, um den Speicherbedarf von Zedfuncs unter Kontrolle zu halten - der nicht gut genug war. Genauer gesagt behielt unsere erste Version an den wichtigsten Stellen nicht genügend numerische Genauigkeit bei. Die zweite Version hat es jedoch dank der Erkenntnisse, die wir in unseren Produktionssystemen gesammelt haben, richtig gemacht.
Da die probabilistische Nachfrageprognose in der Lieferkette immer mehr an Bedeutung gewinnt, kratzen viele Lösungen nur an der Oberfläche, wenn es darum geht, das Beste aus diesen neuen Perspektiven zu machen. Geeignete Werkzeuge sind unerlässlich. Die Generierung von Milliarden von Wahrscheinlichkeiten ist (einigermaßen) einfach; daraus die Entscheidungen abzuleiten, die Ihre Kapitalrendite maximieren, ist jedoch viel herausfordernder. Dafür sind Zedfuncs da.
Zedfuncs sind die Art von unschätzbarer Werkzeug, die wahrscheinlich nie in einem der vielen RFPs, die wir erhalten, auftauchen werden; und doch kann der Großteil der Quantitative Supply Chain nicht ohne diese Zedfuncs - oder deren bessere (zukünftige) Alternativen - erreicht werden.
