Supply Chain Lectures
ZURÜCK ZU LOKAD TV ›
Software Engineering für die Supply Chain - Vorlesung 4.6
Die Beherrschung von Komplexität und Chaos ist das Fundament des Software Engineerings. Angesichts der Tatsache, dass Lieferketten sowohl komplex als auch chaotisch sind, sollte es nicht überraschen, dass die meisten Probleme mit Unternehmenssoftware, mit denen Lieferketten konfrontiert sind, auf schlechtem Software Engineering beruhen.
Sprachen und Compiler für die Supply Chain - Vorlesung 4.5
Die Mehrheit der Lieferketten wird immer noch über Tabellenkalkulationen (z. B. Excel) abgewickelt, während Unternehmenssysteme seit ein, zwei oder manchmal sogar drei Jahrzehnten im Einsatz sind - angeblich, um sie zu ersetzen. Tatsächlich bieten Tabellenkalkulationen eine zugängliche programmatische Ausdrucksfähigkeit, während diese Systeme dies im Allgemeinen nicht tun.
Supply Chain Persona: San Jose, Homeware E-Commerce - Vorlesung 3.3
San Jose ist ein fiktiver E-Commerce, der eine Vielzahl von Wohnmöbeln und Accessoires vertreibt. Sie betreiben ihren eigenen Online-Marktplatz. Ihre Eigenmarke konkurriert sowohl intern als auch extern mit externen Marken. Um wettbewerbsfähig zu bleiben gegenüber größeren und günstigeren Akteuren, versucht die Supply Chain von San Jose, eine hohe Servicequalität zu liefern, die viele Formen annimmt, weit über die rechtzeitige Lieferung der bestellten Waren hinaus.
Maschinelles Lernen für die Supply Chain - Vorlesung 4.4
Prognosen sind in der Supply Chain nicht reduzierbar, da jede Entscheidung (Einkauf, Produktion, Lagerung usw.) eine Antizipation zukünftiger Ereignisse darstellt. Statistisches Lernen und maschinelles Lernen haben das klassische Feld der 'Prognose' sowohl theoretisch als auch praktisch weitgehend abgelöst. Wir werden versuchen zu verstehen, was eine datengetriebene Antizipation der Zukunft aus einer modernen 'Lern'-Perspektive überhaupt bedeutet.
Mathematische Optimierung für die Supply Chain - Vorlesung 4.3
Mathematische Optimierung ist der Prozess der Minimierung einer mathematischen Funktion. Nahezu alle modernen statistischen Lernverfahren - d.h. Prognosen, wenn wir eine Supply-Chain-Perspektive einnehmen - basieren im Kern auf mathematischer Optimierung. Darüber hinaus beruht die Identifizierung der profitabelsten Entscheidungen, sobald die Prognosen erstellt sind, ebenfalls im Kern auf mathematischer Optimierung. Supply-Chain-Probleme beinhalten häufig viele Variablen. Sie sind auch in der Regel stochastischer Natur. Mathematische Optimierung ist ein Eckpfeiler einer modernen Supply-Chain-Praxis.
Blockchains für die Supply Chain - Vorlesung 4.21
Kryptowährungen haben viel Aufmerksamkeit erregt. Vermögen wurden gemacht. Vermögen wurden verloren. Pyramidensysteme waren weit verbreitet. Aus Unternehmenssicht ist die Blockchain der höfliche Euphemismus, um ähnliche Ideen und Technologien einzuführen und gleichzeitig eine Distanzierung von diesen Kryptowährungen herzustellen. Es gibt Anwendungsfälle für die Supply Chain in der Blockchain, aber es gibt auch Herausforderungen.
Amsterdam, Käsemarken (Persona) - Vorlesung 3.2
Amsterdam ist ein fiktives FMCG-Unternehmen, das sich auf die Produktion von Käse, Sahne und Butter spezialisiert hat. Sie betreiben ein großes Portfolio von Marken in mehreren Ländern. Viele geschäftliche Zielkonflikte müssen sorgfältig ausbalanciert werden: Qualität, Preis, Frische, Verschwendung, Vielfalt, Lokalität usw. Durch die Gestaltung der Milchproduktion und der Einzelhandelsaktionen befindet sich das Unternehmen zwischen Hammer und Amboss in Bezug auf Angebot und Nachfrage.
Moderne Algorithmen für die Supply Chain - Vorlesung 4.2
Die Optimierung von Supply Chains beruht auf der Lösung zahlreicher numerischer Probleme. Algorithmen sind hochgradig codierte numerische Rezepte, die dazu dienen, präzise Berechnungsprobleme zu lösen. Überlegene Algorithmen bedeuten, dass überlegene Ergebnisse mit weniger Rechenressourcen erzielt werden können. Durch die Fokussierung auf die Besonderheiten der Supply Chain kann die algorithmische Leistungsfähigkeit erheblich verbessert werden, manchmal um Größenordnungen. Supply Chain-Algorithmen müssen auch das Design moderner Computer berücksichtigen, das sich in den letzten Jahrzehnten erheblich weiterentwickelt hat.
Moderne Computer für die Supply Chain - Vorlesung 4.1
Moderne Supply Chains benötigen Rechenressourcen, um genauso zu funktionieren wie motorisierte Förderbänder Strom benötigen. Dennoch sind träge Supply Chain-Systeme allgegenwärtig, während die Rechenleistung von Computern seit 1990 um das über 10.000-fache gestiegen ist. Ein mangelndes Verständnis der grundlegenden Eigenschaften moderner Rechenressourcen - selbst unter IT- oder Data Science-Kreisen - trägt maßgeblich zu diesem Zustand bei. Das Software-Design, das den numerischen Rezepten zugrunde liegt, sollte den zugrunde liegenden Rechenuntergrund nicht antagonisieren.
Miami, eine Aviation MRO (Persona) - Vorlesung 3.1
Miami ist ein fiktives Aviation MRO (Wartung, Reparatur, Überholung) in den USA, das eine große Flotte von Verkehrsflugzeugen betreut. In der Luftfahrt hat die Sicherheit oberste Priorität. Teile und Komponenten müssen regelmäßig überprüft und gegebenenfalls repariert werden. Miami ist darauf spezialisiert, Flugzeuge jederzeit in der Luft zu halten und AOG (Flugzeug am Boden) Vorfälle zu vermeiden, die auftreten, wenn ein Teil, das für eine Wartungsoperation benötigt wird, fehlt.
Schreiben für Supply Chains - Vorlesung 2.5
Supply Chains erfordern die Koordination großer Teams. Daher sind schriftliche Materialien von großer Bedeutung. Moderne Supply Chains sind einfach nicht mit der mündlichen Tradition kompatibel. Dennoch haben Supply Chain-Experten oft große Schwierigkeiten mit ihren schriftlichen Kommunikationsfähigkeiten. Schauen wir uns an, was Usability-Studien und einige namhafte Experten zu diesen Themen zu sagen haben.
Adversarial Marktforschung für Unternehmenssoftware - Vorlesung 2.4
Moderne Lieferketten sind von einer Vielzahl von Softwareprodukten abhängig. Die Auswahl der richtigen Anbieter ist eine Frage des Überlebens. Da jedoch die Anzahl der Anbieter groß ist, benötigen Unternehmen einen systematischen Ansatz für diese Aufgabe. Die traditionelle Marktforschungspraxis beginnt zwar mit guten Absichten, endet aber unweigerlich mit schlechten Ergebnissen, da Marktforschungsunternehmen letztendlich als Marketingfronten für die Unternehmen agieren, die sie analysieren sollen. Die Hoffnung, dass ein unvoreingenommenes Forschungsunternehmen entstehen wird, ist fehl am Platz. Die Anbieter-gegen-Anbieter-Bewertung ist jedoch eine Methodik, die es selbst einem voreingenommenen Marktforschungsunternehmen ermöglicht, unvoreingenommene Ergebnisse zu liefern.