Un'algebra per l'economia della supply chain
Il primo principio del nostro manifesto della Catena Logistica Quantitativa afferma che tutti i futuri dovrebbero essere presi in considerazione. Pertanto, abbiamo ampliato Envision due anni fa per lavorare nativamente con variabili casuali. Questa algebra probabilistica è la pietra angolare del nostro modo di affrontare i futuri incerti.
Successivamente, il secondo principio afferma che tutte le decisioni fattibili dovrebbero essere prese in considerazione, ad esempio le quantità da acquistare dai fornitori. Tuttavia, mentre tali decisioni non sono variabili casuali, le quantità associate a tali decisioni sono indefinite e non incerte. La nostra algebra probabilistica non era sufficiente di per sé per riflettere adeguatamente tali decisioni ancora da prendere.
Pertanto, l’anno scorso abbiamo silenziosamente e gradualmente introdotto un’algebra complementare: l’algebra di zedfuncs. Un zedfunc è un tipo di dato in Envision destinato a riflettere ricompense o perdite economiche associate a decisioni quantificate. Il trucco principale è che un zedfunc non calcola l’esito per una decisione, ma per tutte le decisioni; ad esempio tutte le ricompense derivanti dall’avvio di una produzione per 1 unità fino a un’infinità [^infinito] di unità.
Combinando ranvars e zedfuncs, è possibile affrontare complicazioni malvagie della supply chain come le interruzioni di prezzo con uno sforzo minimo. Gli zedfuncs sono un ingrediente essenziale per un’ottimizzazione della gestione della supply chain quantitativa al fine di produrre liste prioritizzate di decisioni, in cui tutte le decisioni fattibili sono ordinate in base al ritorno sugli investimenti decrescente.
Come piccolo svantaggio, gli zedfuncs richiedono molte risorse di calcolo. Sono il tipo di dati numerici avanzati che semplicemente non si adattano a un normale foglio di calcolo. Fortunatamente per noi, Lokad distribuisce in modo trasparente il carico di lavoro su un insieme di macchine ottenute dalla nostra piattaforma di cloud computing preferita e, nel complesso, la potenza di elaborazione grezza non è mai stata così economica. Pertanto, nella pratica, gestire centinaia di milioni di zedfuncs rimane una sfida insignificante per il back-end di Envision. Il design attuale degli zedfuncs di Lokad ci ha richiesto seri sforzi e abbiamo effettuato una riscrittura completa del nostro primo tentativo. Il fulcro della sfida era il nostro algoritmo di compressione con perdita utilizzato per gli zedfuncs, un componente necessario per mantenere sotto controllo l’occupazione di memoria degli zedfuncs, che non era abbastanza buono. Più precisamente, la nostra prima versione non manteneva una precisione numerica sufficiente dove contava di più. La seconda versione invece ha risolto il problema grazie alle intuizioni che avevamo raccolto nei nostri sistemi di produzione.
Con la previsione probabilistica della domanda che sta guadagnando terreno tra le supply chain, molte soluzioni stanno ancora solo grattando la superficie quando si tratta di sfruttare al massimo queste nuove prospettive. Gli strumenti adeguati sono essenziali. Generare miliardi di probabilità è (in qualche modo) facile; trasformarle in decisioni che massimizzano il tuo ROI ora è molto più impegnativo. Ecco a cosa servono gli zedfuncs.
Gli zedfuncs sono il tipo di strumento prezioso che probabilmente non verrà mai incluso in nessuna delle molte richieste di proposte che riceviamo; eppure, la maggior parte della Catena Logistica Quantitativa non può essere realizzata con quegli zedfuncs - o con le loro migliori alternative (future).
