大公司用來管理供應鏈的算法在期間不起作用

即使在大流行病期間，沃爾瑪?shù)墓湽芾砣藛T也必須確保商店和倉庫儲存著客戶想要和需要的東西。 然而，已經放棄了數(shù)字程序，幫助他們預測他們需要在貨架上保留多少尿布和花園軟管。

通常情況下，系統(tǒng)可以可靠地分析庫存水平、歷史采購趨勢和折扣等問題，以建議訂購多少產品。 在大流行引起的全球混亂期間，該計劃的建議正在更頻繁地發(fā)生變化。 沃爾瑪?shù)囊晃还溄浝砀嬖VVerge說：“它變得更有活力，我們看到它的頻率也增加了。

大多數(shù)零售公司依靠某種類型的模型或算法來幫助預測他們的客戶想要什么，無論是簡單的Excel電子表格還是一個經過改進的、工程師構建的程序。 通常，這些模型是相當可靠和工作良好的。 但就像其他一切一樣，他們也受到了大流行病的影響。

消費品分析公司Alloy的聯(lián)合創(chuàng)始人喬爾？貝爾(Joel Beal)表示：“當你有類似的東西時，這只是一個完全的孤立點。 “沒有一個模型能夠預測這一點。

研究人員對自然災害等對系統(tǒng)的沖擊如何破壞供應鏈以及如何影響需求預測有一些了解。 不過，颶風或洪水等災害通常是區(qū)域性的。 這種流行病正在影響整個世界。 即使企業(yè)對H1N1和SARS等疾病的需求預測模型進行了壓力測試，它們也不會考慮到這種規(guī)模。 “這種大流行完全在另一個層面上，”安赫斯特大學的供應鏈模型專家兼運營和信息管理教授AnnaNagurney說。

預測模型通常使用過去的數(shù)據(jù)來預測未來的趨勢。 如果一家公司在4月份出售了很多割草機，他們可能會用這些數(shù)據(jù)告訴公司在次年4月份保留更多的割草機庫存。 模型也通?？梢约僭O割草機可以按一定的時間表生產和運輸。

在這一大流行病期間，人們的行為、交通和生產發(fā)生了根本性的變化，這意味著通常可預測的潮起潮落被顛覆。 納格尼說：“現(xiàn)在我們的數(shù)據(jù)將會有很多異常值。 “一切都改變了。

由于全球范圍的大規(guī)?；靵y，為模型提供的正常數(shù)據(jù)——包括多年來的購買模式——并不相關。

“你可能不會使用那么多的歷史數(shù)據(jù)，或者不會像你預期的那樣權衡。 相反，企業(yè)可能會使用更多的最新數(shù)據(jù)：例如，上周希望預測下周的情況，或者僅僅依靠幾個月的信息來了解這場大流行病在全球范圍內爆發(fā)以來所購買的東西。

模型仍然可以使用。 “必須改變的是你輸入的數(shù)據(jù)。 她說，像沃爾瑪和亞馬遜這樣使用更復雜的機器學習模型的公司也可能會增加系統(tǒng)中的不確定性。

這些調整使公司能夠繼續(xù)進行預測。 然而，他們現(xiàn)在所做的預測不會像幾個月前所做的那樣精確。 麻省理工學院土木和環(huán)境工程教授大衛(wèi)·西米奇-列維(David Simchi-Levi)表示：“它們不會給我們提供我們以前看到的準確性。

相反，管理供應鏈的人將不得不更積極地解釋預測，Beal說。 “企業(yè)必須更多地依賴好的需求規(guī)劃人員和預測人員，他們會說：“我相信這一點嗎？”而不是相信這些模型能夠捕捉到正在發(fā)生的一切。

例如，Alloy與一家公司合作，該公司今年3月在一家主要零售商的產品銷售額增長了40%。 (Beal不能透露公司或零售商的名稱。) 鑒于銷售額的激增，零售商為4月份下了一大筆訂單，但該公司知道，對該產品的需求已經下降，零售商將無法出售他們訂購的所有產品。 “這就是我們一遍又一遍地看到的，”貝爾說。 在這種情況下，該公司告訴零售商不要購買該公司的大部分產品，他們能夠進行調整。

一些公司正在改變他們的系統(tǒng)來解釋這種流行病，Simchi-Levi說。 他正在與一家公司合作，該公司試圖將預測各國疫情的長度和嚴重程度的模型與他們通常的供應鏈機器學習模型結合起來。

供應鏈模式也將不得不改變，以解釋流行病，即使它通過。 “這是一個我可能不想用我預測明年會發(fā)生什么的時期，”貝爾說。 此外，人們可能會繼續(xù)以與大流行之前不同的價格購買衛(wèi)生紙和豆子，因此一些變化可能會比危機持續(xù)更長時間。 “我們必須了解新的穩(wěn)定狀態(tài)。

在這一大流行病期間，對建模系統(tǒng)的干擾顯示了依賴計算機預測產品需求的一些限制。 “大多數(shù)公司都在與之斗爭，這是一個持續(xù)的挑戰(zhàn)，即使在“正常時期”，”Beal說。 這種大流行病可能會促使公司減少對需求預測的投資，并更多地關注對他們面前所看到的做出反應。 他表示：“這是一種轉變，不是認為你可以預測世界將會是什么樣的未來。