APS的目的就是處理在限制條件以及一些業務規則下,怎樣來規劃供給來滿足需求。這個敘述裡,有幾個關鍵字詞:限制、業務規則、供給規劃與需求。
為了讓系統進行運算,首先就是要看看如何來表現這些關鍵字。
以限制為例:
所有用料總和 < = 總物料供給
客戶A的需求用料 < = 1000單位
通常限制、目標都比較好陳述;相對的,業務規則就比較困難。首先業務規則比較是「情境化」的狀況:
如果客戶A的需求大於100的時候而且全部物料的供給小於500時,則...
這樣會有很多的 “if…then…else…”的業務規則敘述;通常對於系統而言,並不容易處理。尤其對於數學優化模型,更是不容易,即使可以描述,也可能會因為求解過程過久,而不適合於商業實用。
即使對於啟發式系統而言,可能僅能處理多條規則,而無法處理同時一條有著多情境的業務規則。例如:
敘述A:
規則一:如果客戶A的需求大於100
規則二:全部物料供給小於500
敘述B:
規則:如果客戶A的需求大於100的時候而且全部物料的供給小於500時,則...
對於敘述B而言,系統就比較難處理。因此規劃出來的結果可能就不符使用者期望。
再者,除了如何在系統內表現這些資訊的困難度以外,使用者是否能夠完整說明他們的規則其實是更大的問題。一般使用者大多用excel來計算一般規劃的問題,而隨著每一天、每一次規劃的不同,他們可能多多少少會根據需要來調整excel裡面計算的公式或設定,甚至有時候還直接人工輸入數字。如果要他們事先列出所有的計算規則,讓excel可以直接算出他們期望的結果,也是不太可能的。因此,對於所有資訊都要事先定義的APS,就無法根據他們事先定義的規則來產生期望的結果。
其實這也是對於APS錯誤的期待。如果要在APS產生期望的結果,就必須先輸入所有業務規則,就可以一次到位;如果無法事先定義所有業務規則,則需要反覆檢視結果,調整系統再次計算產生結果。使用者就會覺得,既然要反覆檢視結果、然後調整 (就像excel),那麼APS就沒有效益,還不如用excel,還比較好操作。
所以我認為,還不如把APS當做更詳細、更先進的excel,然後使用者應該像對excel一樣,也要反覆檢視結果、調整設定或參數,讓結果接近於最後的結果 (因為可能還是有人工覆蓋的輸入),而非追求系統產出直接等於最後結果。(如果是這樣的話,那麼還需要這些規劃人員的使用者嗎?) 我最喜歡的比喻是:就像是GPS導航,如果你知道一些比較快的小路,當然可以不依照導航的建議,而自己開車;但是導航還是以一些預建的規則來導航 (例如以省道為主要依據...) 建議路程,只是它事先不會知道一些個人開車的偏好來調整,例如:白天開小路、晚上開國道等等的小偏好。因為APS跟GPS一樣,都只是決策支援系統 (decision support system),提供資訊作為使用者進行決策之用。
因此在選擇APS規劃技術時,還是要看看哪一種模式比較適合最終的目的。以業務規則為主進行的啟發式規劃,或是數學計算的優化模型,哪一個能夠表現所需要的業務規則、哪一個所產生的規劃結果比較接近最後定案的決策。
訂閱:
張貼留言 (Atom)
建置智慧企業的挑戰:問題與資料的考量
智慧企業的精髓在於如何運用資料回答問題 (決策與行動)。因為機器學習、大數據...等等變成顯學之後,很多企業投入資源學習、鼓勵員工學習相關技術,然後要求員工內部提案或是找外部廠商、顧問來討論、聽取案例,期望找到智慧企業的銀子彈 (silver bullet),甚至採購一些軟體...
-
Industry 4.0 is a hot topic recently in Asia following latest China’s “Made in China 2025” initiative (http://news.xinhuanet.com/engl...
-
W hat is Industry 4.0? Is it "smart factory'? Buying robots, automating production...is that what makes the enterprise "Indust...
-
In previous blog, I made the argument that decision-making is the core of Industry 4.0 and I would like to discuss more about “data”, th...
沒有留言:
張貼留言