案例二供应链管理的决策支持系统

《案例二供应链管理的决策支持系统》由会员分享，可在线阅读，更多相关《案例二供应链管理的决策支持系统（5页珍藏版）》请在金锄头文库上搜索。

1、案例二：供应链管理的决策支持系统案例二：供应链管理的决策支持系统 作为一个商用及军用飞机机翼和机翼零部件的制造商， 在部件的装配过程中， 飞机结构 公司（Aerostructures）面向定单的机械工厂面临着许多需求的波动。 幸运的是飞机结构公司最近采用了 RHTHYM(位于得克萨斯州的 i2 技术公司开发的供 应链管理系统),该系统理顺了飞机结构公司的工作流并且降低了 500000 美元的库存成本. 过去,当位于纳什维尔(Nashville)的公司承接了一桩制造 50 个加强索的大定单时,它需要 一天的时间来准备这些加强索的物料,接着将这些物料闲置几天,然后在一个炉子上进行加热 并制造成加强

2、索的形状。加强索由一些成形的金属片组成，有 50 英尺长，它同一个支持结 构一起共同连接到机翼的顶部。 旧的调整方法常常浪费时间。 因为飞机结构公司不能够有效地利用加强索的炉子以及其 他制造设备。公司的制造资源计划（MRP）系统无法设计制造设备的时间安排计划。 因为飞机结构公司所生产的定做产品在完工之前通常要经历 220 道操作工序， 所以公司 不能让在制品闲置太长的时间。 主管制造和信息系统的副总裁朱丽.皮勒（Julie Peeler）说：“系统会自动识别明天就要 到期的定单，但是它不能够告诉你在同样的时间内你是否可以同时运行两个较小的工作。“ 飞机结构公司正在使用一个由麦克柯与多奇公司（M

3、cComack & Dodge）10 年前开发的 MRP系统，该系统叫做生产库存优化系统（Production Inventory Optimization System, PIOS） ，在一台 IBM S/390 MVS 的主机上运行。 飞机结构公司的遗留配置（legacy setup）使它的订货生产的库存管理失灵，因为 MRP 系统是根据公司生产运营的提前期倒排计划， 这使飞机结构公司很难对铝、 钛等物料下定单。 自去年中期开始，飞机结构公司安装并运行了 Rhthym 系统，并且从那时起 Rhthym 系 统帮助飞机结构公司制订了更为有效的工作计划。在晚上，PIOS 系统利用国际计算机联合

4、 公司（Computer Associates International, Inc.）生产的 CA-IDMS 数据库作为网间连接器，将 计划信息输入到在 IBM RS/600 上运行的 Rhthym 系统中。 皮勒说，Rhthym 计算工作定单的优先等级，然后在第二天早上 MRP 运行之前将信息 反向装载到 PIOS 系统。 飞机结构公司已经在硬件、软件以及支持系统方面投资了 650000 美元。 分析家们说，从飞机结构公司利用 Rhthym 系统这件事情可以看出当时这些制造优化系 统是多么热门。丹尼斯.巴容（Dennis Byron）是国际数据公司（International Data C

5、orp.,位于 妈萨诸塞州）的一位分析家，他认为，像飞机结构公司这样的企业之所以能够取得胜利是因 为它们具备使企业间供应链通畅运行的能力。 然而，梅特集团公司（Meta Group,Inc.,位于康涅狄格州的斯坦福德）的分析家巴里.华 尔德门（Barry Wilderman）说，安装这样的系统仅仅是事情的一半，因为这些系统（例如 Rhthym 以及位于马里兰州的曼纽吉斯克迪斯公司的制造计划软件）太复杂了。 皮勒认同他的观点。 她说，几乎 1996 年的整个夏季他们都在修改 i2 系统来满足飞机结构公司的规范，如果 优化很容易的话，那么就会有许多人去采用它。 飞机结构公司正在利用巴纳公司的 ER

6、P 系统进行接口， 但是却不能够同它集成在一起。 安装一个像上述飞机结构公司所用的软件的目的是什么？ 应该为这样一个系统选择什么类型的决策支持工具，为什么？ 飞机结构公司的系统和它的 Rhythm 供应链优化软件之间的关系是什么？ 当今信息技术领域的发展趋势会对飞机结构公司的决策支持系统的实施产生什么样 的影响？ 引 言 供应链管理与控制方面的许多进步是由于计算机技术的发展而带动的， 在第十章中， 我 们探讨了信息技术（Information technology）以及许多方面的问题，在本章中，我们重点探 讨决策支持系统（Decision-Support System,简称 DSS） 。 像许

7、多复杂的商业系统一样,供应链管理中的问题也都不是很明确并且能够完全授权给 计算机界定出来,相反,几乎在任何一种情况下,人类特有的灵活性、 创造力以及智慧是有效管 理这个系统的重要保证。 然而， 供应链管理的许多方面只有在计算机的帮助下才能够进行有 效的分析与理解，这正是我们设计的决策支持系统所能够提供的帮助。所谓决策支持系统， 顾名思义，这个系统本身并不提供决策结果，它只是在人们决策的过程中提供相关的帮助。 决策支持系统的范围包括从用户进行自身决策的电子数据表格到试图综合各方面专家 知识并提供多种可供选择方案的专家系统。 因此， 选择适合某特定情形的决策支持系统要看 问题的本质是什么，计划的范

8、围，需要决策的类型，此外，在能够解决一般问题并分析许多 不同数据的通用工具与适用特定领域的昂贵系统之间还应该考虑其中的平衡问题。 在架构供 应链管理的种种原理中， 决策支持系统被用来解决各式各样的问题， 其中包括从物流网络设 计的战略问题到库存产品与制造设备分配的策略问题，并且自始自终贯穿着诸如生产计划、 运送方式选择及车辆路线等日常运作问题。这些供应链问题固有的广泛性与复杂性使 DSS 在进行有效决策时变得非常重要。DSS 在供应链管理中常常被称作高级计划编制与时间安 排系统（Advanced Planning and Schedulint, 简称 APS） 。这些物流通常涵盖以下领域： 需

9、求计划-基于历史数据及根据顾客购买模式的理解所进行的精确预测。最近，这一 过程导入了同购买者及供应者的合作。 供应计划-有效地配置物流资源以适应市场需求。这包括战略供应链计划、库存计划、 分销计划、合作采购以及运输计划。这些系统有时也被称为配送资源计划系统（Distribution Resource Planing, DRP） 。 制造计划编制与时间安排-有效地配置制造资源以适应市场需求。它既包括计划、编 制外购和自制部件的优先级及定单的传统物料需求计划系统， 又包括制定顾客提前期报单系 统。 在考虑不可计量因素的基础上， 决策支持系统通过利用可以获得的可计量信息提出多种可能 的解决方案，从而

10、让决策者选择最合适的方案。一般说来，DSS 还可以让决策者在可能出 现的不同情形中分析所作出决策的后果， 因此进行敏感度分析可以预防决策失误所带来的不 良影响。 在决策过程中， 许多决策支持系统借助于数学工具。 这些工具通常是从运筹学中的数学 原理演变而来的， 它们在第二次世界大战中首次被用于应对庞大军队后勤的挑战， 并且从那 以后，由于技术进步（尤其是计算机技术发展所带来的进步） ，这些工具越来越多地被应用 到其它领域。 此外，人工智能（AI）也被应用在决策支持系统的设计之中。尤其是对于实 时决策， 例如决定如何在最短的时间内向顾客供货以及向在电话边等待的顾客告知公司的送 货提前期，AI 常

11、常被用于智能代理以辅助决策。像福克斯（Fox） 、乔格勒（Chionglo）和 巴伯斯奴(Barbuceanu)39一样，我们将代理定义为同其他代理相互交流与作用的软件程序， 因此可以在全球范围内作出决策来影响整个供应链。 例如， 以确定合适的提前期来解决顾客 服务不稳定性的智能代理能够同生产计划的智能代理相作用从而确保了提前期。 红椒软件公 司（Red Pepper Software）的反应代理(Response Agent)就是这样一个编制与计划的代理，它 是计划者和编制者的智能助。 专家系统出被划归为人工智能之列， 这些系统将专家的知识放在一个数据库中并利用其 解决问题。专家系统依赖于一

12、个表述一定规律的庞大数据库工作，在解决问题时，专家系统 利用知识库中的规律，从而产生其以能够解释来龙去脉的结论。在决策支持系统的环境中， 这种专家系统可以为那些既无时间又无知识的决策者提供可供选择的解决方案。 尽管专家系统在物流实践中还没有得到广泛的应用， 但是由于它能够获取并解释专家的揄， 我们相信其 将来定会扮演重要的角色。 随时着集成整个企业数据库的庞大数据仓库的广泛应用， 决策支持系统正在对这些数据 进行分析以帮助决策，这些 DSS 应用复杂的统计工具来分析数据仓库中的信息。最近，用 来对数据进行搜索从而试图在不起眼处找到某种模式和规律的挖掘(data mining)工具体现出 越来越

13、高的价值， 这些工具目前被用来寻找未曾发现的营销关系， 同时它们也被用来分析供 应链中的某些关系，例如存在于运输和库存之间的关系。 理解决策支持系统 为了有效地选择和使用决策支持系统， 我们有必要知道一个合理配置系统的重要组成部 分。DSS 的三个主要组成部分为输入资料库和参数、分析工具以及输出工具。 输入数据是数据库的一种形式， 它带有决策所需要的基本信息。 它可以是一个解决特定 问题的计算机数据摘录， 或者是一个积聚公司交易的数据仓库， 或者是从一个网络中获得的 分散数据。这些数据库也可能包括某些参数和规则，例如要求服务的层次、计算机中固化的 指令以及各种各样的约束条件。 数值分析可以帮助

14、使用者调整某些参数， 因此它通常包含有问题需要的固有知识。 使用 的分析工具（Analytical Tools）包括运筹学、基于运算法则的人工智能、成本计算、模拟、 流程分析以及固化的逻辑程序。 这是最为复杂的一个组成部分， 因为几乎没有任何解决方案 能够独立处理企业中那庞大繁杂的问题。 有各种不同的数据表及电子表格输出工具能够表达 DSS 分析的结果。然而，由于输出 包含了太多的信息（如单据、表格） ，其通常给决策者的分析带来了很大的困难，所以，用 户利用数值可视技术（Data Visualization Technique）能够消化输出数值中的巨大信息。例如 在定位、安排路线以及供应链分析

15、等问题中，决策支持系统能够使用地理信息系统（GIS） 来显示复杂的地理数据。同样，计划编制系统利用甘特图来表示工厂的计划，模拟系统利用 动画来淙模型之间的相互关系。 我们所考虑的问题的范围将对上述组成部分产生很大的影响。 众所周知， 战略决策要求 制定长期计划， 它将汇集各种历史数据及预测见解， 并且不需要特别快地得到分析及输出结 果，因为问题不在于快速反应。相比之下，动作决策的 DSS 要求作出短期计划，输入当前 的数据，作出快速的反应。 数据输入分析工具输出工具地理信息系统将运算法则同GIS集成在一起供应链决策支持系统供应链决策支持系统 正如我们在第一章中所看到的那样，供应链管理包含着一连

16、串各式各样的决策。在下面的段落中，我们将逐一审查这些决策，并看一看 DSS 是怎样辅助决策的，这些决策涵盖了从战略决策到运作决策的大部分内容。 需求计划物流网络设计存货配置销售与营销区域的划分配送资源计划（DRP）物料需求计划（MRP）库存管理生产地点选址/设施布置车辆计划提前期报单生产计划人力计划供应链决策支持系统 对于上述的所有供应链问题，不管在配置、平台、还是价格领域都有其适用的决策支持系统。在最近的 15 年里，DSS 平台发生了较大的演变，从相对较为僵硬的主机系统到单独的 PC 工具，再到客户/服务器进程，最近又产生了一种新型高性能并且应用广泛的企业决策支持系统。这些系统的价格差异也很大，既有价值几千美元的 PC 系统，也有价值上百万美元的企业范围的计算机工作站。 当评估一个特定的 DSS 时，需要考虑以下问题： 决策者所要解决问题的范围，其中包括计划的范围。 决策支持系统所需要的数据 用户接口能力。 分析的需求。包括模型的精确性