物流领域的决策

VIEWPOINT 2023 在 物流S场 最大化数字潜力通过非数字方法 由于市场动态的巨大变化和 自COVID-19大流行以来的客户行为，在全球范围内，物流领域已经被迫做出近年来迅速和不可逆转的决定。 基地搬迁是一个需要有效决策。目标是优化成本并超越物流以保持一致 供应链。使用敏捷原则确定优先级速度是不可行的，只依赖数字工具 是有风险的。在这个观点中，我们提出了一种方法解决复杂的基础问题 重新定位。 AUTHORS NaoyaFurutaYukiNotomi VIEWPOINTARTHURD.LITTLE “试一试”是一个虽然解释和理解 危险方法敏捷方法可能与一个人不同 对于另一个人来说，总的来说，敏捷可以被视为 2021年，物流领域达到了一个主要的 里程碑：全球贸易额超过28.5万亿美元，由于自然价格上涨，创历史新高 资源和经济活动的反弹 遵循COVID-19限制的结束。在这个环境，供应链成本不断上升， 高管们承受的压力越来越大优化这些成本以获得最大价值为了他们的投资。 电子商务的增长，包括交叉-边境电子商务，使得有必要考虑数字化和建立 小型和大型的最佳物流 世界各地的企业，这是漫长的逾期。经济安全等问题， 人权保护和其他地缘政治风险是企业必须关注的问题 物流领域的管理者不能忽视。 敏捷开始作为一种软件开发方法旨在有效地构建项目 融入步骤，以及它与数字的强烈亲和力为其在行业内的悠久历史做出了贡献。随着数字化转型需求的增长 以及将数字转换为公司的压力价值上升，敏捷方法和方法论在管理决策中获得关注- 制定流程和治理。因此， 以敏捷为灵感的“让我们试一试” 方法在做决策时很常见 关于数字化转型。甚至很重要战略决策，如搬迁物流 基地，成为“数字依赖”的例子。 在这个观点的后面，我们强调一个成功的搬迁战略，以显示 从概念制作开始，同时考虑数字工具深入并等待使用，而不是立即采用它们。 旨在提高业务速度的概念管理。这是行动结果的概念 在经验和信息中，这可以是在后续步骤中应用。 物流领域的基本素质创造了一个与敏捷方法的自然亲和力。许多物流方面可以通过 使用数字工具(例如，定义最佳交付路线或提供详细的吨公里 计算)。随着数字化的步伐和数字工具的使用加速， 决策中的敏捷概念不断增长。 作出决定关于决定 经营企业的人被迫 decisionsonadailybasis.Thematterssubject 这些决定差异很大，从那些 在紧迫性和规模方面显然很重要对那些难以重视的人的影响 初看判断。确定金额时 投入到决策中的时间和资源-制作过程中，必须承认一个企业已经做出了判断 正在考虑的决定是否可逆或不可逆。 因此，当转换珍贵的 商业领袖进入企业的时间资源值，应该清楚决定谁或什么会影响，然后仔细考虑 需要做出的决定。一旦需要决策的事项 已被选中，它们必须通过过滤确定资源数量的分析 可用于该过程。 VIEWPOINT ARTHURD.LITTLE 决策过程不有必要 以敏捷为基础 这种决策艺术中涉及的思维- 制造和治理是至关重要的，以及要研究的内容，以确保 业务经理做出质量决策。这是 不是一个明确的过程。然而，大多数人熟悉他们公司的内部动态， 例如需要获得批准和分享与某个部门或个人的信息在进行管理决策之前。 当管理层与举措一起移动时涉及数字化，决策 过程不一定是 基于敏捷。事实上，当决策 考虑是不可逆转的，“让我们给它一个尝试“方法是高风险的，因为需要 投资、漫长的时间框架和改变的困难。 即使在亚马逊，也不是所有的决策都是基于仅在敏捷方法上。管理 亚马逊的方法围绕着问，“是 这个决定是单向门还是双向门？": -一个双向门的决定是由一个强调速度，同时承认 一定的风险。 -一个单向门的决定是用更多的关心和体贴。 近年来数字的出现和扩展多年来使跟踪链接变得容易 在销售和生产数据或数字之间每个过程和所需的时间 过程。近年来，环境已经开发以促进模拟数字化 熟练的经验知识和直觉 在过程中建立的经理和工人他们的职业生涯。 不可逆性决定 当公司的工作场所分散时从地理上讲，玩家的职责 每个地点都倾向于精细分配。 然而，物流是一个以基础为特征的领域。诸如单周期、实时和 易于量化/可视化。物流也依赖于坚实的决策。许多 物流领域的决策是不可逆转的，但是直到最近，需要使这种不可逆转的决定是极其有限的，因为 改革成本很高。现在，该行业正处于转折点，这意味着小的、临时的变化必须用更大的动态变化来交换。 因此，定期制作的过程容易可逆的决策依赖于 计划-执行-检查-行动(PDCA)循环，具有深深扎根于公司文化。 然而，最近一系列不可逆转的决定已经在物流领域制造了，这种 传统上只会被期望发生 每几年甚至几十年一次。这些包括，例如，涉及人类的操作生命和关键任务行动，如果停止就一次，会影响整个供应链，或依赖它的客户和社会。 然而，不可逆性与敏捷无关，并被定义为由于 投资规模和撤销难度 它。我们对这些背景的理解不可逆转的决定是变化的环境物流业，把它带入了 从改变游戏规则的转变设备的人力密集型行业 行业，依靠基于机器的系统来生产商品或提供服务。 使用纯数字选项带来的风险是不完整的数据可能导致冗长和要收集和清理的资源密集型活动数据，但最终理解错误 数据可能导致错误的决定，这 往往没有意识到，直到他们颁布。通过精心选择智能地使用数据 模拟是开发 在合理的预算范围内优化解决方案和时间框架。 VIEWPOINTARTHURD.LITTLE 图1.基地搬迁决策流程 决策 &基本重新定位 在物流中不可逆转的决策中 在现场，基地搬迁的问题尤为突出物流从业者麻烦。设置 目标，如成本和服务水平，是容易的部分。然而，因素和选择是在决策过程中考虑的是 众多，所需的专业知识是分散的在各个领域，包括房地产， 仓库管理、运输和交付。 此外，基地搬迁问题在于战略视角和 领域知识视角。尤其是转换定性观点很重要和从现场获得的情况 管理层要求的数量数字。 通常，物流从业人员不会更多的是解决基地搬迁问题 在他们的职业生涯中不止一次或两次。遭遇这种挑战很少使他们处于 劣势，因为他们的经验和知识关于这么大的事业将是 limited.Preparingenoughquantitativedatato 帮助管理层做出决定，同时设计解释逻辑，包括定性的 信息，可能会觉得几乎不可能 物流从业者，谁还在忙现场管理。 不难想象，决策 像上面这样的条件使许多企业 想要采取由数字信息通知的敏捷方法工具。在现实中，有越来越多的机会在物流领域观察方法 引入模拟和决策支持工具，其次是基于经验的举措 以及使用这些工具获得的信息。 不幸的是，在这样一个 方法是困难的。事实上，我们没有意识到任何不可逆决定的情况，如基地 搬迁，已成功解决 依靠数码工具的方法。我们相信方法是错误的，因为人们从 “让我们试一试”的想法，而不考虑项目的本质。依靠工具没有 计划或目标几乎总是导致失败。 通过非数字利用数字 方法是一个有意识的决定。数字可以只有在决策时才能证明它的价值 发生在适当的流程中。图1说明了流程基地搬迁中的决策。对于 这一观点的目的，我们集中在三个方面涉及的“非数字”决策步骤 基地搬迁(在使用之前发生的那些 数字仿真工具)，以及下面的案例研究说明了这个过程在行动中的样子： 1 2 3 4 5 澄清搬迁 概念（战略） 设置范围 搬迁 定义必要的 定量 数据和权衡的因素 仿真 执行 模型仿真设计和主要评估 进行详细的 研究和搜索对于物业区域 明确目标 设置范围和层次结构 使成本可见     成本降低  衍生模型 模拟模式 （创建逻辑树） 评估搬迁 详细计划 study 搜索   服务级别 改进 BCP措施 从固定转变为可变成本等。     DCTC 外部基础 运输成本 (包括转让在基地之间) –货物装卸 执行主  公司拥有 基地等。  交货数量 目的地，重量，货币金额， 交货数量交货距离目的地 租赁市场价格 使用非常规员工等。 详细研究    与非数字有很好的亲和力 良好的亲和力与数字 来回实施(在流程中实施:采集大纲数据→采集详细数据) Study 步骤 通过评估 中的属性 费用 模型仿真 适用领域 –存储成本 (明确排除 (包括 –交货费用等。 不可行的计划) 发展 掌握其他指标 衍生计划 属性) 目标 来源：ArthurD.Little VIEWPOINTARTHURD.LITTLE 1.明确搬迁概念(策略)。正在审议的事项及其 范围，模拟的评估轴， 和其他因素会有所不同，这取决于基地搬迁的目标，是否 它是降低成本，提高服务水平，支持业务连续性计划(BCP)，或其他用途。特别是在物流方面 字段，信息的分辨率可以是必要时详细制作。标准 实践是首先获得总体情况， 然后优先考虑并进行更深入的潜水。 2.设置搬迁范围。这个过程标识的地理区域 搬迁和供应链的范围公司内外，包括 案例研究：重组和整合基于商业部门的分销结构 一家领先的制造商A公司看到了它的国内需求高峰并寻求支持 从亚瑟·D·利特尔(ADL)改变其物流从一个有组织的业务结构 将分割线划分为更精简的结构，覆盖整个公司。这个基本搬迁案例面临 这是一个挑战，因为每个业务部门都有与不同的物流建立伙伴关系 公司，这意味着不同的物流信息系统，保存的不同粒度级别 数据，甚至不同的形式。 一开始，计划的中心是制定 使用图1中概述的过程进行决策。然而，这种方法很快就搁浅了。A公司事先向我们保证 拥有所有必要的数据，并引入了工具，包括车辆调度管理 平台，库存管理系统，以及外包第三方提供的其他工具。然而，仔细观察数据显示，它绝对不能用于分析。 业务合作伙伴，将在 重新定位。在此步骤中，差异在基本功能中，如配送中心 （DC），传输中心（TC）或前部分配中心，除了检查 资产持有形式的差异，无论是他们被出租或拥有。 3.定义必要的定量数据和模拟的权衡因素。The所需的定量和定性数据 分析被编译。接下来，关系在数据和权衡之间定义，例如作为便利性与位置成本。研究从BCP的角度来看也是如此。 虽然物流领域很容易在交易时收集数据和 交货，在我们的工作过程中，我们再次提醒人们，数据经常被收集没有特定目的。数据没有 目的是无用的，使它成为必要的领域员工依靠他们的直觉和经验。 我们还认为，这种情况提供了 敏捷概念的土壤“让我们试一试”，以使用数字工具为前提，尽管 敏捷方法没有纳入本案例研究。预设的假设是必须掌握的 敏捷方法，这些假设是在案例研究中缺失。 产品代码不是唯一和准确的 SKU编号和交付频率为不清楚。由于工作人员在 交付目的地，数据不一致，甚至在同一目的地。记录的关税和 实际关税不同，支付准确无法跟踪记录。 (接下一页) 5 VIEWPOINTARTHURD.LITTLE 他们的数据几乎毫无意义。以前开始决策过程， 我们需要花一个月的时间清洗性能数据。完成后， 图1中显示的前三个步骤是付诸行动： -步骤1.我们使用清理后的数据进行分析成本、流量和目标属性， 这让我们澄清搬迁概念 (策略)在检查适用的基础后。 -步骤2.我们设置搬迁范围由考虑每个位置的作用 在步骤1中选择的概念并达到 每个基础的结论，例如“基础B将未合并"和"将使用BaseC 作为TC，而不是DC。“ 图A.用于导出基本重定位建议的逻辑树 -步骤3.我们定义必要的定量模拟的数据和权衡因素 并着手组织基地的数量，基本位置、基本属性等，到基本重定位模式(见图A)。 然后我们定义了每个模式并缩小通过消除我们没有的模式的选择需要考虑。接下来，查看粒度模拟所需的定量数据， 我们对 权衡因素的大致轮廓。最后， 我们通过运行模拟得出了最好的答案对于缩小的模式。最初，我们 分配给A公司学习10个月；实施这种决策方法 允许它在四个月内完成，包括数据清理的月份。 投资编号库存