SCM-在庫管理

サプライチェーンの主要な目的に見られるように、SCMの基本的な目的の1つは、社内および社内のすべての活動と機能を効率的に管理することです。

サプライチェーンの効率は、在庫の効率を維持することによって、より正確には、在庫の効率によって確保できる場合があります。在庫は効率的なサプライチェーン管理に対する責任と見なされますが、サプライチェーンマネージャーは在庫の必要性を認識しています。ただし、不文律は在庫を最小限に抑えることです。

多くの戦略は、サプライチェーンを超えて在庫を合理化し、在庫投資を可能な限り低く抑えることを目的として開発されています。サプライチェーンマネージャーは、在庫投資のために在庫を可能な限り低く維持する傾向があります。在庫の所有に関連するコストや投資は高額になる可能性があります。これらの費用は、在庫の購入に必要な現金支出、在庫の取得費用（他の何かに投資するのではなく在庫に投資した費用）、および在庫の管理に関連する費用で構成されます。

在庫の役割

サプライチェーンにおける在庫の役割を理解する前に、製造業者と顧客の間の心のこもった関係を理解する必要があります。クライアントを処理し、彼らの要求に対処し、製造業者との関係を構築することは、サプライチェーンを管理する上で重要なセクションです。

協力関係の概念がサプライチェーン管理の本質としてマークされているのを目にする例はたくさんあります。ただし、サプライチェーンの関係、特に製品フローを含む関係をより深く分析すると、これらの関係の中心にあるのは在庫の移動と保管であることがわかります。

その半分以上は、在庫の購入、転送、または管理に依存しています。ご存知のように、在庫はサプライチェーンにおいて非常に重要な役割を果たしており、顕著な特徴です。

在庫がサプライチェーンで持つ最も基本的な機能は次のとおりです。

• 需要と供給のバランスを供給し、サポートすること。
• サプライチェーンの順方向および逆方向の流れに効果的に対処するため。

企業は、上流のサプライヤー取引所と下流の顧客の需要を管理する必要があります。このような状況の中で、企業は、正確性や正確性を予測することが非常に難しい顧客の要求を満たすことと、材料や商品の適切な供給を維持することとの間のバランスを維持しなければならない状態になります。このバランスは、在庫を通じて取得できます。

最適化モデル

サプライチェーンの最適化モデルは、実際の問題または実際の問題を数学的モデルに体系化するモデルです。この数学的モデルを構築する主な目的は、目的関数を最大化または最小化することです。これに加えて、実行可能領域を定義するために、これらの問題にいくつかの制約が追加されます。私たちは、考えられるすべての解決策を検討し、最終的に最良の解決策を返す効率的なアルゴリズムを生成しようとします。さまざまなサプライチェーン最適化モデルは次のとおりです。

混合整数線形計画法

混合整数線形計画法（MILP）は、いくつかの制限付きでシステムの最良の結果を得るために使用される数学的モデリングアプローチです。このモデルは、生産計画、輸送、ネットワーク設計など、多くの最適化分野で広く使用されています。

MILPは、連続変数と整数変数によって構築されたいくつかの制限制約とともに、線形目的関数で構成されます。このモデルの主な目的は、目的関数の最適解を取得することです。これは最大値または最小値である可能性がありますが、課せられた制約に違反することなく達成する必要があります。

MILPは、バイナリ変数を使用する線形計画法の特殊なケースであると言えます。通常の線形計画モデルと比較すると、解決するのは少し難しいです。基本的に、MILPモデルは、商用および非商用のソルバーによって解決されます。たとえば、FicoXpressまたはSCIPです。

確率論的モデリング

確率論的モデリングは、ある程度のランダム性または予測不可能性がある状況で、データを表現したり、結果を予測したりする数学的アプローチです。

たとえば、生産ユニットでは、製造プロセスには一般に、入力材料の品質、機械の信頼性、従業員の能力など、いくつかの未知のパラメータがあります。これらのパラメータは製造プロセスの結果に影響を与えますが、絶対値で測定することはできません。

正確に測定できない未知のパラメータの絶対値を見つける必要があるこれらのタイプのケースでは、確率論的モデリングアプローチを使用します。このモデリング戦略は、これらの要因の予測不可能性を考慮することにより、定義されたエラー率でこのプロセスの結果を予測するのに役立ちます。

不確実性モデリング

現実的なモデリングアプローチを使用する一方で、システムは不確実性を考慮に入れる必要があります。不確実性は、システムの不確実な特性が確率的性質でモデル化されるレベルまで評価されます。

不確実性モデリングを使用して、確率分布で不確実なパラメーターを特徴付けます。マルコフ連鎖のように入力として依存関係を簡単に考慮に入れるか、待機が重要な役割を果たすシステムをモデル化するために待ち行列理論を使用する場合があります。これらは、不確実性をモデル化する一般的な方法です。

バイレベル最適化

分散型または階層型の決定を行う必要がある場合は常に、実際の状況で2レベルの問題が発生します。このような状況では、複数の当事者が次々と決定を下し、それぞれの利益に影響を与えます。

これまで、2レベルの問題を解決する唯一の解決策は、現実的なサイズのヒューリスティック手法を使用することです。ただし、これらの最適な方法を改善して、実際の問題の最適解を計算する試みも行われています。