Author: Z. Caner Taşkın

I dagens hyperkonkurrenceprægede og meget komplekse forretningsmiljø søger virksomheder konstant efter måder at opnå konkurrencefordele på ved at forbedre hastigheden, effektiviteten og kvaliteten af de varer og tjenester, de leverer til kunderne gennem deres forsyningskæder. Nøglen til at opnå succes inden for supply chain management er at kunne træffe optimerede forretningsbeslutninger ved at finde den bedst mulige løsning på virksomhedens planlægnings- og skemalægningsproblemer.

Der findes mange teknikker – såsom begrænsningsprogrammering, matematisk programmering, metaheuristik, lokal søgning, maskinlæringsalgoritmer og evolutionære algoritmer som genetiske algoritmer og simuleret udglødning – som anvendes til at løse problemer med planlægning og skemalægning i forsyningskæden. Disse algoritmer kan inddeles i to hovedkategorier, som vi vil undersøge i denne blog: heuristik og optimering.

Målet med optimering og heuristiske løsninger er det samme – at give den bedst mulige løsning på et givet forsyningskædeproblem – men deres resultater er ofte dramatisk forskellige.

Her undersøger vi forskellene mellem optimering og heuristik og udforsker fordele og ulemper ved hver tilgang.

Definition af forskellen mellem heuristik og optimering

Fundamentalt set er ethvert supply chain planlægnings- og skemalægningsproblem i bund og grund et optimeringsproblem. Løsningen indebærer, at man skal finde den bedste måde at synkronisere udbud og efterspørgsel på tværs af forsyningskædenetværket – for at øge kundetilfredsheden og resultaterne på bundlinjen.

En populær teknik, som virksomheder anvender til at løse deres problemer med planlægning og skemalægning af forsyningskæden, er heuristik. Kort sagt er en heuristik en problemløsningsmetode, der anvender en praktisk proces (almindeligvis kaldet “tommelfingerregel” eller “bedste praksis”) til at producere en gennemførlig løsning, der er god nok til hurtigt at løse et bestemt problem og nå umiddelbare mål – men ikke nødvendigvis en optimal løsning.

I modsætning hertil anvender en optimeringsmodel en intelligent, automatiseret proces til at generere en optimal løsning på et bestemt problem – idet der tages hensyn til beslutningsvariabler som f.eks. produktion, lager og forsendelsesmængder samt begrænsninger og nøgleresultatindikatorer (KPI’er). Supply chain-optimeringsløsninger har til formål at tilbyde den bedst mulige vej til at opnå optimal ydeevne på tværs af dine indkøbs-, produktions-, lager- og distributionsaktiviteter – og maksimere leveringsydelsen og den samlede rentabilitet.

For- og ulemper ved den heuristiske tilgang

Den største fordel ved at anvende en heuristisk tilgang er, at den giver en hurtig løsning, som er let at forstå og implementere. Heuristiske algoritmer er praktiske og tjener som hurtige og gennemførlige kortsigtede løsninger på planlægnings- og skemalægningsproblemer.

Den største ulempe ved den heuristiske tilgang er, at den – i langt de fleste tilfælde – ikke er i stand til at levere en optimal løsning på et planlægnings- og skemalægningsproblem.

Heuristiske tilgange kan tilbyde en hurtig løsning på et specifikt planlægnings- eller skemalægningsproblem, men er ikke i stand til at tjene som levedygtige løsninger, der leverer de bedst mulige resultater. Det betyder, at heuristikker har en tendens til at “efterlade penge på bordet” – de stopper ofte med en løsning, selv om der findes bedre løsninger på det samme problem, som giver lavere omkostninger i forsyningskæden, højere ordretilfredshed eller højere samlet fortjeneste. Med tiden, efterhånden som din forretningsmodel og dine processer udvikler sig, vil heuristiske løsninger uundgåeligt vakle og fejle – da de simpelthen ikke er smidige nok til at imødekomme din virksomheds skiftende behov og krav.

En anden ulempe er den manglende fleksibilitet, som heuristiske tilgange besidder. Hvis f.eks. vigtige beslutningsvariabler, begrænsninger eller KPI’er ændres, eller hvis der tilføjes en ny maskine til produktionslinjen, som flytter flaskehalsen i produktionsprocessen, kan det være, at en hård- eller forudkodet heuristik ikke længere er i stand til at fungere som en gyldig og levedygtig løsning, og det kan være nødvendigt at omkonfigurere den. Desuden kan en beskeden ændring i dine driftsprocesser eller de underliggende datamønstre, f.eks. fordelingen af efterspørgslen over tid eller produktsammensætningen, have en stor indvirkning på heuristikkens ydeevne – og det kan udgøre en alvorlig risiko for din virksomheds samlede produktivitet og rentabilitet.

Sammenfattende er heuristiske teknikker praktiske og tilbyder hurtige og gennemførlige kortsigtede løsninger på planlægnings- og skemalægningsudfordringer, men de mangler den kraft og fleksibilitet, der skal til for at skabe løbende, optimale løsninger, der skaber veje til større produktivitet og rentabilitet.

For- og ulemper ved optimeringstilgangen

Den største fordel ved optimeringstilgangen er, at den giver den bedst mulige løsning på et givet planlægnings- og skemalægningsproblem.

Optimeringsalgoritmer er garanteret at generere optimale løsninger, som overgår deres heuristiske modstykker og gør det muligt for virksomheder at maksimere omkostnings- og driftseffektiviteten.

En af de vigtigste fordele ved optimeringsmodeller er deres fleksibilitet, da de automatisk kan justere og tilpasse sig for at tage hensyn til de utallige beslutningsvariabler og skiftende mål, begrænsninger og kompleksiteter i ethvert forretningsmiljø og generere de bedst mulige planlægnings- og skemaløsninger.

Optimeringsteknikker giver planlæggere mulighed for at træffe optimerede beslutninger og opnå et højere produktivitets- og præstationsniveau.

Der er dog nogle ulemper ved optimeringsmetoden. For det første er optimeringsmodeller meget sofistikerede, og der kræves specifik ekspertise og teknologi for at udforme og implementere optimeringsløsninger. For at generere en optimeringsløsning er det f.eks. nødvendigt med en grundig forståelse af matematiske programmeringsbegreber og anvendelse af særlige solvere.

Dertil kommer, at optimeringsalgoritmer sammenlignet med deres heuristiske modstykker typisk tager mere tid at udføre – da de er matematisk vanskelige at løse. Desuden kan nogle processer i den virkelige verden ikke modelleres tilstrækkeligt ved hjælp af lineære optimeringsteknikker, og det er undertiden vanskeligt at modellere immaterielle forretningsmål som f.eks. “fairness” i en optimeringsmodel.

Hvilken tilgang er den rigtige for din virksomhed?

I sidste ende er der ikke nogen “bedste” tilgang til at løse dine problemer med planlægning og skemalægning af forsyningskæden – det hele handler om, hvilken tilgang der er den rigtige for din virksomhed.

Hvis vi sammenligner heuristiske versus optimeringsalgoritmer med hensyn til løsningskvalitet, er sidstnævnte den klare vinder. Løsningskvalitet er ofte en kritisk succesfaktor for beslutninger om optimering af forsyningskæden på taktisk og strategisk niveau, hvilket gør optimering til et naturligt valg.

Men hvis din virksomhed har brug for en rimelig god løsning på kort tid, hvilket ofte er tilfældet i operationelle indstillinger i realtid, kan en heuristisk løsning være det rigtige valg for dig.

I mange tilfælde er en komplementær tilgang mellem optimering og heuristik dog den mest effektive løsning. ICRON understøtter ikke kun optimering og heuristik, men også andre algoritmiske paradigmer, herunder evolutionære algoritmer, regelbaserede algoritmer, lokal søgning og multiobjektiv optimering. Og ved hjælp af ICRON’s innovative modelleringssystem GSAMS er det muligt at designe hybride løsningstilgange.

For eksempel er det muligt at anvende en heuristik, der udnytter forretningskendskab og beslutningstagernes erfaring til at generere en god løsning på problemet. Denne heuristiske løsning kan derefter videregives som udgangspunkt til optimeringsmodellen. Derefter beviser løsningsmodellen enten optimalitet eller forbedrer den heuristiske løsning i stedet for at løse problemet fra bunden.

En anden hybridløsningstilgang, der afbalancerer løsningskvalitet og beregningstid for de virksomheder, der har travlt med at løse et planlægnings- og skemalægningsproblem, men ikke har tid til at vente på, at der findes en optimal løsning, er “optimeringsbaserede heuristikker”. Denne type heuristik anvender optimeringsteknikker til at fremskynde løsningsprocessen og levere løsninger, der er bedre end dem, der genereres af traditionelle heuristiske tilgange, men som ikke nødvendigvis er optimale.

ICRON besidder evnen til at skabe optimeringsbaserede heuristikker og andre hybride løsningstilgange – og dette er en unik egenskab ved vores platform for optimeret beslutningstagning. Vores kunder nyder godt af denne komplementære tilgang, da de kan designe og implementere et planlægningssystem, der passer perfekt til deres forretningskrav.