Auteur: Z. Caner Taşkın
In de hyperconcurrerende en uiterst complexe bedrijfsomgeving van vandaag zijn bedrijven voortdurend op zoek naar manieren om concurrentievoordeel te behalen door de snelheid, efficiëntie en kwaliteit te verbeteren van de goederen en diensten die zij via hun toeleveringsketens aan klanten leveren. De sleutel tot succes in supply chain management is het kunnen nemen van geoptimaliseerde zakelijke beslissingen door het vinden van de best mogelijke oplossing voor de plannings- en schedulingproblemen van uw bedrijf.
Er zijn veel technieken – zoals constraint programming, wiskundig programmeren, metaheuristieken, local search, machine learning algoritmen en evolutionaire algoritmen zoals genetische algoritmen en gesimuleerde annealing – die worden gebruikt om supply chain planning- en schedulingproblemen op te lossen. Deze algoritmen kunnen worden ingedeeld in twee hoofdcategorieën, die we in deze blog gaan onderzoeken: heuristiek en optimalisatie.
Het doel van optimalisatie en heuristische oplossingen is hetzelfde – de best mogelijke oplossing bieden voor een gegeven supply chain probleem – maar hun uitkomsten zijn vaak dramatisch verschillend.
Hier bekijken we de verschillen tussen optimalisatie en heuristiek, en verkennen we de voor- en nadelen van elke benadering.
Het verschil tussen heuristiek en optimalisatie
Fundamenteel is elk supply chain planning- en planningsprobleem een optimalisatieprobleem. De oplossing is het bepalen van de beste manier om vraag en aanbod in het supply chain-netwerk te synchroniseren – om de klanttevredenheid en de bedrijfsresultaten te verbeteren.
Een populaire techniek die bedrijven gebruiken om hun supply chain planning- en planningsproblemen op te lossen, is heuristiek. Simpel gezegd, een heuristiek is een probleemoplossende aanpak die gebruik maakt van een praktisch proces (meestal aangeduid als “vuistregel” of “beste praktijk”) om een haalbare oplossing te produceren die goed genoeg is om snel een bepaald probleem op te lossen en onmiddellijke doelen te bereiken – maar niet noodzakelijkerwijs een optimale oplossing.
In tegenstelling hiermee maakt een optimalisatiemodel gebruik van een intelligent, geautomatiseerd proces om een optimale oplossing voor een bepaald probleem te genereren – rekening houdend met beslissingsvariabelen zoals productie-, voorraad- en verzendingshoeveelheden, evenals beperkingen en key performance indicators (KPI’s). Oplossingen voor supply chain-optimalisatie zijn erop gericht de best mogelijke weg te bieden om optimale prestaties te bereiken voor uw inkoop-, productie-, voorraad- en distributieactiviteiten – waarbij de leverprestaties en de algehele winstgevendheid worden gemaximaliseerd.
De voor- en nadelen van de heuristische benadering
Het belangrijkste voordeel van een heuristische benadering is dat deze een snelle oplossing biedt, die gemakkelijk te begrijpen en te implementeren is. Heuristische algoritmen zijn praktisch en dienen als snelle en haalbare kortetermijnoplossingen voor plannings- en roostervraagstukken.
Het belangrijkste nadeel van de heuristische aanpak is dat deze – in verreweg de meeste gevallen – geen optimale oplossing voor een plannings- en roostervraagstuk kan opleveren.
Heuristische benaderingen kunnen een snelle oplossing bieden voor een specifiek plannings- of roostervraagstuk, maar zijn niet in staat om als haalbare oplossingen te dienen die de best mogelijke resultaten opleveren. Dit betekent dat heuristieken de neiging hebben om “geld op tafel te laten liggen” – ze stoppen vaak met een oplossing, ook al zijn er betere oplossingen voor hetzelfde probleem die lagere supply chain kosten, hogere ordertevredenheid prestaties of hogere totale winst opleveren. Na verloop van tijd, als uw bedrijfsmodel en processen zich ontwikkelen en verder ontwikkelen, zullen heuristische oplossingen onvermijdelijk wankelen en falen – omdat ze gewoon niet soepel genoeg zijn om tegemoet te komen aan de veranderende behoeften en eisen van uw bedrijf.
Een ander nadeel is het gebrek aan flexibiliteit dat heuristische benaderingen bezitten. Als, bijvoorbeeld, de belangrijkste beslissingsvariabelen, beperkingen of KPI’s veranderen, of als een nieuwe machine wordt toegevoegd aan de productielijn die het knelpunt in het productieproces verschuift, kan een hard- of voorgecodeerde heuristiek niet langer in staat zijn om te dienen als een geldige en levensvatbare oplossing en moet misschien opnieuw worden geconfigureerd. Bovendien kan een bescheiden verandering in uw operationele processen of de onderliggende gegevenspatronen, zoals de verdeling van de vraag in de tijd of de productmix, een grote invloed hebben op de prestaties van de heuristiek – en dit kan een ernstig risico vormen voor de algehele productiviteit en winstgevendheid van uw bedrijf.
Kortom, heuristische technieken zijn praktisch en bieden snelle en haalbare kortetermijnoplossingen voor uitdagingen op het gebied van planning en scheduling, maar missen de kracht en flexibiliteit om doorlopende, optimale oplossingen te creëren die paden naar een grotere productiviteit en winstgevendheid creëren.
De voor- en nadelen van de optimalisatiebenadering
Het belangrijkste voordeel van de optimalisatiebenadering is dat deze de best mogelijke oplossing voor een gegeven plannings- en schedulingprobleem oplevert.
Een van de belangrijkste voordelen van optimalisatiemodellen is hun flexibiliteit, omdat ze zich automatisch kunnen aanpassen aan de talloze beslissingsvariabelen en veranderende doelen, beperkingen en complexiteiten in elke bedrijfsomgeving, en de best mogelijke plannings- en dienstregelingsoplossingen kunnen genereren.
Optimalisatietechnieken stellen planners in staat om geoptimaliseerde beslissingen te nemen en hogere niveaus van produktiviteit en prestatie te bereiken.
Er zijn echter enkele nadelen aan de optimalisatie-aanpak. In de eerste plaats zijn optimalisatiemodellen zeer geavanceerd en zijn specifieke deskundigheid en technologieën vereist om optimalisatieoplossingen te ontwerpen en toe te passen. Om bijvoorbeeld een optimalisatieoplossing te genereren, is een grondig begrip van wiskundige programmeringsconcepten en het gebruik van speciale oplossers noodzakelijk.
Ook kosten optimalisatiealgoritmen, in vergelijking met hun heuristische tegenhangers, doorgaans meer tijd om uit te voeren – omdat ze wiskundig moeilijk op te lossen zijn. Bovendien kunnen sommige processen in de echte wereld niet adequaat worden gemodelleerd met behulp van lineaire optimalisatietechnieken, en is het soms moeilijk om immateriële bedrijfsdoelstellingen zoals “eerlijkheid” in een optimalisatiemodel te modelleren.
Welke aanpak is de juiste voor uw bedrijf?
Eindelijk is er geen “beste” aanpak voor het oplossen van uw supply chain planning problemen – het komt allemaal neer op welke aanpak geschikt is voor uw bedrijf.
Als we heuristische versus optimalisatie algoritmen vergelijken in termen van kwaliteit van de oplossing, de laatste is de duidelijke winnaar. De kwaliteit van de oplossing is vaak een kritische succesfactor voor tactische en strategische beslissingen over supply chain-optimalisatie, waardoor optimalisatie een natuurlijke keuze is.
Maar als uw bedrijf in korte tijd een redelijk goede oplossing nodig heeft, wat vaak het geval is in real-time operationele omgevingen, dan kan een heuristische oplossing voor u de juiste keuze zijn.
In veel gevallen is echter een complementaire aanpak tussen optimalisatie en heuristiek de meest effectieve oplossing. ICRON ondersteunt niet alleen optimalisatie en heuristiek, maar ook andere algoritmische paradigma’s, waaronder evolutionaire algoritmen, regelgebaseerde algoritmen, lokaal zoeken en multi-objectieve optimalisatie. En gebruikmakend van ICRON’s innovatieve modelleringssysteem GSAMS, is het mogelijk om hybride oplossingsbenaderingen te ontwerpen.
Het is bijvoorbeeld mogelijk om een heuristiek te gebruiken die gebruik maakt van zakelijke know-how en ervaring van de besluitvormer om een goede oplossing voor het probleem te genereren. Deze heuristische oplossing kan dan als uitgangspunt aan het optimalisatiemodel worden doorgegeven. Vervolgens bewijst de oplosser ofwel de optimaliteit, ofwel verbetert hij de heuristische oplossing in plaats van het probleem van de grond af op te lossen.
Een andere hybride oplossingsaanpak die de kwaliteit van de oplossing en de rekentijd in evenwicht brengt voor die bedrijven die dringend een planningsprobleem willen oplossen, maar geen tijd hebben om te wachten tot een optimale oplossing is gevonden, is de “optimalisatie-gebaseerde heuristiek”. Dit type heuristiek maakt gebruik van optimalisatietechnieken om het oplossingsproces te versnellen en oplossingen te leveren die beter zijn dan die gegenereerd door traditionele heuristische benaderingen, maar niet noodzakelijkerwijs optimaal.
ICRON bezit de mogelijkheid om op optimalisatie gebaseerde heuristieken en andere hybride oplossingsbenaderingen te creëren – en dit is een unieke eigenschap van ons Optimized Decision Making-platform. Onze klanten profiteren van deze complementaire aanpak, omdat zij een planningssysteem kunnen ontwerpen en implementeren dat perfect aansluit bij hun zakelijke eisen.