在供應鏈管理這樣一個深刻而複雜的領域，促進產業界和學術界之間的合作至關重要。兩者之間存在著一種天然的共生關係:學術界的研究人員不斷地尋找有影響力的和實際的問題來解決，而工業界則在尋找新的創新，以納入他們的產品提供。這樣的夥伴關係還可以幫助塑造學生的經曆，讓他們有機會在更實際的環境中應用他們所學到的知識。
這對我來說尤其重要，因為我的大部分職業生涯都是在學術界度過的，直到五年前才來到Kinaxis，擔任算法和業務應用的首席開發人員。在我做研究人員期間，我很幸運地從這樣的夥伴關係中受益NRC IRAP(美國國家研究委員會工業研究援助計劃)，它幫助我彌合了學術界和工業界之間的差距。現在，我覺得我擁有兩個世界的最好，因為我能夠研究極其複雜和有趣的供應計劃問題，並開發算法，以幫助運行一些世界上最大的供應鏈，與此同時，在一個重視這種合作關係的公司，從我們積極的實習生和合作項目，到我們的學術項目，尋求把我們的觀點帶到課堂上。
形成與夥伴關係
在與這種類型的合作關係有了如此積極的個人經驗之後，我渴望以Kinaxis的名義尋求另一種合作關係——這一次，從行業的角度來看。去年年初，在與我的前博士導師見麵後，Prosenjit玻色從計算機科學學院在卡爾頓大學，我們確定了一條研究路線，這可能對Kinaxis供應規劃算法套件非常有益。對於這樣一個項目，各級政府有各種各樣的資金選擇。特別吸引我們的是NSERC參與課程(已在大學停止)。作為工業合作夥伴實物捐助的交換，學術合作夥伴將獲得高達2.5萬美元的研究資金。在我們的項目中，這意味著能夠資助三個本科生研究人員(Zoltan Kalnay, Richard St. John和Alex Trostanovsky)。
解決行業問題
第一個研究方向是檢測產品結構中的循環．在供應鏈管理中，產品結構是對產品如何生產的完整描述。例如，要製造一輛自行車，你需要輪子和框架，而要製造輪子，你需要輻條等。數據完整性問題的一個常見來源是在產品結構中偶然引入了自行車:要製造自行車，你需要輪子，但要製造輪子，你需要一輛自行車。這顯然是不可能的，但在處理“混亂的”現實世界數據時，這種情況可能以驚人的規律性出現。
雖然我們已經能夠檢測到這樣的配置，但要以一種規劃者容易理解和糾正的方式報告它們是非常困難的。同樣重要的是，對於這種算法來說，在具有數萬或數十萬個組件的產品結構上快速執行是至關重要的。在這張圖中，我們看到了一個例子，如何將一個較大的圖分解為較小的圖，以加快處理時間，並更簡潔地描述循環的樣子。
第二項研究是調查自動的能力發現並提出產品結構中可能的“放鬆”．一般來說，當產品結構較小且獨立時，計算供應計劃會更快。直觀地說，一輛自行車的製造過程可能與一瓶洗發水的製造過程截然不同，因此它們可能是同時計劃的。通過同時規劃它們(並利用並行處理的優勢)，我們能夠在計算計劃的成本上獲得顯著的節省。相反，一輛自行車的組裝可能會“幹擾”其他型號自行車的組裝，因為它們必須在同一條裝配線上競爭時間。
在某些情況下，規劃者高估了這種幹擾的程度，強迫各組成部分一起規劃，而實際上它們可能互不幹擾。舉個例子，如果我們的容量遠遠超過了我們所能使用的容量，那麼時間表之間是否相互幹擾就無關緊要了。研究團隊致力於設計可以識別這種情況的方法，並對產品結構提出“無害的”簡化，可以大幅提高生成計劃的性能。當然，為了使這種簡化有用，它必須快速計算。在這張圖片中，我們可以看到如何重新排列產品結構和顏色類似於熱圖，可能的候選刪除變得更加明顯。在這裏，刪除中間的紅色節點將把產品結構分離為兩個更小的結構，從而顯著減少計算時間。
從研究到實施
我們為期6個月的研究項目最近結束了，向各感興趣的各方進行了演示，並對未來可能的合作感到興奮。我們現在正在評估如何將這項研究納入到我們的解決方案中。我對團隊所取得的進展感到興奮，這當然超出了我的預期，特別是在我們的第一次這樣的冒險中。我期待著我們的下一個!
留下一個回複