供应链管理教学课件供应链管理决策支持系统供应链管理.pptxVIP

第十二章 供应链管理决策支持系统Decision-Support Systems for SCM 供 应 链 管 理Supply Chain Management 2 本章内容 建模面临的挑战 决策支持系统的架构 供应链决策支持系统 供应链DSS系统的选择 3 决策支持系统 决策支持系统（DSS）提供有效地分析及了解的援助 这些系统不能够自己做决定，但是却能够在人类做决定的过程中提供协助及支持 在构成供应链管理的许多学科中，DSS常被用来处理不同层次的问题，从策略问题，到战术问题，一直到日常作业问题 4 决策支持系统的应用（1） 资料仓库（Data Warehouse） 整合全公司的数据仓库变得越来越受欢迎时，决策支持系统乃用来分析这些数据库以帮助决策 数据采撷工具（Date Mining） 数据采撷工具乃试图彻底搜查数据以期在未知的领域中找到样本及关系 这些工具现在被用来寻找不可预知的营销关系，同时它们也被用来分析存在于运输和存货之间的供应链关系 5 决策支持系统的应用（2） 管理构面的供应链管理系统架构包含四个层级： 最长的规划范围 ─ 策略性网络设计 战术层面 ─ 供应链主规划 作业规划层面 ─ 需求规划、存货管理、生产排程，及运送规划 作业执行系统 ─ 企业资源规划、顾客关系管理、供货商关系管理、供应链事件管理及交货管理 6 卓越供应链所需的能力 7 建构模式之挑战（1） 任何决策支持系统之核心是其模式（Model），亦即对此系统真实状态的一种表达方式 建构供应链模式面临的主要问题： 那一部份的真实状态需要建构入模式中？ 决策支持系统如何攫取真实状态又使模式简单有用呢？ 思考复杂化，模式简单化 模式一方面需详细以正确显示目前的真实状态；模式另一方面则需简单以利于了解、操作及求解 8 建构模式之挑战（2） 建构模式的步骤是什么？ 先建立初期假设，发展简单模式后再松弛假设 以简单模式开始，随后再增加复杂性 什么水平的数据及细节是必须的？ 建模决策应驱动数据搜集之需，而非相反的程序 策略性模式需要汇总数据，作业性模式则需要更详细的数据。这两种模式都必须决定：需要搜集/使用何种数据、如何整合及更新这些数据 9 建构模式之挑战（3） 三项重要的建模规则： 思考复杂化，模式简单化 以简单模式开始，随后再增加复杂性 建模决策应驱动数据搜集之需，而非相反的程序 10 决策支持系统的结构 欲有效地选择及使用决策支持系统，了解一个良好组织系统的必要算是有帮助的 构成DSS系统的三大主要组成元素是： 输入数据库及参数 输入数据是数据库的一种格式，输入数据是作为决策的基础信息 分析工具 分析工具包含作业研究及人工智能算法、成本计算器、模拟研究、流量分析、及其它内建的逻辑步骤 简报机制 许多数据库及电子表格的简报工具，其输出的结果常常含有太多的信息，对决策者来说可能难以理解及接受 使用不同的数据视觉技术能够让使用者了解大量的输出数据 11 输入数据 输入DSS的数据对于分析的质量具有关键性的影响 视分析的类型而定，DSS系统可能须从一个公司的不同部门来收集信息 模式及数据的验证（Model and Data Validation） 为了评估数据的质量及建立在系统内模式的质量，DSS有可能下载在系统内当前的数据及模式，以了解这些是否与事实相符 模式的预期成本可以何时季财务会计纪录来比较 12 分析工具 一旦数据收集完成，它们就必须被分析和呈现 了解DSS系统如何分析数据，对于决策者来说是很重要的，以评估决策支持系统推荐方案之有效性及准确性 13 DSS分析工具及技术（1） 询问（Queries） 藉由让决策者询问关于数据的特殊问题，往往可以促成决策 统计分析（Statistical Analysis） 统计学的技术有时可用来判断数据里的趋势及样本 资料采撷（Data Mining） 在线分析处理工具（On-Line Analytical Processing Tool） 在线分析处理工具提供了一种直觉方法去查看储存在数据仓库的共同数据 OLAP工具在常用的企业构面上汇整数据，同时让使用者在不同的阶层及构面间，往上、往下或横向的航行以挖掘所需的数据 14 DSS分析工具及技术（2） 计算器（Calculators） 模拟研究（Simulation） 所有的营运程序都会有随机的成分，常常问题中这些随机、猜测的成分使得分析更加困难。这种情况下，模拟研究常是一种有效的工具以协助决策的形成 人工智能（Artificial Intelligence） 人工智能工具可以运用在分析DSS的输入资料，例如智能代理人使用人工智能来协助决策，特别是实时的决策 数学模式与算法（Mathematical Models and Algorithms） 最佳算法（Exac