写道 上午11:27 未分类 •4条点评

三种很酷的技术

天啊!博客文章, 那些苹果怎么样?,提出了对Linkedin的许多加热讨论。相当灰尘。为什么?虽然我倡导重新思考双色球诗谜汇总链规划,但对于一些顾问,唯一的道路是通过DDRMP。该建议是一种广泛的刷子方法。无论我如何编写需求计划,响应是盲目地部署DDMRP。注意:DDMRP代表需求驱动的材料需求规划,介绍并由需求驱动的研究所(DDI)推广。

要解决这个话题,让我挖掘。上周在Linkedin的DDMRP主题有两篇大伟大的博客帖子。我会鼓励读者学习:

  • 来自Toolsgroup的Stefan de Kok的良好糟糕和丑陋的DDMRP。如果你不’你应该跟随斯特凡。他是库存规划和需求管理的伟大思想家。我喜欢斯蒂芬’s quote, “但是,与MRP的值相比,它(DDMRP)的所有吹嘘都是相比的。那是非常非常低的条形图。这就像吹嘘大学数学专业,你比三年级学生更好。与MRP相比,几十年来已经实现了比DDMRP更大的值。“
  • DDMRP.–从瘦和吉特的重新包装 肖恩斯纳普 。肖恩有勇气密切研究萨克’S市场声称。 Shaun在SAP中辩论了DDMRP的推出。好消息是他有能力和经验来做这件事。 (我很佩服肖恩。这并不容易针对SAP的大型营销机。他们讨厌逆势观点。)

我们可以改变讨论吗?

对于所有的DDMRP信徒,技术销售人员希望我恳求产品和方法,我们可以今天早上改变讨论吗?用斯特凡的话语,我们可以讨论一组大学数学专业,以实现今天大部分’S的双色球诗谜汇总规划实施少于理想吗?今天’S实现不能是我们的基线。我得到了今天的事实’S预测不足以推动补充,并且基于规则的消费将月度需求转化为日常需求是一个错误。我喜欢在E2Open,Om Partners,SAP中发现的更深层次数学(现在在来自Smartops的IBP Hana),以及工程组,以将市场信号转化为更好的补充信号。 (我争辩说,并非所有这些数学发动机都是平等的。我看到E2Open(以前的Terra Technology)和Toolsgroup的最佳成功,但我没有足够的客户参考判断OM合作伙伴’产品。)我还通过订单来实现DDMRP相信在运营地平线中的补充缓冲区的计算。它们根据基于传入订单的Naive预报的近似值计算缓冲区。 (在我的简单心态中,我认为这是一个预测。)

对于记录,我也喜欢DDMRP在整个企业中计算缓冲区的事实。 (我称之为这种需求翻译,市场速度很慢,看看需要这一点。)对这种需求的认可是对行业的一个很好的礼物。我欣赏卡罗尔和乍得’在这个领域的工作。我对DDMRP的问题是数学的严谨性,品牌的错误数以及过度普遍的市场承诺。 (我最喜欢的DDMRP技术是Orchestr8。 我喜欢Bt.’使用技术建立缓冲区。 用Brian Dooley的话语,DDMRP需要应用它适合的地方。它需要选择性地使用与广泛的刷子方法相比。)

所以通过这说,我想讨论一些我在旅行中看到的一些有前途的技术。对于那些没有的人’T定期阅读我的博客,有几个关于Lora Cecere的真相:

  • 没有人为我付钱给我的墨水。我从心里写下。
  • 我对帮助商业领导者,特别是早期采用者来说是一种热情。
  • 我喜欢最好的创新者,特别是那些具有深入数学的人,对他们所做的事情激情。

很酷的技术

驾驶双色球诗谜汇总链创新很难。这就是为什么我在我的心脏中有一个软点技术创新者。当我坐在我的咖啡时,我正在通过大型系统集成商审查对客户的响应。特别糟糕。大型系统集成商盲目地推荐他们知道的技术,而不是全系列的产品。客户正在寻找创新解决方案,顾问昨天抱怨’■方法。买家小心!

我在旅行中看到的有前途的技术是:

  • 洛卡。 最近 双色球诗谜汇总链洞察全球峰会, 空间 介绍了利用Lokad来利用概率预测技术提供更好的预测。 Lokad方法假设需求数据不是正态分布。 (偏斜的需求数据是新的正常情况。)该公司使用读取的方法来基于模式组装数据,并应用概率预测技术来推动更好的结果。在我最近与创始人的晚餐谈话中,他说, “我们100家100%的50%使用该产品用于新产品发布,较少的贸易促销管理。贸易促销管理预测远远超过新产品发布。”  长尾,零星需求模式,季节性,贸易促销和新产品发布的预测需要更深的数学。我喜欢洛卡’S使用开源数据库技术的机器学习(考虑基于属性的计算机建模在修改的Apache Spark-light架构中。)要到达那里,如图1所列出的更改管理问题是激烈的。

图1.更改概率预测的管理问题

我现在与客户合作,缺乏SAP apo的耐心。我推荐客户在零售速度下测试洛卡地面的使用。客户坐在十年的销售点数据上。我迫不及待地想看到新产品发布和促销的结果。

  • p我对CSCMP之旅的亮点在很大程度上令人失望,达到了Matt vershing Pinc。我们讨论了使用机器学习与无人机进行仓库的连续循环计数。 PINC是舰队和院子管理的无人机技术早期提升者,现在已经进入了仓库。虽然来自RFID的实时库存数据的承诺仍然是行业的理想状态,但它并不实用。该行业无法克服液体和金属上的阅读标签的问题,以及标签的总成本。 PINC方法使用仓库中的无人机通过机架飞行并使用机器学习来捕获机架中物品的物品数量和条件。喜欢这种方法。我已经要求马特在下一个数字展示中分享他的技术方法 双色球诗谜汇总链洞察全球峰会,我正在寻找一个案例研究来展示该技术。
  • Thinkiq.。当我最近正在访问食品制造商时,我发现该公司需要十天的时间来识别批判。食品制造的谱系–跟踪和痕迹的批次和规格–是有问题的。如果这是您的问题,请考虑ThinkiQ。该公司使用物联网(物联网),区块链,开源数据库技术和机器学习,跟踪模式和跟踪产品。我正在使用这种技术编写几个关于客户的案例研究。作为在食品工业中切割牙齿的加仑,这种方法有很多吸引力。

结论。

所以,如果你的老板询问你在行业中的机器学习和开源技术的三种用例,今天将它们连接到Lokad,PINC并认为智商。我也喜欢在Aera,Enterra解决方案和传输的认知计算中的工作。这些都是非常不同的解决方案,但很有希望。我强烈地相信双色球诗谜汇总链的未来在于外部流程,更好的数学,云,开源和机器学习。

让我知道你的想法。我期待着您的回音!您是否有任何您想要分享的新创新?

关闭