近年来，新冠疫情、俄乌冲突、贸易战和其他事件扰乱了供应链，企业迫切需要改善供应链的规划方式，提高灵活性和应变能力。
然而，企业在应对这一挑战时举步维艰。其中一个主要原因是预测失误，这会导致交货延误、库存水平与需求严重脱节，以及令人失望的财务业绩。这些后果不足为奇。那么，在需求预测严重失误的情况下，如何才能有效地做出库存和生产决策呢？
供应链难题新解：OML
纳伦德拉·阿格拉瓦（Narendra Agrawal）莫里斯·A·科恩（Morris A. Cohen） 罗汉·德什潘德（Rohan Deshpande）维纳亚克·德什潘德（Vinayak Deshpande） | 文
2024年05月07日 17:36
OML（优化机器学习）的决策直接依靠数据，而不是预测。
- 海量定制频道文章免费阅读
- 多端分享：手机端、pad端、网站同步阅读
- 开通订阅会员后，即可解锁订阅频道所有付费文章。
- 登录哈评账号后，即可同步权限至《哈佛商业评论》iOS、 Android手机端，不必重复购买。
- 关于订阅会员如有疑问可拨打客服电话010-85650313或微信客服kf85650313。
- 工作日 早9：30-16：30，周末及节假日正常休息。我们会在上班时间细心为您答疑，感谢理解。
更多相关评论
