Russia Data Set

编者注：每年，麻省理工学院运输与物流中心 (MIT CTL) 的供应链管理 (SCM) 硕士项目都会有 40 名左右的学生完成为期一年的论文研究项目。这些学生是来自多个国家的早期职业商业人士，拥有 2 至 10 年的行业经验。这些研究项目由跨国公司赞助并与其合作开展。公司人员、麻省理工学院 SCM 学生和麻省理工学院 CTL 教员组成的联合团队致力于解决赞助公司选择的实际问题。在这个月度系列中，我们总结了最新的 SCM 研究。下文所述项目的研究人员 Daniele Primavera 和 Hang Shi 为他们的麻省理工学院供应链管理项目硕士论文《利用零售商数据完善可视性》创建了模型。

零售供应链中的每个销售点 (POS) 都会产生大量需求数据。这些数据可用于推动上游决策，但所需的时间、精力和跨团队协作通常会阻碍此类应用。

麻省理工学院 CTL 的研究人员开发了模型来展示领先的 CPG 制造商如何使用大量 POS 数据来提高供应链绩效。

降低成本的潜力

论文赞助公司 General Mills, Inc (GMI) 是一家财富 500 强食品制造商。GMI 通常通过区域配 柬埔寨电邮清单 送中心将产品运送到大型零售商客户的仓库。特别令人感兴趣的是找出如何使用 POS 数据来调整生产计划，以降低生产和库存成本，同时保持高水平的服务。

POS 作为关系建立者

研究人员设计了一个多周期生产规划线性程序，以优化给定周的生产调度。该程序在产能和库存目标约束下最小化总相关成本。一个重要的假设是所有 SKU 都在同一家工厂生产。这使得线性规划能够将每个 SKU 的生产数量分配给每个星期的特定工厂位置。