背景及目標
穀物收購商及貿易商的利潤面對代價高昂的不確定性，因為收成及銷售都難以預測。
由於供應鏈複雜（產品、儲存點、客戶及運輸模式眾多），現有的規劃能力及工具有限，當假設突然改變時，難以更新計劃。
成果
- 物流成本降低 15% 至 20%
- 二氧化碳排放減少 15%
- 規劃流程大為簡化
我們的方法
第 1 步：數碼孿生
- 在同一處管理所有供應鏈數據，包括不在任何 ERP 或其他系統中的數據（例如筒倉特性）
- 整合銷售數據，以量度任何決策對銷售利潤的影響
第 2 步：長期規劃模組
- 進階的優化演算法，考慮數以百計的限制及參數，提出最佳計劃，著重降低成本及二氧化碳排放
- 避免「黑盒」效應的介面，讓用戶可強制某些限制或物流流向，以反映特殊情況
- 數分鐘內產生新計劃或情境
第 3 步：收成及銷售預測，為規劃工具提供數據
- 方便用戶快速更新人手預測的介面，配合結合歷史數據、客戶數據（例如合約執行進度）及外部數據的人工智能
- 供應鏈及銷售團隊共同使用
