Voorraadbeheer tijdens niet-stationaire onzekerheden

Vanaf de financiële crisis hebben bedrijven zich moeten aanpassen
aan een nieuwe realiteit. Onzekerheden namen toe op verschillende
fronten waar voordien enkel stabiliteit gekend was. Sinds enkele
jaren worden er in het VK strategische beslissingen genomen in een
instabiele politieke omgeving door Brexit. Eveneens kennen
Amerikaanse bedrijven moeilijkheden door de onzekerheden die
gepaard gaan met de handelsoorlog. Ook de Covid-19 uitbraak
explodeerde en resulteerde in ongeziene gevolgen. Deze
onverwachte scenario’s introduceerden verschillende schokken
doorheen de wereld en laten littekens na op de supply chain van
bedrijven. Op academisch vlak worden deze schokken gezien als
niet-stationaire onzekerheden. De impact is moeilijk te voorspellen
en veranderen de onderliggende structuur van het systeem.
Statistische modellen die historische data gebruiken, hebben weinig
effect in deze ongeziene omstandigheden. Hierdoor is er vraag naar
een nieuw paradigma voor supply chains. Dit project onderzoekt hoe
supply chains zich beter kunnen wapenen tegen deze schokken. Dit
willen we bereiken door voorraadbeslissingen te analyseren, te
modeleren en te verfijnen. Eerst gebruiken we de Covid-19 crisis als
natuurlijk experiment om het effect op bedrijven te analyseren.
Vervolgens passen we machine learning toe op het bepalen van
voorraadmodellen onder niet-stationaire onzekerheden. Tenslotte
doen we beroep op onze domein expertise om deze modellen te
verfijnen en toe te passen.