利用基于代理的模型的力量来降低供应链风险和管理成本

利用基于代理的模型的力量来降低供应链风险和管理成本当今的供应链由于依赖仅使用历史数据的传统方法而面临重大漏洞。这可能会使组织面临干扰，或者无法有效识别弱点并为未来的冲击做好准备。全球供应网络日益复杂，使这一挑战更加严峻。

想象一下，您可以完全了解您的供应链动态，并能够针对任何可能的中断情况进行压力测试。想象能够同时优化效率、速度和可持续性，同时增强弹性。理想状态是供应链既能承受冲击，又能在正常条件下表现出色。

今天，我们将讨论一种基于仿真的新方法，该方法使用基于代理的建模 (ABM)、丰富的数据集和高级分析，使之成为可能。通过亚马逊云科技、Simudyne 和穆迪之间的合作，各组织现在可以详细建模其当前的供应网络，并对潜在的中断进行复杂的模拟。这使他们能够在漏洞变成问题之前识别漏洞，并实施有针对性的缓解策略。该解决方案使组织能够优化多个指标的绩效，同时做出数据驱动的供应链管理决策。该解决方案结合了亚马逊云科技的云基础设施、Simudyne 的 ABM 专业知识和穆迪的风险分析，以提供对供应链动态的见解，从而提高弹性和效率。

了解供应链背景下基于代理的模型

离散事件仿真和系统动力学等传统仿真方法难以应对现代供应链的复杂性。基于代理的建模 (ABM) 为对异构行为和复杂的相互依赖关系进行建模提供了强大的替代范例。

ABM 由代表企业、中介机构、消费者等的自主"代理"组成，他们在共享环境中运作。代理遵循规则做出决策，并与彼此及其周围环境进行互动。ABM 擅长在微观层面上模拟由多代理相互作用引起的突发现象。这种自下而上的方法捕捉了自上而下的抽象经常遗漏的非线性动力学、反馈回路和临界点。

随着供应链变得全球化、分布式并受到相互关联风险的影响，异质性和熵增加。在不确定的复杂环境中，ABM 提供了一种直观而有效的技术来探索"假设"场景。通过对精细代理决策和交互进行明确建模，ABM 可以揭示局部中断是如何通过网络串联的。模拟多代理自适应行为的这种精细度对于增强供应链的弹性和稳健性至关重要。针对新出现的风险，ABM 允许通过自下而上的视角来了解相互作用的自主代理的系统漏洞。

ABM 在供应链分析方面的独特优势

ABM 在供应链分析中的优势取决于它们能够概括供应链系统的复杂性和活力。与通常简化交互假设的系统动力学模型等传统框架不同，ABM 在复杂性和相互依赖性方面蓬勃发展。它们为探索紧急行为提供了独特的便利，即系统内代理相互作用所产生的意想不到的结果。这一特征对于理解供应链中小规模中断可能带来的影响尤其有价值，这有可能暴露出更综合的分析方法不容易发现的漏洞和效率低下问题。

ABM 还擅长情景规划，允许供应链经理严格评估三大类别的影响：1) 正常条件下的描述性或操作情景；2) 自然灾害或地缘政治事件等颠覆性情景；3) 围绕他们可以控制的因素的战略决策情景。这使得能够在从自然灾害到地缘政治紧张局势等各种灾难情景下，在受控的虚拟环境中评估供应链的弹性。通过详细研究此类颠覆性事件的连锁反应，以及对战略决策进行建模，ABM 为决策者提供了所需的见解，使他们能够集中精力，加强供应链以应对未来的中断，同时优化正常运营下的绩效。

此外，ABM 对纳入实时数据的适应性是一项重大优势，可确保面对快速变化的市场条件，分析保持及时、相关和可付诸行动。这种灵活性在当今动荡的经济格局中至关重要，穆迪帮助我们的客户识别和衡量供应链中断日益频繁和严重程度的能力突显了这一点。本质上，ABM 提供了一个前瞻性的动态视角，通过该视角可以检查、分析和优化供应链，以提高弹性和效率。

中断的影响：通过对网络攻击或自然灾害等破坏性事件进行建模，ABM 可以详细了解其潜在规模和连锁反应，从而帮助制定有效的应急计划。
行为互动：ABM 捕捉不同代理之间的相互作用，揭示隐藏的依赖关系和潜在的故障点，而这些依赖关系和潜在的故障点在传统分析方法中可能不明显。
优化响应策略：ABM 允许模拟和评估各种响应策略，确定快速恢复和最大限度地减少停机时间的最有效方法。
预测分析：使用历史数据和预测算法，ABM 可以预测未来潜在的中断及其可能的影响，从而更好地进行准备和资源分配。
供应链弹性：通过测试系统抵御中断和恢复的能力，ABM 有助于识别和加强供应链中的薄弱环节，从而实现更稳健和更具弹性的运营。
成本效益分析：ABM 可以对不同的风险缓解策略进行成本效益分析，确保经济上可行的决策和优秀的资源分配。

案例研究：反弹道导弹的实际应用——石油和天然气模拟

穆迪参与了亚马逊云科技的数字创新项目，该项目旨在运用"向后工作"的方法来定义石油和天然气供应链中断 ABM。该项目涉及企业主和产品团队。他们首先以 Colonial Pipeline 案例为核心示例评估了用户需求。这些团队利用 Amazon Marketplace 上提供的 Simudyne 供应链工具包，根据优先场景开发了解决方案。图 1

就殖民地管道而言，ABM 可以明确代表所涉及的不同利益相关者——管道运营商、炼油厂、储存码头、零售商、运输提供商和终端消费者。建模代理根据其本地信息、目标和约束条件做出运营决策。这允许探索当公司争先恐后地寻找替代供应路线时，管道关闭等中断如何以不直观的方式在系统中蔓延。至关重要的是，反弹道导弹可以纳入各方的适应性应对和缓解策略，例如转向卡车/铁路运输。

通过允许用户可视化和比较一系列"假设"场景，基于代理的模型为供应链风险管理提供了独特的见解。它们支持了解系统漏洞、对应急计划进行压力测试，以及在中断发生之前评估潜在缓解措施的成本/收益。优化通过 ABM 模拟确定的策略有可能将供应链效率提高 15-25%，将中断响应时间缩短 30-50%，并将排放/废弃物等长期可持续发展指标提高 10-20%。

这种分析能力将丰富的情景建模与可量化的绩效增益相结合，是提高石油、制造业和其他战略供应链弹性和适应能力的强大决策工具。严格评估缓解成本和运营改进之间的权衡的能力非常宝贵。

图 1：作为定义石油和天然气供应链模拟服务的第一步，穆迪和 Simudyne 参与了亚马逊云科技数字创新项目，以应用"向后工作"的方法。参与活动的有行业专家、企业主和产品团队。这些团队首先以 Colonial Pipeline 案例为核心示例评估了用户需求。他们利用 Simudyne 供应链工具包，基于优先方案（见下面的屏幕截图）开发了解决方案。

亚马逊云科技参考架构：利用 Simudyne 供应链工具包

已部署的解决方案使用 Amazon Simple Queue Service (SQS)，可以对许多 ABM 模拟请求进行排队。该架构的关键优势之一是客户端直接向 SQS 发送消息提供了额外的安全层。这种方法无需通过外部互联网连接到数据和模型，从而有效地保护了敏感信息。

Amazon EventBridge 主动监控 SQS 队列，当检测到新消息时，会触发弹性容器服务 (ECS) 任务。此任务在私有子网内动态预置弹性计算云 (EC2) 实例，确保仍无法从互联网访问该实例。

然后，ECS 任务加载可通过 Amazon Marketplace 获得的 Simudyne SDK Amazon Machine Image (AMI)，以及供应链 ABM 模型和来自 Amazon Simple Storage Service (S3) 存储桶的任何关联客户数据。所有这些组件都经过精心隔离，不允许外部访问，进一步增强了整体安全态势。

ABM 仿真完成后，生成的数据将安全地存储在可从 ECS 服务 EC2 实例访问的单独的 S3 存储桶中。该服务提供了可靠的后端服务器，该服务器可以在系统崩溃或停电时无缝重启或在子网之间移动，从而实现不间断的运行。后端服务器负责对 ABM 结果进行后处理，生成有价值的分析和见解，用户可以通过其客户端应用程序方便地访问这些分析和见解。

通过利用亚马逊云科技服务的可扩展性、安全性和可靠性，Simudyne SDK 为进行复杂的供应链模拟提供了一个强大而高效的平台，为企业提供了宝贵的见解，从而推动明智的决策。

图 2：已部署的解决方案利用 Amazon SQS 对 ABM 仿真请求进行排队，客户直接向 SQS 发送消息，通过消除对敏感数据和模型的外部互联网连接来增加安全层。Amazon EventBridge 监控 SQS 队列并触发 ECS 任务，在私有子网中预置 EC2 实例，以运行来自 Amazon Marketplace 的 Simudyne SDK AMI，从安全 S3 存储桶加载供应链 ABM 模型和数据，结果存储在可靠 ECS 服务 EC2 后端服务器访问的单独的 S3 存储桶中。

将 ABM 与传统的供应链管理实践相结合

将基于代理的模型的动态仿真与传统供应链管理技术的坚实数据驱动基础相结合，为驾驭当今市场不可预测的事件提供了一种创新的方法。传统上使用的历史数据和定量分析为掌握过去的趋势和持续的运营奠定了可靠的基础。但是，这些方法往往难以预见当今供应链中普遍存在的错综复杂的动态和自发模式。ABM 通过模拟单个代理的行为及其相互作用来填补这一空白，从而增强对复杂系统行为的理解。

为了成功整合 ABM 和传统战略，建议组织采用混合方法。这种混合应利用通过 ABM 确定的详细情景和潜在的未来压力因素，并辅之以来自传统供需分析的丰富数据见解，用于日常决策和绩效跟踪。

在供应链中断的背景下实施基于代理的模型的步骤

踏上为您的供应链实施基于代理的模型的旅程，需要采用结构化方法来充分利用其潜力。首先，确定您打算通过 ABM 实现的具体目标，例如增强弹性、提高效率或识别漏洞。接下来，收集有关供应链运营的详细数据，包括供应商网络、物流、生产流程和需求预测。这些数据构成了模型的基础，可以对供应链动态进行真实模拟。

定义目标：阐明仿真要实现的目标。在这种情况下，您需要评估各种供应链中断（由于天气事件、政策变化或经济波动）如何影响您的运营。
了解关键因素：确定影响供应链绩效的关键因素。这可能包括运营指标、经济状况和行业特定因素。
设计基于代理的模型：基于代理的模型由自主代理组成，每个代理都有自己的一组特征和行为，在定义的环境中运行。代理人：在供应链环境中，代理可以代表公司、监管机构、消费者等。定义每种代理的属性（例如规模、位置）和行为（例如决策过程、对中断的反应）。
环境：环境包括主体之外的一切，例如天气状况、政策格局和经济背景。它应该允许影响代理的动态变化。交互：定义代理如何相互交互以及与环境的交互。这包括交易、合约和对外部冲击的反应。
整合绩效评估模块：在仿真中开发一个模块，用于评估供应链中涉及的代理商的绩效。这应考虑已确定的关键因素，并将其转化为对代理商业务、决策或结果的影响。
开发模拟：使用适用于 ABM 的编程语言（例如 Amazon Marketplace 的 Simudyne 供应链工具包），开发您的仿真。这包括对代理及其环境、交互以及性能评估模块的集成，进行编码。
验证和校准您的模型：将仿真结果与历史数据进行比较，以确保您的模型准确反映现实世界的动态。根据需要进行调整。校准：微调模型参数，使结果与已知条件下的预期行为保持一致。
实验和分析：根据不同的输入参数（例如天气事件的严重程度或政策变化程度）进行实验，以了解它们对供应链运营的影响。分析关键因素的变化如何影响结果。
报告和迭代：记录您的发现，并根据反馈和新数据反复完善模拟。这可能涉及整合更详细的因子数据或调整代理行为以更接近真实世界的观测结果。

通过系统地开发以绩效评估模块为核心的 ABM，客户可以细致入微地了解供应链中断如何影响运营。这个过程需要深入了解正在起作用的供应链动态和影响绩效的综合因素。

供应链弹性的未来：ABM 的作用

随着我们走向未来，基于代理的模式在增强供应链弹性和效率方面的作用将变得越来越关键。ABM 的自适应性质及其模拟涉及众多互动代理的复杂、不断变化的场景的能力，为企业提供了一个前瞻性的视角，企业可以通过该视角先发制人地解决潜在的供应链缺陷。在技术进步、环境问题和地缘政治变化的推动下，变革步伐加快的环境中，ABM 提供的灵活性将是必不可少的。此外，ABM 与人工智能（AI）和机器学习（ML）等新兴技术的整合预示着预测分析的新时代，使供应链不仅能够应对中断，而且能够以前所未有的精度预测中断。随着企业努力在充满不确定性的环境中保持竞争力，ABM 的战略实施对于培育能够承受未来挑战的强大、有弹性的供应链至关重要。通过持续的创新和适应，ABM 站在不断变化的供应链战略的最前沿，预示着弹性不仅是被动的，而且是供应链管理结构固有的。

"在这个风险相互关联的时代，企业希望了解更广泛的风险对其供应链的影响，以及这些风险相互之间的复合影响。我们认为，将基于代理的模型仿真与穆迪数据相结合，可以成为帮助企业应对相互关联风险影响的重要工具。"

Masha Muzyka，穆迪行业实践全球负责人

伊兰·格莱瑟

伊兰·格莱瑟是亚马逊云科技 WWSO Frameworks 团队的首席 GenAI 专家，专注于开发可扩展的人工通用智能架构和优化基础模型训练和推理。Ilan 拥有丰富的人工智能和机器学习背景，在过去的 5 年中发布了 20 多篇博客，并在全球交付了 100 多个原型。Ilan 拥有数学经济学硕士学位。

比尔·佩尔捷

比尔·珀尔捷在下游能源行业工作了超过 29 年。Peltier 先生曾担任运营、技术、优化、战略规划和业务开发等职务。他利用自己的经济和技术技能帮助改善工厂绩效评估和改善计划，从而显著提高财务绩效，推动文化和技术变革。Peltier 先生的商业和商业技能已应用于战略规划、尽职调查、投资组合优化以及并购工作。

詹姆斯·帕特里奇

詹姆斯·帕特里奇领导美洲风险解决方案业务部，该团队由涵盖银行、保险、企业、资产管理和政府领域的行业专家组成，专门研究与穆迪风险分析和评估解决方案相关的学科。他的个人专长是信用风险和气候风险，并获得了西安大略大学的经济学博士学位。

迈克尔·丹顿

迈克尔·丹顿博士，私募股权投资，是穆迪分析风险与财务咨询团队的主管，领导企业客户和金融机构的战略决策支持工作。他在电力、能源、农业、大宗商品贸易和气候影响方面拥有丰富的经验，所有这些都侧重于风险量化和管理。他的全球客户群包括世界上一些最大和最复杂的发电机、公用事业、贸易商、炼油厂和碳氢化合物生产商。