恢复正常:数据科学有助于从前所未有的事件中评估供应链压力

随着最近的大流行，世界目睹了一个极端事件，它以许多不同的方式扰乱了正常生活。供应链也不例外。在应对个人防护装备需求空前激增方面的拖延，导致全球各地的生产线严重紧张。不能将缺乏准备视为造成这种紧张的唯一原因，因为没有领先指标预示需求即将增加。尽管世界各国政府迅速作出反应和调整，但PPE供应链仍不可避免地面临着短缺、储存和物流方面的广泛挑战。客户团队深入研究了数据，以便使用数据科学程序更好地理解供应链的行为。通过制定一个可能定义供应链疲劳累积的压力指数，Cyient的数据科学家开发了一种可视化方法，以了解在不可预见的事件中对供应链的影响。

映射供应链应力的视觉方法

脉点定义的应力作为供需曲线之间的净偏差，其中两条曲线之间的Δ表示应力的曲线。在正常情况下，这种差异是边缘和可管理的，因此可预测。在Pandemics或任何前所未有的事件中，三角洲相当迅速，迫使经理使用他们的最佳判断来回应。仰视观察到差异可以分为三个不同的阶段 - 起始，峰值和弛豫。当需求增加时，压力会增加，而供应停滞或减少，导致系统中的应力累积的三个不同阶段。PPE情况并非不同。景象假设可以构造归一化应力曲线以数值定义应力的程度，其峰值发生，并且可能的返回到更可管理的水平。意图是通过数据驱动指数规定可能的放松措施来抑制供应链应力。此类主动指数允许识别产品需求和风险以及更好地满足最高需求的时间。

建模PPE需求，供应和压力曲线

为了对PPE供应链中的压力进行建模，我们设计了一个框架，该框架集成了多个数据源，并生成需求曲线、供应曲线，最后是压力曲线。我们还将采购经理指数(PMI)作为一个附加特征纳入模型，以细化压力曲线。

供应链压力的第一个也是最重要的部分是PPE的需求。PPE是一个通用术语，包括外科口罩、N95口罩、呼吸器、丁腈和无菌手套、医用长袍、防护服、围裙、护目镜和面罩。虽然有可能将这些物品分离到它们自己的供应链中，但我们已经将它们合并到更大的PPE桶中。在我们的分析中，我们依靠的是我们的世界数据、JHU CSSEGIS和世界卫生组织提供的数据。在这些数据集中，包含了与COVID-19病例相关的40多个变量，包括总病例数、新增病例数、总死亡数、总检测数和国家人口。特别是，世卫组织数据集提供了200多个国家的医生和护士总数、清洁工和实验室技术人员以及其他保健工作者详细信息。它还提供了对积极在COVID-19医院和医疗中心工作的不同医疗保健提供者不同类型个人防护装备烧伤率的假设。我们已经通过数据清理技术将这些不同的数据集缝合到一个主数据集中，以弥补缺失值和离群值。此外，我们通过计算每个国家的净活动性病例、死亡率和恢复率，得出了与研究相关的其他特征。然后，我们根据世卫组织的烧伤率衡量，估计了积极的卫生保健提供者的日常个人防护装备需求。

考虑到非活跃的医疗保健工人来估计该人口部门内的PPE使用情况。正规和非正式的护理人员，不同医护人员的实验室工作人员，技术人员和普通人口的PPE使用量也包括在我们的研究中，以准确衡量按类别的PPE套件的实际需求。

The demand curve for PPE has been built for each country based on active cases, lab technician count, net informal caregivers, and the general population’s overall size until the third week of September 2020. With this dataset, we were able to identify just the initiation zone in the stress curve. Notice in the two graphs in Figure 1 and the histogram in Figure 2 that a clear spike in demand is seen in March 2020 and April 2020 in two different geographies. To obtain the remaining two zones—the peak and the return to normalcy—we have used the Monte Carlo simulation to generate data for the subsequent three months from October to December 2020. We have considered the growth rate of daily cases, recovery rate, and daily death count, iterating over 1,000 simulations to generate synthetic data. We have rerun the analysis via this new data to calculate the expected count of active cases till mid-December. PPE burn rate has then been incorporated into the analysis to calculate the actual demand for PPEs based on healthcare workers, informal caregivers, and general population parameters. We also calculated the PPE demand prior to the pandemic to establish the baseline.

图1:截至12月中旬中国和新西兰的预测活动病例

图2:根据现役病例，现役医护人员PPE的预期总需求

而需求曲线的生成相对来说比较容易建立，为了充分的形成压力曲线，我们需要生成供给曲线。考虑到个人防护装备的生产主要局限于少数几个国家，这是一个挑战。尽管在大流行后PPE爱游戏捕鱼游戏生产变得更加多样化，但在事件发生之前，这仅限于选定的少数几个国家。在大流行期间，许多国家选择在其地理范围内生产个人防护装备，以满足当地需求。因此，采购供应数据是一项艰苦的工作。然而，我们依赖于每个类别最大的PPE制造商来检索一些有用的数据，这些数据可以提供一些供应方面行为的指示。我们创造性地利用了这些供应数据，并分析了新闻文章和公开可用的报告，以了解PPE的实际生产能力及其在大流行期间增加的产量。爱游戏捕鱼游戏例如，中国是世界上医用口罩和呼吸器生产的领导者，在大流行前，中国生产的医用口罩(每天1000万只)占世界的一半。它的产量在45天内飙升了20倍(每天2亿美元)。马来西亚是丁腈手套和无菌手套生产的领导者，满足全球63%的需求。

为了进一步完善供应数据，我们还考虑了当地政府为防止病毒传播而执行的政策和决定，如封锁条件、进出口禁令(这导致生产、装运数据延迟)，以及PPE工具包的出口限制。我们还考虑了大流行前PPE需求和供应信息的报告，以建立基线。在充分了解大流行前的生产数据、大流行期间的生产变化以及当前与PPE相关的生产政策后，对PPE的生产情况进行了仔细的推断，直到日历年度结束。爱游戏捕鱼游戏这一估计值随后被用于计算2020年12月之前的总产量数据。

图3:2020年医用口罩、丁腈和无菌手套的生产情况

我们还使用了采购经理指数(PMI)作为情绪得分，以支持我们对真实产能的调查结果。2019年最后一个季度被视为制造业PMI的基线，该值用于计算最终个人防护用品生产能力。爱游戏捕鱼游戏真实的生产数据是根据PMI值和公开披露的制造业数据估算出来的。爱游戏捕鱼游戏我们的研究表明，PMI值与2020年8月之前每个月报告的生产速率相吻合。为了进一步加强供应数据，我们根据不同的PPE项目的相对重要性，对它们进行了单独的权重分配。

供应链压力的全局比较

图4显示了四个不同地区的需求和供给曲线的结合应力曲线。注意每条曲线上的三个独立区域——起始、峰值和松弛。一些国家的反应更快更好，而另一些国家则滞后，但世界各地的压力是一致的。曲线的形状让我们对每个政府应对措施的有效性有了一些了解。然而，令人欣慰的是，全球平均来看，这种压力正在减少，预计未来几个月将恢复正常。

图4:中国、印度、新西兰和美国的压力曲线

总之，Cyient的数据科学团队希望创建一种新的、改进的供应链压力评估工具，以供更广泛的社区使用。开发的简单指数，提供了诱导疲劳的数值感觉，证明了这一点，我们希望它将用于微调和进一步的研究。