Аналитика цепочки поставок и Интернет вещей становятся все более заметными после сбоев в 2020 году

Корпорациям требуется большая гибкость и отказоустойчивость в цепочках поставок и логистика для достижения успеха. Это побудило предприятия рассмотреть новые технологии, чтобы облегчить себе путь.

Среди кандидатов - Интернет вещей (IoT), автоматизация инфраструктуры, искусственный интеллект (AI) и расширенная аналитика цепочки поставок. На горизонте маячат такие конкуренты, как интеграция интерфейса прикладного программирования (API) и двойники цифровой цепочки поставок.

Интерес к этим технологиям усилился с учетом глобальной пандемии коронавируса, хотя они уже закрепились в управлении цепочкой поставок до того, как возник COVID-19. Дальнейшее обоснование этих технологий в ИТ-средах требует выявления наилучших возможностей для приложений.

Исследовательская группа Gartner отметила широкое проникновение Интернета вещей в опросе 2019 года о влиянии цифрового бизнеса на цепочку поставок. В то время как в том же отчете Интернет вещей оказался в менее хваленой зоне разочарования Gartner, есть признаки того, что он снова становится популярным. Согласно опросу цепочки поставок Gartner, 59% респондентов частично или полностью развернули IoT в своих организациях, 15% планировали инвестировать в IoT в течение двух лет, а 22% уже запустили пилотные проекты. Эти данные также согласуются с недавними данными исследования внедрения Интернета вещей в 2020 г., проведенного IoT World, которое показало, что 51% респондентов указали на большую потребность в цифровых инициативах, включая Интернет вещей.

По словам Эмбер Салли, директора и аналитика Gartner, сегодня IoT важен, потому что для новых методов цепочки поставок требуются самые свежие и точные данные. Эта потребность в свежих данных была острой до возникновения глобального торгового конфликта и до того, как разразился COVID-19, и тем более после него.

«Гибкость цепочки поставок после COVID не обязательно связана с изменением спроса, а скорее с изменением потребления», - сказал Салли, ссылаясь на пример марта 2020 года, когда туалетная бумага неожиданно потребовалась в большем количестве на полках магазинов и в меньшем количестве на полках магазинов. грузовики направились в офисы и общественные учреждения.

Это время, когда решения о поставках такого типа должны приниматься быстро и эффективно выполняться на очень детальном уровне. «Компании стараются быстро реагировать, - сказал Салли. «Им нужно знать, как лучше всего распределять, какие магазины и что получают».

Цепочки поставок, нарушенные COVID-19

Лидеры цепочек поставок теперь разбираются в долгосрочных технологических выборах, даже когда они сталкиваются с непосредственной проблемой, связанной с изменением бизнес-моделей и процессов. Инструменты машинного обучения, ориентированные на искусственный интеллект, являются показательным примером и обещают преимущества для цепочки поставок, включая поддержку принятия решений, управление активами в реальном времени, оптимизацию запасов и планирование профилактического обслуживания.

Как объясняет Салли, при принятии решений по цепочке поставок бывает сложно отделить шум от данных, особенно в хаотической среде. Здесь инструменты машинного обучения играют роль, но точность данных имеет первостепенное значение.

«Машинное обучение для распознавания образов может помочь», - сказала она. «Сегодня мы видим, что многие компании используют такое программное обеспечение для прогнозирования спроса. Но проблема с машинным обучением заключается в том, что для того, чтобы увидеть правильные закономерности и дать точные предписания, требуется много данных очень хорошего качества ».

По словам Салли, у многих организаций нет того объема, который им нужен для работы с машинным обучением, хотя их может хватить для индивидуального использования. Более того, хотя поставщики рекламируют преимущества машинного обучения и ИИ в целом, эта технология зависит от конкретного случая использования. «Невозможно легко сопоставить один вариант использования или домен с другим, - сказала она.

ИТ-специалистам также нелегко сориентироваться в избытке инструментов аналитики цепочки поставок, предназначенных для их использования. В число игроков, обладающих опытом в области программного обеспечения для цепочек поставок и машинного обучения, входят:Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility и SAP.

Поскольку устройства Интернета вещей играют все более важную роль в мониторинге цепочки поставок, ключевые игроки в области облачных вычислений и машинного обучения, такие как AWS, Google и Microsoft, также являются частью этого ландшафта. Лидеры облачных вычислений работают с Accenture, Cognizant, Pluto7, TensorIoT и другими специалистами, чтобы адаптировать аналитическую обработку цепочки поставок для конкретных областей.

Аналитика, которая смотрит назад, а не в будущее

По словам Джанет Барлоу, вице-президента IBM Sterling Supply Chain, в то время как многие специалисты по цепочкам поставок выросли, работая вокруг статистических моделей для анализа операций, статистические модели лучше всего подходят для оглядки назад

«Они учатся на истории, и история - отличный показатель. Но есть вещи, которые меняют историю. «Нет такого года, как этот, чтобы служить примером», - сказала она.

За последний год понимание того, где находятся запасы, только возросло. Барлоу сказал, что группа IBM Sterling использует возможности когнитивного ИИ IBM Watson для помощи командам в масштабировании корреляций данных. Такие методы стали более важными, поскольку Интернет вещей добавил к массе данных, которые необходимо оценивать в ограниченные сроки.

Базовые технологии для Интернета вещей в цепочке поставок

Насколько компании готовы добавить передовое машинное обучение в цепочку поставок, может зависеть от того, где они находятся на пути к оцифровке.

Разнообразные технологии позволяют им стать более гибкими; По словам Алекса Прадэма, руководителя стратегии развития продуктов компании John Galt Solutions, которая предлагает платформу планирования Atlas для автоматизированного машинного обучения в приложениях цепочки поставок, зависит от уровня технической зрелости организации. «Некоторым компаниям все еще требуется больше фундаментальных технологий», - сказала она.

Прадхэм тоже видит значительные изменения в каналах продаж и покупательском поведении. Это побуждает компании требовать более точных планов на краткосрочные горизонты. Она считает, что снижение стоимости датчиков Интернета вещей и преимущества сбора свежих данных могут помочь в планировании операций, поскольку запасы все чаще нуждаются в постоянном обновлении.

Получение высококачественных данных - важный первый шаг, соглашается Джон Трейнор, вице-президент и генеральный менеджер TensorIOT, специализирующейся на искусственном интеллекте. По его словам, полезная аналитика может быть такой же простой, как обычные скользящие средние, но ключ к успеху - наличие данных.

«Люди в конечном итоге ищут способ повысить операционную эффективность. Это может быть просто обзор операций. [Но] вы должны начать с достоверных данных », - сказал Трейнор, вспоминая проверенную временем пословицу компьютерного дизайна« GIGO »(или« Мусор на входе, мусор на выходе »).

Для достижения этой цели компания недавно работала с AWS и компанией Semtech, чтобы ускорить сбор цифровых данных, создав комплект, который соединяет сетевые устройства LoRa (дальнего действия) с собственными сервисами AWS для отслеживания активов и сервисов интеллектуального строительства.

Интеграция API для цепочек поставок

По словам Прасада Сатьяволу, директора по цифровым технологиям логистики и производства компании Cognizant, специализирующейся на цифровых технологиях, появляются новые категории систем, которые используют Интернет вещей для автоматизации и улучшения возможностей сбора данных. Недавно компания согласилась приобрести поставщика технических услуг Bright Wolf для расширения охвата приложений IIoT, включая оптимизацию доходности.

«Теперь системы могут использовать IoT для сбора данных, чтобы обеспечить видимость частей всей цепочки поставок», - сказал он. Еще большее преимущество - внешние данные, которые можно интегрировать в системы планирования. В этом контексте Сатьяволу назвал интеграцию интерфейса прикладного программирования (API) ключевым технологическим компонентом современных инноваций в цепочке поставок.

В последние месяцы, отметил Сатьяволу, несколько производственных компаний включили данные из панели управления Johns Hopkins Worldwide в статистику пандемии COVID-19. «Вы используете это как API и возвращаете его в системы, чтобы получить представление о глобальном« состоянии союза », - сказал он. Это значительно помогло в планировании производства.

Цифровые двойники цепочки поставок

Считайте то, что Gartner называет «двойником цифровой цепочки поставок», еще одной технологией, на которую стоит обратить внимание, хотя она все еще находится на начальной стадии.

Группа аналитиков определяет двойника цифровой цепочки поставок как «динамическое, в реальном времени и поэтапное представление различных ассоциаций между объектами данных, которые в конечном итоге составляют работу физической цепочки поставок». По сути, он похож и отличается от инструментов управления жизненным циклом продукта, программного обеспечения для моделирования и статистических моделей, а также от робота, который ползет через поврежденные цунами реакторы на выведенной из эксплуатации японской АЭС Фукусима. P>

Использование цифровых двойников для цепочки поставок позволяет моделировать складские операции и уровни запасов, а также обеспечивать тестовую площадку для анализа возможных вариантов различных сценариев цепочки поставок. По оценке Салли, цифровой двойник цепочки поставок представляет собой модель, построенную с использованием данных, собранных из реальной среды цепочки поставок для отражения деятельности. Погодные и другие внешние данные могут быть включены в моделирование.

На данный момент типы программного обеспечения, задействованного в создании цифрового двойника для цепочки поставок, разнообразны. Помимо основных звеньев цепочки поставок, в поисках продукции участвуют такие поставщики, как Ansys, Dassault, GE, MathWorks, PTC, Siemens и другие.

Внедрение технологий цифровых двойников в цепочку поставок начинается с выявления проблем и выбора кандидата для решения в первую очередь. Салли и другие советуют начать с решения известной бизнес-проблемы. Она сказала, что ожидает, что проекты-двойники цифровой цепочки поставок начнутся в небольшом масштабе, чтобы проверить технологию и варианты использования.

Салли также предупредил, что устаревшие системы могут не использовать эти новые методы естественным образом. Может потребоваться новая инфраструктура.

«Одна из проблем заключается в том, что для цифрового двойника предложения действительно требуется более современная инфраструктура», - сказал Салли. В качестве примера она указала на использование новых графовых баз данных в отличие от реляционных баз данных для отображения сложных взаимосвязей между сетевыми объектами в цепочке поставок.

Как и в случае с машинным обучением, для цифровых двойников необходимо снабжать систему надежными данными. Салли сказал, что преимущества цифровых двойников цепочки поставок исходят от данных с «высокой степенью детализации и малой задержкой». И именно здесь Интернет вещей особенно важен ».

Благодаря потоковой передаче данных с устройств IoT менеджеры цепочки поставок могут быть предупреждены о том, что сборочная линия вот-вот выйдет из строя, где детали необходимы для поддержания линии в рабочем состоянии или где производство может быть перенесено в дополнение к производственной линии - все знакомые производственные линии сцены последнего времени.

Вопросы, которые сегодня задают менеджеры по цепочке поставок, операциям и ИТ, вызваны «желанием быть более цифровым», - сказал Салли. «Всегда будут какие-то сбои». Сейчас необходимо работать с технологиями и людьми, чтобы добиться большей наглядности, гибкости и устойчивости - и принимать правильные решения даже под давлением.