Как IoT и аналитика переформируют цепочки поставок после COVID

На сегодняшнем волатильном рынке гибкость и устойчивость цепочек поставок больше не опциональны — они критичны для выживания. Для удовлетворения этих требований предприятия обращаются к новейшим цифровым технологиям.

Ключевые энейблеры включают Интернет вещей (IoT), автоматизацию инфраструктуры, искусственный интеллект (ИИ), продвинутую аналитику, API-интеграцию и возникающую концепцию цифровых двойников цепочек поставок.

Интерес к этим технологиям ускорился во время глобальной пандемии коронавируса, даже хотя многие фирмы уже начали их исследовать до COVID-19.

Опрос Gartner 2019 года по воздействию цифрового бизнеса раскрыл обширное проникновение IoT, с 59% респондентов, сообщавших о частичном или полном развертывании по своим организациям. Последующий опрос IoT World по внедрению IoT 2020 года показал, что 51% участников видели растущую потребность в цифровых инициативах, включая IoT.

«Пост-COVID гибкость цепочек поставок меньше о смещении спроса и больше о смещении потребления», — говорит Амбер Сэлли, директор и аналитик в Gartner. Она цитирует мартовский 2020 года скачок туалетной бумаги как яркий пример того, как быстро могут меняться паттерны потребления.

Лидеры цепочек поставок теперь сталкиваются с долгосрочными технологическими решениями, одновременно бореясь с сбитыми бизнес-моделями. ИИ-ориентированные инструменты машинного обучения обещают выгоды, такие как управление активами в реальном времени, оптимизация инвентаря и предиктивное обслуживание.

Сэлли отмечает, что машинное обучение отлично работает в распознавании паттернов — но только при питании высококачественными, высокообъемными данными. «Вызов в том, что многие организации не имеют необходимой широты данных для надежных моделей», — говорит она.

IT-профессионалы навигируют в переполненном маркетплейсе решений аналитики. Ключевые вендоры включают Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility и SAP.

IoT-устройства становятся центральными для мониторинга цепочек поставок, и облачные лидеры такие как AWS, Google и Microsoft партнерятся со специалистами вроде Accenture, Cognizant, Pluto7 и TensorIoT для доставки адаптированной аналитики.

Аналитика, смотрящая назад, а не вперед

Статистические модели, в то время как ценные для исторического анализа, борются с предвидением беспрецедентных сбоев. Джанет Барлоу, вице-президент IBM Sterling Supply Chain, подчеркивает необходимость инструментов, смотрящих вперед.

IBM Sterling использует когнитивный ИИ Watson для корреляции данных в масштабе, способность, вышедшая в важности по мере того, как IoT-фиды растут в объеме и скорости.

Фундаментальные технологии для IoT цепочек поставок

Внедрение продвинутого машинного обучения зависит от цифровой зрелости организации. Алекс Прадхем, лидер продуктовой стратегии в John Galt Solutions, отмечает, что многие фирмы все еще требуют фундаментальных технологий перед масштабированием ИИ.

Прадхем подчеркивает падающую стоимость IoT-датчиков и ценность ультра-свежих данных для краткосрочного планирования. «Высококачественные данные — первый шаг к операционной эффективности», — говорит он.

Джон Трейнор, вице-президент и генеральный менеджер в TensorIOT, напоминает, что простая аналитика — такая как скользящие средние — полезна только если данные валидны. Он цитирует недавнее партнерство с AWS и Semtech для создания LoRa-базированного набора, соединяющего полевые устройства с AWS сервисами для отслеживания активов и умных зданий.

API-интеграция для цепочек поставок

IoT ведет новые категории систем, автоматизирующих приобретение данных. Цифровой директор Cognizant Прасад Сатьяволу недавно объявил о приобретении Bright Wolf для расширения своих IIoT-предложений.

«Внешние данные могут быть интегрированы в системы планирования через API», — говорит Сатьяволу. Он цитирует производственные фирмы, включающие панель COVID-19 Джонса Хопкинса как пример.

Цифровые двойники цепочек поставок

Gartner называет цифровой двойник цепочки поставок «динамическим, реального времени, фазированным по времени представлением» физической цепочки поставок. Хотя все еще возникающая, технология позволяет симуляцию склада, прогнозирование инвентаря и анализ «что-если».

Разработчики такие как Ansys, Dassault, GE, MathWorks, PTC и Siemens строят платформы для цифровых двойников. Сэлли советует начать с четкой бизнес-проблемы и доказать ценность в малом масштабе.

Устаревшие системы могут требовать обновлений, так как цифровые двойники часто полагаются на графовые базы данных для моделирования сложных взаимосвязей. «Высокогранулярные, низколатентные данные — именно то, что доставляет IoT — критичны», — отмечает она.

Со стриминговыми IoT-данными менеджеры цепочек поставок могут предвидеть простои оборудования, идентифицировать дефицит деталей и проактивно сдвигать производство.

«Цель — достичь лучшей видимости, гибкости и устойчивости», — заключает Сэлли. «Даже в сбое, информированные решения под давлением возможны, когда технологии и люди работают вместе».