人工智能為供應鏈提供了巨大的潛力 有助于減少中斷并提高效率

但是，到目前為止，尚缺乏實踐示例和案例研究來說明如何有效實施數據驅動方法。

劍橋大學制造業(yè)研究所(IfM)的Alexandra Brintup博士解釋了她的研究如何解決這一差距，并為組織揭示了寶貴的經驗教訓。

供應鏈分析不是一個新概念–實際上，制造業(yè)長期以來一直是數據驅動技術的熱心采用者。因此，除了花哨的新名稱之外，真正的新功能是什么?

三種新興發(fā)展的結合正在改變游戲規(guī)則：

計算能力，使我們能夠實時進行困難的計算

強大的新算法可以自動化分析和決策

而且，至關重要的是，出現了新的，以前尚未開發(fā)的數據源

我們還應該記住，“供應鏈分析”是一個統稱，指的是多種功能。沒有一種適用于每個組織的解決方案：它取決于供應鏈的性質，組織戰(zhàn)略和優(yōu)先級以及可用的信息。

并非每種功能都適合每個組織-不應將它們視為待辦事項!相反，公司可以選擇要開發(fā)的功能來滿足特定的供應鏈功能和業(yè)務需求。

但是，組織可以解決四個常見問題，以了解如何最好地在自己的環(huán)境中部署供應鏈分析和AI。

本文首次發(fā)表在《制造商》雜志的5月號上。點擊這里訂閱

1.多少數據，來自什么來源?

您的數據來自哪里?傳統上，在供應鏈中，我們使用企業(yè)資源計劃(ERP)系統來獲取結構化的數據源(這些數據源大多是手動填充的，但也來自某些自動化流程)。

現在，我們擁有來自更多來源的數據：通過傳感器和IoT連接提供數據的狀態(tài)，位置和狀況的狀態(tài)更新的智能產品，GPS位置跟蹤數據，甚至包括非常規(guī)來源(例如社交媒體)。

這些數據中的大多數可以實時獲取，并且可以從您的直接組織邊界之外收集，無論是從供應鏈合作伙伴，外部組織還是客戶那里。

2.數據將如何提供有價值的信息?

數據量可能不堪重負，因此了解和專注于真正會增加價值的內容至關重要。您將如何使用數據更好地了解正在發(fā)生的事情?

考慮如何整合來自不同來源的數據以提供動態(tài)概覽也很重要。例如，這可以啟用預測分析以減少中斷。

3.數據如何改善決策?

改進的數據可用性為進一步提高系統意識提供了潛力。但是，您將如何利用新發(fā)現的知識-數據將用于改進哪些決策?

您能確定優(yōu)化當前流程的方法，還是將來重新設計系統的方法?重點是否主要集中在簡化日常運營，戰(zhàn)術領域或戰(zhàn)略決策上?可以在整個供應鏈同使用數據來提高效率嗎?

4.這如何支持任務的自動化或半自動化?

數據分析可以發(fā)現隱藏的模式和趨勢，并采取行動，以改善供應鏈運作。

通過數據識別的日常操作任務的自動化或半自動化可能會對供應鏈的優(yōu)化產生變革性的影響。

實踐中的供應鏈分析：真實示例

IfM的制造分析研究團隊與汽車和航空航天行業(yè)以及快速消費品和其他行業(yè)的合作伙伴進行了幾項有關供應鏈分析的研究。