コロナウイルスがエスカレートするにつれて、サプライチェーン管理の分析が中心になる

個人用保護具の不足からさまざまな食料品、電子機器やアパレルに至るまで、コロナウイルス（COVID-19）は予想外の方法で世界のサプライチェーンに打撃を与えており、回復には数か月かかる可能性があります。

専門家によると、より迅速に立ち直るには、サプライチェーンマネージャーは、インターネットオブシングス（IoT）データ、分析、機械学習（ML）の使用など、サプライチェーンを管理する新しい方法に目を向ける必要があります。これらのツールは、サプライチェーンマネージャーが市場や不安定な需給動向を把握するための基盤になります。

「適切な機械学習とAIテクノロジーを利用することで、市場を理解し、サプライチェーンをより適切に管理できるようになります」とデジタルサプライチェーンインスティテュートのディレクターであるジョージベイリーは述べています。

混乱は今や世界的なものですが、その出発点は中国、つまり世界的な生産における800ポンドのゴリラでした。実際、2010年までに、中国は製造業の優位性において米国を上回りました。また、2002年と2003年のSARSの流行の間、中国は世界の国内総生産（GDP）の4.3％を占めていましたが、今日、MITのDavid Simchi-Levi教授は16％を占めていると述べています。

「私たちが知っているグローバリゼーションは…終わった」

生産材料を中国に依存してきた製造会社は、この依存の打撃を感じています。 2020年のStatistaのデータによると、一部の小売業者は在庫の半分以上を中国から調達しています。別のStatistaの調査によると、小売業者の44％は遅延を予想しており、40％はサプライチェーンでのコロナウイルスの混乱を考えると在庫不足を予想しています。また、電子機器メーカーの半数以上が、サプライチェーンの遅延が最大4週間になると予想していました。これは、顧客が2日間の配達を期待している時代に飲み込むのが難しい錠剤です。

現在、企業はサプライチェーンを評価するためにスクランブリングを行っていますが、実際には、サプライチェーンのリスク管理は企業の焦点では​​ありません。毎月の経済調査を実施しているサプライマネジメント協会は、2月下旬と3月上旬に連絡をとった企業の4分の3近くが何らかのサプライチェーンの混乱を報告していることを発見しました。しかし、回答者の44％はそれに対処する計画を持っていませんでした。

シンガポール国立大学のビジネススクールの客員シニアフェローであるアレックスカプリ氏は、バリューチェーンのローカライズの重要性に関するCNBCのインタビューで、「現在変化しているのは、多様化、冗長性の確保に対する切迫感です」と述べています。 「私たちが過去に知っていたグローバリゼーションは終わった」と彼は言った。

分析をサプライチェーン管理にもたらす

多くのメーカーにとって厄介なのは、サプライヤーが世界的な危機によって麻痺しているだけでなく、サプライヤーのサプライヤーが工場の閉鎖、在庫不足、輸送の遅れ、労働者の欠席などを経験していることです。そのため、メーカーのTier 1、Tier 2、Tier 3のサプライヤはすべて、サプライチェーン全体に反響する影響を伴う混乱を経験しています。しかし、彼らは必ずしもこれらすべての混乱と、彼らが彼ら自身の供給キアンにどのように影響するかについての可視性を持っているわけではありません。

「ほとんどすべての製造会社は、直接またはTier1またはTier2またはTier3のサプライヤーを通じて、中国に拠点を置くサプライチェーンのかなりの部分を持っているため、工場が閉鎖または人員不足のために生産能力が枯渇しました」とベイリー氏は述べています。 P>

2018年のStatistaの調査によると、そのチェーンの可視性は、サプライチェーンの専門家の21％にとって重要な組織上の課題です。

「今日、ほとんどの企業はExcelを使用してさまざまなシナリオをまとめています」とベイリー氏は述べています。 「これは優れたツールです」が、調達を行うためのより洗練された、より正確なツールがあります。サプライチェーンマネージャーの90％以上が、サプライチェーン分析にExcelを多用しています。サプライチェーンクォータリーによると、約82％が高度な分析ツールを使用しています

ベイリーは将来の約束としてAIに株式を投入しますが、人間の知能を模倣するシステムを設計することは、十分なデータがなければ不可能です。 AIシステムには、動作と反応の方法を学習するためのデータセットを提供する必要があります。 1回限りの状況では、システムに対応方法を学習するための十分なデータがないという点で課題があります。 「正しい需要計画を作成するには、1回限りのイベントを特定して説明する必要があります」と、Ralf W.SeifertとRichardMarkoffは「需要計画におけるAIの需要」の記事に書いています。

著者はまた、サプライチェーン管理におけるAIの成功は、一貫した予測を持つ部門に基づいていると述べました。販売と運用は、信頼できる唯一の情報源から運用する必要があると彼らは主張しています。そうしないと、AIアルゴリズムは最初から偏見や矛盾を生じやすくなります。

サプライチェーン管理におけるAI：需要計画

ベイリー氏によると、もう1つの重要な要素は、需要計画担当者が危機時の需要をよりよく理解し、それを形作るのを支援する必要があるということです。

ベイリー氏は、IoTで生成されたセンサーデータは、需要を測定し、供給を管理するためにますます重要になると述べました。たとえば、タイヤ会社は現在、センサーデータを使用してタイヤの空気圧を監視し、メンテナンスについて顧客に積極的に警告しています。タイヤのトレッド摩耗を監視し、その寿命を計算するときに、在庫のニーズに関する情報をメーカーに送信し、購入を管理するよう顧客に警告することもできます。

「それには、テクノロジーと分析を使用して需要を促進しているものを理解し、AIを使用して将来の要件を見積もる必要があります」とベイリー氏は述べています。一部の企業はテクノロジーと分析アプリケーションに投資し、新しいスタッフの役割に投資する必要がありますが、テクノロジーは今日の需要計画担当者のしばしば欠陥のある作業を補うことができるため、「全体として、人件費は低くなります」と彼は言いました。

調査会社のGartnerは、グローバル企業の少なくとも50％が2023年までにサプライチェーンの運用にAI関連の変革テクノロジーを使用すると予測しました。

同時に、多くの企業は、データクレンジング活動の設計図に戻ることに時間を費やす必要があります。 「多くの企業は、信頼できない大量のデータを持っています」とベイリー氏は言います。 「正しい形式ではないか、不正確であるか、定義上の問題があるか、偏っている可能性があります。そのデータを十分に使用できるようにするために膨大な時間が費やされています」と彼は言いました。

繰り返しになりますが、データ品質は大きな懸念事項です。 「AIを需要計画に適用する際の最も顕著な課題は、データの可用性と正確性にあります」とSeifertとMarkoffは書いています。

最後に、ベイリーらは、短中期的には、サプライチェーンマネージャーはデータ分析を使用して、不足と不確実性のある時期に管理する必要があると指摘しました。

ベイリー氏は、企業は意思決定を導くためにデータを使用する必要があると述べました。彼らは50ではなく4つのSKUを提供し、より価値の高い顧客に焦点を合わせる必要があるかもしれないと彼は言いました。データはそれらの決定を促進するはずだと彼は強調した。

「製品の合理化とSKUの削減があります」とベイリー氏は述べています。 「企業のxアイテムが100個で、500個の需要がある場合、事実に基づいて、[どの顧客]に優先順位を付けるかを決定するプロセスを実行します。」

調達の決定も変わるだろう、とベイリーは強調した。 「ほとんどの企業は、中国への過度の集中は良い考えではないと判断しています。物事を地図上のどこに置くか、つまりリスクと機会のバランスをとる正しい方法を見つけることが非常に重要になっています。」

最終的に、専門家によると、コロナウイルスは、サプライチェーン管理の実践と、企業が未然に防いでいるが、現在はサプライチェーンの成功の中心となっているテクノロジーの使用を強制するでしょう。

「良くも悪くも、私たちは今、人々にサプライチェーンの運営方法を変えることを余儀なくさせる危機に直面しています」とベイリーは言いました。 「それについての良いニュースは、これらがいずれにせよ彼らがしなければならないであろう変更であったということです。」