2020年の混乱をきっかけにサプライチェーン分析とIoTが大きく迫る

企業が成功するには、サプライチェーンとロジスティクスにおいてより優れた敏捷性と回復力が必要です。これにより、企業は道を容易にするために新しいテクノロジーを検討するようになりました。

候補の中には、モノのインターネット（IoT）、インフラストラクチャの自動化、人工知能（AI）、および高度なサプライチェーン分析があります。アプリケーションプログラミングインターフェイス（API）の統合や、デジタルサプライチェーンの双子などの競争相手も間近に迫っています。

これらの技術への関心は、COVID-19が発生する前にすでにサプライチェーン管理の足がかりを持っていたものの、世界的なコロナウイルスの大流行を考えると加速しています。 IT環境でこれらのテクノロジーをさらに基盤化するには、アプリケーションに最適な機会を特定する必要があります。

研究グループのGartnerは、サプライチェーンに対するデジタルビジネスの影響に関する2019年の調査で、IoTの広範な浸透に注目しました。その同じレポートは、自慢のないガートナーの幻滅の谷にモノのインターネットを投げかけましたが、それが支持に戻り始めている兆候があります。 Gartnerのサプライチェーン調査によると、回答者の59％が組織全体にIoTを部分的または完全に展開し、15％が2年以内にIoTに投資する予定であり、22％がパイロットを確立しました。このデータは、IoTWorldによる2020IoT Adoption Surveyの最近のデータとも一致しており、回答者の51％がIoTを含むデジタルイニシアチブの必要性が高まっていることを示しています。

Gartnerのディレクター兼アナリストであるAmberSalley氏によると、今日、IoTは重要です。なぜなら、新しいサプライチェーン技術には最も新鮮で最も正確なデータが必要だからです。新鮮なデータの必要性は、世界的な貿易紛争が発生する前、およびCOVID-19がヒットする前、そしてその結果としてさらに深刻でした。

「COVID後のサプライチェーンの柔軟性は、必ずしも需要の変化ではなく、消費の変化に関するものです」とサリー氏は述べ、2020年3月のトイレットペーパーの例を挙げて、店舗の棚での供給を増やし、量を減らす必要がありました。トラックはオフィスや公的機関に向かった。

これは、これらのタイプの供給決定が非常にきめ細かいレベルで迅速に行われ、効果的に実行されなければならない時期です。 「企業は迅速に対応しようとしています」とSalley氏は述べています。 「彼らは、どの店舗が何を取得しているのかをどのように割り当てるのが最善かを知る必要があります。」

COVID-19によって破壊されたサプライチェーン

サプライチェーンのリーダーは、現在、ビジネスモデルやプロセスの変化という差し迫った課題に直面しているにもかかわらず、長期的なテクノロジーの選択を整理しています。 AI指向の機械学習ツールはその好例であり、意思決定サポート、リアルタイムの資産管理、在庫の最適化、予防保守計画など、サプライチェーンのメリットを約束します。

Salleyが説明するように、特に混沌とした環境では、サプライチェーンの決定を行うときにデータからノイズを分離するのは難しい場合があります。ここでは機械学習ツールが役割を果たしますが、データの正確性が最も重要です。

「パターン認識のための機械学習が役立つ可能性があります」と彼女は言いました。 「今日、需要予測を支援するためにこのようなソフトウェアを使用している企業がたくさんあります。しかし、機械学習の課題は、正しいパターンを確認し、正確に規範的にするために、非常に高品質の大量のデータが必要になることです。」

多くの組織は、機械学習で作業するために必要な膨大な量を持っていませんが、個々のユースケースには十分である可能性があるとサリー氏は述べています。さらに、ベンダーは機械学習とAI全体のメリットを宣伝していますが、このテクノロジーはユースケース固有のものです。 「あるユースケースやドメインから別のユースケースに簡単にマッピングすることはできません」と彼女は言いました。

ITプロフェッショナルは、自分たちの用途に特化したサプライチェーン分析ツールの過剰を簡単にナビゲートすることもできません。サプライチェーンソフトウェアと機械学習の専門知識を持つプレーヤーには、Anaplan、Blue Yonder、DHL Supply Chain、EY Supply Chain and Operations、IBM、John Galt、LLamasoft、Logility、SAPが含まれます。

IoTデバイスがサプライチェーンの監視でより大きな役割を果たしているため、AWS、Google、Microsoftなどの主要なクラウドおよび機械学習プレーヤーもこの状況の一部です。クラウドリーダーは、アクセンチュア、コグニザント、Pluto7、TensorIoT、その他のスペシャリストと協力して、特定の分野のサプライチェーン分析処理を調整します。

前向きではなく後ろ向きの分析

IBM Sterling SupplyChainのバイスプレジデントであるJeanetteBarlow氏は、多くのサプライチェーンのプロが運用を分析するために統計モデルを中心に成長してきましたが、ある程度、統計モデルは過去を振り返るのに最も適していると述べています。

「彼らは歴史から学んでおり、歴史は素晴らしい指標です。しかし、歴史を変えることが起こることがあります。それを実証するのに今年のような年はありませんでした」と彼女は言いました。

過去1年間で、在庫がどこにあるかを理解することの重要性は増してきました。 Barlow氏によると、IBMSterlingグループはIBMWatsonコグニティブAI機能を使用して、チームがデータ相関をスケーリングするのを支援しています。限られた時間枠で評価する必要のある大量のデータにIoTが追加されたため、このような手法はより重要になっています。

サプライチェーンIoTの基盤技術

企業が高度な機械学習をサプライチェーンに追加する準備ができているかどうかは、デジタル化への道のりによって異なります。

さまざまなテクノロジーにより、俊敏性が向上します。 John GaltSolutionsの製品戦略リーダーであるAlexPradham氏によると、どのテクノロジーを開始するかは、組織の技術的成熟度によって異なります。これは、サプライチェーンアプリケーションで自動機械学習用のAtlas PlanningPlatformを提供しています。 「一部の企業は、さらに多くの基盤技術を必要としています」と彼女は言いました。

プラダムも、チャネルと購買行動に大きな変化が見られます。これにより、企業は短期的な視野についてより正確な計画を要求するようになります。彼女は、IoTセンサーのコストの削減と、非常に新鮮なデータを収集することの利点が、在庫の継続的な更新がますます必要になるため、運用計画に役立つ可能性があることを示唆しています。

高品質のデータを取得することは重要な最初のステップです、とAIスペシャリストTensorIOTの副社長兼ゼネラルマネージャーであるジョントレイナーは同意します。有用な分析は、一般的な移動平均と同じくらい簡単ですが、データを持つことが重要です。

「人々は最終的に、運用効率を改善するための何らかの方法を探しています。それは単に操作のビューを取得している可能性があります。 [しかし]有効なデータから始める必要があります」とTraynor氏は語り、定評のあるコンピューター設計の格言「GIGO」（または「Garbage in、garbageout」）を思い出しました。

その目標に向けて、同社は最近AWSおよびチップエイカーのSemtechと協力して、デジタルデータ収集を迅速に開始し、資産追跡およびスマートビルディングサービスのためにLoRa（長距離）ネットワークデバイスをAWSネイティブサービスに接続するキットを作成しました。

サプライチェーンのAPI統合

専門サービス会社Cognizantのロジスティクスおよび製造の最高デジタル責任者であるPrasadSatyavolu氏によると、IoTを活用してデータ取得機能を自動化および改善する新しいカテゴリのシステムが登場しています。同社は最近、歩留まりの最適化を含むIIoTアプリケーションの対象範囲を拡大するために、技術サービスプロバイダーのBrightWolfを買収することに合意しました。

「現在、システムはデータ取得にIoTを使用して、サプライチェーン全体の一部の可視性を作成できます」と彼は言いました。さらに大きな利点は、計画システムに統合できる外部データです。その文脈で、Satyavoluは、アプリケーションプログラミングインターフェイス（API）の統合を、今日のサプライチェーンの革新における主要なテクノロジー要素として挙げました。

ここ数ヶ月、サティアボルは、いくつかの製造会社が、COVID-19パンデミックに関する統計のためにジョンズホプキンスワールドワイドダッシュボードからのデータを組み込んだと述べました。 「これをAPIとして使用し、システムに戻して、グローバルな「一般教書演説」の可視性を獲得します」と彼は言いました。これは、生産計画に大きく役立ちました。

サプライチェーンデジタルツイン

ガートナーが「デジタルサプライチェーンツイン」と呼んでいるものを、まだ初期段階ではありますが、注目すべきもう1つのテクノロジーとして数えます。

アナリストグループは、デジタルサプライチェーンツインを「物理的なサプライチェーンの運用方法を最終的に構成するデータオブジェクト間のさまざまな関連付けの動的でリアルタイムかつ時系列の表現」と定義しています。このように、それは製品寿命管理ツール、シミュレーションソフトウェア、統計モデルの側面に似ていて、異なっています。さらに言えば、日本の廃炉となった福島原子力発電所の津波で損傷した原子炉を這うロボットです。

サプライチェーンにデジタルツインを使用すると、倉庫の運用と在庫レベルをシミュレートし、さまざまなサプライチェーンシナリオのwhat-if分析のテストベッドを提供できます。 Salleyの見積もりでは、デジタルサプライチェーンツインは、実際のサプライチェーン環境から収集されたデータを使用して構築されたモデルを必要とし、アクティビティを反映しています。天気やその他の外部データをモデリングに含めることができます。

今のところ、サプライチェーンのデジタルツインの構築に関係するソフトウェアの種類は多様です。サプライチェーンの主力製品以外に、Ansys、Dassault、GE、MathWorks、PTC、Siemensなどのベンダーが探し求めています。

サプライチェーンでのデジタルツインテクノロジーの実装は、問題を特定し、最初に対処する候補を選択することから始まります。既知のビジネス上の問題に取り組むことは、始めるのに良い場所です、とサリーと他の人はアドバイスします。彼女は、テクノロジーとユースケースを証明するために、デジタルサプライチェーンのツインプロジェクトが小規模で開始されることを期待していると述べました。

Salleyはまた、レガシーシステムがこれらの新しい方法を自然に採用しない可能性があることを警告しました。いくつかの新しいインフラストラクチャが必要になる場合があります。

「1つの問題は、デジタルサプライツインがより新しいインフラストラクチャを必要とすることです」とSalley氏は述べています。例として、彼女は、サプライチェーン内のネットワーク化されたオブジェクト間の複雑な相互接続をマッピングするために、リレーショナルデータベースではなく、新しいグラフデータベースの使用を指摘しました。

機械学習と同様に、デジタルツインでは、システムに適切なデータを提供する必要があります。サリー氏によると、デジタルサプライチェーンツインのメリットは、「高粒度と低遅延」のデータにあります。そして、そこでIoTが特に活躍します。」

IoTデバイスデータのストリーミングによって通知されると、サプライチェーンマネージャーは、組立ラインがダウンしそうなこと、ラインを稼働させ続けるために部品が必要な場所、またはラインの生産を補完するために生産をシフトできる場所（すべておなじみの生産ライン）について事前に警告できます。最近のシーン。

サプライチェーン、運用、ITマネージャーが今日尋ねている質問は、「よりデジタル化したいという願望」によって引き起こされているとサリー氏は述べています。 「常に混乱が生じるでしょう。」今必要なのは、テクノロジーや人々と協力して、可視性、敏捷性、回復力を向上させ、プレッシャーがかかっている場合でも正しい意思決定を行うことです。