AIが「ダーティ」データの問題にどのように取り組むか

オペレーショナルリスクの削減は、サプライチェーンに関してはゲームの名前です。信頼性が高く、無駄のないアプローチを実現するには、サプライチェーンは俊敏性と回復力を同時に備えている必要があります。しかし、どちらの品質も歴史的に「クリーンな」データに依存してきました。そして、昨年春の世界的なCOVID-19の大流行の始まりで、個人用保護具（PPE）とトイレットペーパーの必要性が急増したとき、多くの組織は準備ができていませんでした。ビジネスリーダーは、適切なデータクレンジングが、即時供給の要求​​の量に対応するのを何ヶ月も待つことができませんでした。データは利用可能で実用的である必要がありました。メーカーが変化する需要に対応するのに苦労したため、サプライチェーンの効率が不可欠になりました。

従来の状況では、データクレンジングが必要でしたが、手動で行うには時間がかかります。 COVID-19の前でさえ、このプロセスはサプライチェーンの効率を妨げていましたが、パンデミックが本格化すると、スローはもはや選択肢ではなくなりました。従来のデータクレンジングはその有用性を超えており、次に進む時が来ました。人工知能と機械学習がビッグデータによって生成されるノイズをカットする時が来ました。

ビジネス全体を知る

一歩下がって、事業全体を見てください。現在の施設の供給についてはほぼ正確なビューがあるかもしれませんが、他の接続された施設の可視性の状態はどうですか？また、他のサプライヤーの在庫について何がわかっているのでしょうか。また、どのくらいの速さで生産ニーズを満たすことができますか？

おそらくI.T.部門には、他の場所にある姉妹工場に洞察を提供できるツールがありますが、同時にサプライヤーが何を持っているかを知る方法はほとんどありません。それを回避する唯一の方法は、現在必要なものではない場合でも、手元にある資料を準備することです。しかし、このアプローチでは、あるタイプの在庫が多すぎて、別のタイプの在庫が不足することがよくあります。生産ニーズを満たすために意味のある調達調整を行うのに十分なリアルタイム情報がありません。

そのすべての情報を収集するための長年のフォールバックは、データクレンジングです。

アルゴリズムに指示を与える

あらゆる場所の組織は、プロジェクトベースのデータクレンジングによって手錠をかけられてきました。それらは費用と時間がかかり、長期的なROIを損ないます。これは持続可能な戦略ではなく、通常、このプロセスは数年ごとに繰り返す必要があります。

パンデミックの前でさえ、データクレンジングはサプライチェーンプロセスを遅くし、事業運営を悪化させました。データクレンジングに50万ドルを費やすと、最大1年かかると予想されますが、組織にはほとんどメリットがありません。最高のテクノロジーを使用しても、同じ悪いプロセスが繰り返されます。

AIと機械学習を入力してください。費用効果が高く、迅速で簡単な実験は、革新的なビジネスプロセスの鍵です。この場合、古いデータクレンジングを機械学習アルゴリズムに置き換えることで、1年間のプロセスをわずか数週間に短縮することを意味します。

AIは既存のデータとともに実装され、データクレンジングプロセスを使用せずに、より適切な意思決定を行い、インテリジェンスを即座に作成します。 AIプロセスはサイロからデータを取り出すため、組織は1対1の関係からサプライチェーンネットワーク全体の全体像に移行できます。機械学習で生成されたアルゴリズムは、新しいレベルの可視性を提供し、サプライチェーンネットワーク内の他の人が貴重なデータを共有するための扉を開きます。

AIと機械学習を使用すると、データをより適切に使用するためのいくつかの新しい機会が開かれます。 1つは、データを使用して同時に複数のタスクを実行する機能です。たとえば、マネージャーが在庫を減らす時期だと言った場合、必要なときに在庫がなくなるリスクがあるため、通常はそれを行うのをためらう可能性があります。しかし、この新しいモデルでは、施設内だけでなくネットワーク内の組織全体で、在庫に縛られた運転資本をより適切に最適化できるため、これはもはや問題ではありません。これにより、必要なものが必要なときに必要な場所にあるというインテリジェンスと自信が得られるため、リスクが軽減されます。

このパラダイムにより、インダストリー4.0プロセスへのスムーズな移行が可能になります。 1つの機械にセンサーの問題がある場合は、サプライヤーに警告が出され、部品が提供されます。データをリアルタイムで使用することで、長いダウンタイムをなくすことができます。

ダーティで冗長なデータがサプライチェーンの運用を遅らせることはもう許されるべきではありません。機械学習で生成されたアルゴリズムを使用すると、データをより適切に決定して、サプライチェーンをすべてのレベルで機能させることができます。

Paul Nobleは、Verusenの創設者兼最高経営責任者です。