工業製造
産業用モノのインターネット | 工業材料 | 機器のメンテナンスと修理 | 産業プログラミング |
home  MfgRobots >> 工業製造 >  >> Industrial Internet of Things >> モノのインターネットテクノロジー

COVID-19が分析駆動サプライチェーン管理を加速

個人防護具の不足から幅広い消費財まで、COVID-19パンデミックは予期せぬ形も含めてグローバルサプライチェーンを混乱させました。専門家は完全回復に数ヶ月を要すると見積もっています。

より迅速に回復するため、サプライチェーンリーダーは高度な技術(IoTデータ、分析、機械学習)に目を向け、不安定な需給パターンへのリアルタイム洞察を獲得しようとしています。

「適切な機械学習とAIツールがあれば、企業は市場ダイナミクスを理解し、サプライチェーンをより効果的に管理できる」と、Digital Supply Chain InstituteのディレクターGeorge Bailey氏は語ります。

混乱は、世界の製造強国である中国で始まりました。2010年までに中国は製造業産出額で米国を追い抜きました。2002〜2003年のSARS流行時には世界GDPの4.3%だった中国が、MIT教授David Simchi-Levi氏によれば現在は16%を占めています。

我々が知ってきたグローバル化の終焉

中国サプライヤーに大きく依存していた企業は影響を強く受けています。2020年Statistaデータによれば、一部小売業者は在庫の半分以上を中国から調達しています。同調査では、小売業者の44%がサプライチェーン遅延を予想、40%が在庫不足を懸念、エレクトロニクスメーカーの過半数が最大4週間の混乱を予見しています。これは2日配送が当たり前の時代には許容できないラグです。

多くの企業がネットワーク再評価に奔走する中、リスク管理は歴史的に低優先度でした。Institute for Supply Managementの最近の調査では、ほぼ4分の3の企業が混乱を報告したにもかかわらず、44%が正式な緩和計画を持っていませんでした。

「多様化と冗長性構築の緊急性が今や現実だ」と、NUSビジネススクールのシニアフェローAlex Capri氏は語ります。「我々がかつて知っていたグローバライズドサプライチェーンの時代は終わった。」

サプライチェーン管理への分析導入

メーカーは、サプライヤーの工場閉鎖、在庫不足、輸送遅延、労働力不在といった連鎖的混乱に直面しています。Tier-1、2、3サプライヤーすべてが挫折を経験しますが、多くの企業はこれらの波及効果への可視性を欠いています。

「多くのメーカーが中国に直接的または複数ティアを通じて依存しているため、工場閉鎖と人員不足がキャパシティを圧迫している」とBailey氏は説明します。2018年Statista調査では、サプライチェーンプロフェッショナルの21%が可視性を重要な組織課題と見なしています。

「今日、ほとんどの企業はまだExcelでシナリオモデリングに頼っている」とBailey氏は語ります。Excelは有用ですが、より洗練されたツールならより高い精度が得られます。2022年Supply Chain Quarterly研究では、マネージャーの90%以上が分析にExcelを使用する一方、高度なツールを採用する82%が顕著な改善を実感しています。

AIの成功導入には十分なデータが必要です。「AIシステムは、どう応答すべきかを学ぶため包括的なデータセットを与えられる必要がある」とBailey氏は指摘します。Ralf W. Seifert氏とRichard Markoff氏は「Demand for AI in Demand Planning」で、セールスとオペレーション間の一貫性のない予測がAI結果にバイアスを与えると論じています。

需要計画におけるAI

Bailey氏は、需要プランナーが危機時の変化する需要パターンを把握し、影響を与える必要があると強調します。例えばIoTセンサーデータは、タイヤメーカーが空気圧と摩耗を監視し、顧客にプロアクティブに警告し、在庫ニーズを知らせるのに役立ちます。

「テクノロジーと分析は、需要を駆動する要因を理解し、AIが将来ニーズを予測するために不可欠だ」とBailey氏は語ります。一部企業は新技術と人材への投資が必要ですが、オートメーションがプランナーの作業を補完するため、全体的な労働コストは低下する可能性があります。

Gartnerは、2023年までにグローバル企業の少なくとも50%がサプライチェーン運用でAI駆動変革を導入すると予測しています。

しかし、多くの組織はまずデータをクリーニングし標準化する必要があります。「多くのデータは信頼できない(誤フォーマット、不正確、バイアスあり)ため、それを使える形にするのにかなりの労力がかかる」とBailey氏は警告します。

データ品質は需要計画におけるAIの最大のハードルだとSeifert氏とMarkoff氏は観察します。短〜中期的には、サプライチェーンマネージャーは分析に大きく依存して希少性と不確実性を乗り切ることになります。

Bailey氏は、企業がSKUポートフォリオを絞り込み、高価値顧客に焦点を当て、事実に基づく優先順位決定を行う必要があるかもしれないと示唆します。「ある製品の100ユニットしかないが500必要なら、どの顧客を優先するか決めなければならない」と同氏は説明します。

戦略的調達もシフトします。「中国への過度な集中はもはや持続可能ではない」とBailey氏は語ります。地理的ロケーション間でのリスクと機会のバランスが最重要になりました。

究極的に、パンデミックは企業が先延ばしにしていたテクノロジーとプラクティスを、サプライチェーンレジリエンスのために今すぐ受け入れることを強制しています。

「COVID-19は、多くの企業がいずれ行うはずだった変化の触媒だ」とBailey氏は結論づけます。「良いニュースは、これらの変化が今や不可避だということです。」

モノのインターネットテクノロジー

  1. Blue Yonder:サプライチェーン実行とリスク管理の最適化
  2. モダンなサプライチェーン管理システムへの投資がビジネス成功に不可欠な理由
  3. サプライチェーンを戦略的に昇華させる:マネジメントのブループリント
  4. 高度なサプライチェーン管理システムで臨床医のワークフローを効率化
  5. AIが物流とサプライチェーン管理に革命をもたらす仕組み
  6. サプライチェーン効率を解き放つ:実証済みの5つのAI戦略
  7. 購買とサプライチェーン管理を変革するトップ5トレンド
  8. IoT対応倉庫:課題を克服しサプライチェーン管理の未来を切り拓く──第3部
  9. IoT対応倉庫がサプライチェーン管理をどう変革するか──第2部
  10. IoT支出がサプライチェーンと在庫管理へシフト、年率20.2%で成長
  11. IoTとアナリティクスがポストCOVIDのサプライチェーンを再構築