供应链分析和物联网在2020年的颠覆中变得越来越重要

图片礼貌机器设计

图片礼貌机器设计

企业在供应链和物流方面需要更大的灵活性和弹性才能取得成功。这促使企业考虑使用新技术来简化这一过程。

在候选人中是物联网(物联网),基础设施自动化,人工智能(AI)和先进的供应链分析。竞争者如应用程序编程接口(API)集成和数字供应链双胞胎在地平线上也是织机。

鉴于全球冠状病毒大流行,对这些技术的兴趣加速了,尽管在Covid-19起,他们已经在供应链管理中已经立足了。在IT环境中进一步接地需要识别应用程序的最佳机会。

研究小组Gartner在2019年关于供应链上的数字业务影响的2019年调查中指出了广泛的物联网渗透。虽然同一份报告将互联网上互联网克服了令人越来越多的幻想,但有迹象开始爬回偏爱。根据Gartner供应链调查,59%的受访者在其组织部分或完全部署了所有组织,而15%计划在两年内投入IOT,22%已建立飞行员。该数据也与IOT世界2020年IOT采用调查的最新数据一致,这表明51%的受访者确定了在内的数字举措,包括IOT。

今天,IOT非常重要,因为琥珀萨利,Gartner剧会和分析师的琥珀萨利·琥珀萨利·萨利·萨利的新兴供应链技术需要最新鲜,最准确的数据。在全球贸易冲突之前和Covid-19击中之前,这需要对新数据的需求是急性的,并且在醒来之后。

“后Covid供应链灵活性不一定是关于需求的转变,而是关于消费的转变,”萨莱表示,抓住3月2020年3月的卫生纸示例意外需要在储存货架上更大的供应,但数量较少卡车前往办公室和公共机构。

这是必须在非常粒度的水平上快速和执行这些类型的供应决策的时间。“公司正试图快速回应,”萨莱说。“他们需要知道如何最好地分配商店正在得到什么。”

Covid-19扰乱的供应链

如今,供应链领导者正在梳理长期的技术选择,尽管他们面临着颠覆性的商业模式和流程的直接挑战。面向人工智能的机器学习工具就是一个很好的例子,它有望为供应链带来好处,包括决策支持、实时资产管理、库存优化和预防性维护计划。

随着萨利解释,在供应链决策时,难以将噪声与数据分开,尤其是在混乱的环境中。这里的机器学习工具具有角色 - 但数据准确性是至关重要的。

“用于模式识别的机器学习可以有所帮助,”她说。“今天,我们看到很多公司使用这类软件来帮助预测需求。但机器学习的挑战在于,它需要大量高质量的数据,才能看到正确的模式,并准确地进行规定。”

Salley说,很多组织没有他们需要使用机器学习所需的纯粹卷,但他们可能有足够的个人用例。此外,虽然供应商涉及机器学习的好处和整体,但这种技术是具体的情况。“你不能将一个用例或域映射到另一个,”她说。

它不可能轻松地浏览专用于其用途的供应链分析工具的Sofeit。供应链软件和机器学习专业知识的玩家包括:Anaplan,Blue Yonder,DHL供应链,EY供应链和运营,IBM,John Galt,Llamasoft,Loalility和SAP。

随着物联网设备在供应链监控中发挥更大的作用,AWS、谷歌和微软等关键的云和机器学习公司也参与了这一领域。云计算领导者与埃森哲、Cognizant、Pluto7、TensorIoT和其他专家合作,为特定领域量身定制供应链分析处理。

看看的分析,不前进

虽然许多供应链的优点在于统计模型的统计模型来分析运营,但副总裁副总裁Jeanette Barlow表示,统计模型的副总裁Jeanette Barlow表示,统计模型最为易于向后查看

“他们正在历史学习,历史是一个伟大的指标。但有些事情发生了改变历史。今年没有像今年那样的举例说明,“她说。

在过去的一年中,了解库存的理解只有重要性增加。Barlow表示,IBM Sterling Group使用IBM Watson认知AI功能来帮助团队进行缩放数据相关性。由于IOT已添加到必须在有限的时间框架中评估的数据量,这种技术变得更加重要。

供应链IOT的基础技术

企业在多大程度上准备好将先进的机器学习添加到供应链中,可能取决于它们在数字化道路上所处的位置。

什锦技术使他们变得更加敏捷;据John Galt Solutions的产品战略领导者亚历克斯PRADHAM介绍,他们从哪种技术取决于组织的技术到期水平,为供应链应用中的自动化机器学习的地图集规划平台提供。“一些公司仍然需要更多的基础技术,”她说。

Pradham也看到了渠道和购买行为的重大转变。这提示公司需要更准确的短期视野计划。她建议减少物联网传感器的成本,收集超鲜数据的好处可以帮助运营规划,越来越多地,库存需要持续刷新。

获得高质量的数据是重要的第一步,人工智能专家TensorIOT的副总裁兼总经理John Traynor表示同意。他说,有用的分析可以像普通移动平均线一样简单,但有数据是关键。

“人们最终寻找一些提高运营效率的方法。它可能只是获得操作的看法。[但]你必须从有效的数据开始,“Traynor说,回顾了时间测试的计算机设计格言”gigo“(或”垃圾,垃圾出来“)。

对此目标,该公司最近与AWS和Chip Aker Semtech合作了JumpStart数字数据收集,创建一个套件,该套件将Lora(远程)网络设备连接到AWS本机服务,用于资产跟踪和智能建筑服务。

供应链的API集成

Prasad Satyavolu(专业服务公司认识到)首席数字官员称,新类别的系统正在努力自动化和改善数据采集能力。该公司最近同意收购Tech Services提供商明亮的沃尔夫,以扩大IIT应用的覆盖范围,包括产量优化。

“现在,系统可以使用IOT进行数据采集以创造整个供应链的各个部分的可见性,”他说。更大的优势是可以集成到规划系统中的外部数据。在那种情况下,Satyavolu将应用程序编程接口(API)集成作为当今供应链创新中的关键技术成分。

最近几个月,Satyavolu指出,几家制造公司已将Johns Hopkins全球仪表板的数据纳入Covid-19大流行的统计数据。“你用它作为API,并将其带回系统,以获得进入全球”联盟状态“的能力,”他说。这在生产计划方面有着重要帮助。

供应链数字双胞胎

算上Gartner称之为“数字供应链双胞胎”,虽然仍处于早期阶段,但虽然仍然是另一种技术。

分析师组将数字供应链双胞划定义为“数据对象之间的各种关联的动态,实时和时间分阶段表示,最终构成了物质供应链的运行方式。”因此,它既可能与产品 - 寿命管理工具,仿真软件和统计模型的各方面不同 - 以及此事项,爬行通过日本退役的福岛核电站的海啸损坏的反应堆爬行的机器人。

使用数字双胞胎供应链可以模拟仓库运营和库存水平,并为不同供应链方案分析提供的测试平台。在Salley的估计中,数字供应链Twin需要使用从实际供应链环境收获的数据建造的模型来镜像活动。天气和其他外部数据可以包含在建模中。

目前,为供应链构建数字双胞胎的软件类型是多种多样的。除供应链主要的主干以外,像Ansys,Dassault,GE,Mathworks,PTC,Siemens等的供应商都在寻找。

在供应链中实施数字双胞胎技术开始于识别问题并首先选择候选人。解决已知商业问题是一个良好的开始,萨利和其他人建议。她说希望数字供应链双床项目开始小规模,以证明技术和用例。

萨利还警告说,传统系统可能无法自然地采取这些新方法。可能需要一些新的基础架构。

Salley表示:“一个问题是,这两种数字供应确实需要更先进的基础设施。”作为一个例子,她指出使用新兴的图形数据库(而不是关系数据库)来绘制供应链中联网对象之间的复杂互联关系。

与机器学习一样,用良好的数据喂养系统是数字双胞胎的必需品。SALLEY表示,数字供应链双胞胎的好处来自“高粒度和低延迟的数据。这就是IoT特别出现的地方。“

Informed by streaming IoT device data, supply chain managers can be forewarned that an assembly line is about to go down, where parts are needed to keep the line running, or where production can be shifted to supplement the line’s production — all familiar production-line scenes of late.

萨利说,这些问题供应链,运营和IT经理询问今天询问的是“欲望更加数字化”。“总会有一些中断。”现在的需求是与技术和人员合作,以获得更好的可见性,灵活性和恢复力 - 以及甚至在压力下做出正确的决定。

点击这里查看原始文章。

戴安娜泰