3 trendy w łańcuchu dostaw w 2021 roku: Proaktywność, Analityka i Automatyzacja

Nowoczesny łańcuch dostaw bazuje nie tylko na coraz lepszym zbieraniu, ale i przede wszystkim analizowaniu danych, wnioskowaniu i podejmowaniu decyzji. Praktyczne wnioski, które możemy wyciągać z zachodzących zmian, trendów czy rynkowych fluktuacji, to klucz do zrozumienia i lepszego dotarcia do potrzeb naszych odbiorców. Im więcej danych, tym zadanie jest trudniejsze, dlatego poleganie na „starych”, nie wspieranych maszynowo metodach działania łańcucha dostaw może kosztować nas już nie tylko więcej czasu, ale i opóźnienie w stosunku do konkurencji.

Co tak naprawdę liczy się w 2021 roku, jeśli chodzi o łańcuchy dostaw? Dla klientów będą to większa rotacja kolekcji, szerokie portfolio produktowe, lepsza cena, maksymalna dostępność produktów, natomiast dla wszystkich organizujących łańcuch dostaw: jeszcze lepsze zrozumienie wpływu czynników zewnętrznych, takich jak chociażby cykle sezonowe, czy dostępność dostawców na proces zatowarowania.

Co zrobić, aby osiągnąć te efekty? Lepiej i szybciej podejmować trafne decyzje, które będą wynikały z maszynowej analizy danych. Dziś związek analityki i automatyzacji to nie science fiction, a codzienność. Poniżej przedstawiamy krótkie podsumowanie trzech wiodących trendów branżowych na ten rok.

W tradycyjnym, analogowym łańcuchu dostaw poszczególne zadania wykonywane były w fizyczny sposób. Zamówienia składano przez telefon lub faksem, dane były wprowadzane ręcznie do systemów, na bazie wyliczeń kalkulowanych również ręcznie lub półautomatycznie bez użycia zaawansowanych technik. Czasy, gdy powszechnie nie stosowało się digitalizacji danych i wsparcia maszynowego w zakresie ich przetwarzania, są dziś jak prehistoria.

Obecnie korzysta się z w pełni zintegrowanego i kompleksowego łańcucha dostaw. Nie ma tu mowy o przypadkach, czyli zupełnie luźno połączonych zbiorach danych, procesów i ludzi. Celem jest maksymalne poprawienie wydajności, a narzędzia, które w tym pomagają to m.in. uczenie maszynowe (ML), internet rzeczy (IoT), chmury obliczeniowe, blockchain, big data, sztuczna inteligencja czy wirtualna rzeczywistość. Przepływ informacji w cyfrowym łańcuchu dostaw, większa harmonizacja i standaryzacja sprawiają, że punkt ciężkości przenosi się z gaszenia pożarów na przewidywanie wyzwań.

Ten trend wiąże się bezpośrednio z poprzednim. Wdrażanie innowacyjnych technologii nie zwalnia. Praktycznie na każdym etapie łańcucha dostaw można zaimplementować rozwiązania, które znacznie ułatwią pracę i przyspieszą oraz zautomatyzują przetwarzanie danych. Szczególne miejsce ma tu zastosowanie sztucznej inteligencji i uczenia maszynowego na potrzeby skomplikowanych analiz wewnętrznych.

Przyglądając się tym trendom, wszystkie firmy, które zdecydują się na nowe rozwiązania zdobędą niewątpliwą przewagę rynkową nad tymi, zwlekającymi z wprowadzeniem nowości. Moc big data i automatyzacji daje w perspektywie czasu lepszą wydajność przy wykonywaniu poszczególnych zadań, poprawę ich jakości, a przede wszystkim rentowności. Przyspieszone wykorzystanie analiz i automatyzacji to lepsze zorientowanie na cel, czyli tak naprawdę dodatkowa przewaga przedsiębiorstwa.

Liczne zmienne, wahania rynkowe i wszelkie nieoczekiwane czynniki, które destabilizują łańcuchy dostaw zdarzały się i będą zdarzać się nadal. Co więcej, procesy związane z dostawą są obecnie coraz bardziej złożone, nabierają cech globalnych i są zazwyczaj ze sobą ściśle powiązane. Co to oznacza w praktyce? Gdy jedna część naszego łańcucha dostaw jest zagrożona ryzykiem, zakłócenia mogą dotyczyć także wszystkich innych.

Aby zminimalizować negatywne skutki takiego stanu rzeczy, należy skoncentrować się na odporności łańcucha dostaw. Oczywiście warto też wdrożyć dodatkowe rozwiązania zapobiegające ryzyku, dzięki czemu można łatwiej łagodzić niekorzystne zdarzenia, na które zazwyczaj nie mamy wpływu. Takie zorientowanie na procesy i „uodparnianie” ich pozwala firmom wyprzedzać konkurencję, zdobywać dodatkowe udziały na rynku, a finalnie osiągać lepsze wyniki.

Aby lepiej zobrazować proces nowoczesnego wspierania łańcucha dostaw, warto poznać przykład jednego z naszych projektów, który został zrealizowany u producenta trwałych dóbr konsumpcyjnych ze Skandynawii. Wyzwaniem było zaproponowanie rozwiązania, które pozwalałoby na budowanie optymalnego zapasu w centrum dystrybucji przed wysokim sezonem sprzedaży ze względu na ograniczone moce produkcyjne własnej fabryki i jej lead time, tj. brak możliwości zatowarowanie centrum dystrybucji z dnia na dzień.

Celem biznesowym było zagwarantowanie w okresie wysokiego sezonu sprzedaży dostępności produktów na wyznaczonym poziomie (Service Level) przy możliwie jak najniższym poziome zapasów. Dzięki temu firma mogła utrzymać założony plan sprzedaży i marży oraz zaangażowania kapitału w zapas i produkcję.

W trakcie realizacji projektu wzięto pod uwagę liczne dane: historię sprzedaży, poziomy zapasów, ograniczenia logistyczne: MOQ, lead time, wymagane dni pokrycia sprzedaży, kalendarze pracy centrum dystrybucji i fabryki własnej, wymagany Service Level oraz ograniczenia dla okresu budowy zapasu sezonowego.

W do realizacji projektu wykorzystany został system Smartstock generujący prognozy popytu i rekomendacje zatowarowania na bazie algorytmów uczenia maszynowego i sztucznej inteligencji, dostępny na chmurze Microsoft Azure. Pozwoliło to wykorzystać skalowalne możliwości przetwarzania dużych ilości danych w krótkim czasie. Dzięki nowej technologii nie wymagało to instalacji rozwiązania ani konieczności administrowania nim.

Podczas projektu generowane były przez system prognozy popytu, symulacje zapasu w czasie oraz rekomendacje zatowarowania centrum dystrybucji, które jednocześnie stawały się popytem dla fabryki własnej.

Rezultat: obniżenie poziomu zapasów w przedziale między 16% a 38% oraz utrzymanie wymaganej dostępności towaru.

Podsumowanie

Wydajne łańcuchy dostaw to wypadkowa dwóch czynników: zbierania danych i ich efektywnej analizy. Przykład, który zaprezentowaliśmy pokazuje, jakie efekty można osiągnąć, wykorzystując w 2021 roku najciekawsze trendy rynkowe, związane z uczeniem maszynowym.

Rezultaty, które osiągnęliśmy we współpracy z klientem, bez wykorzystania uczenia maszynowego wymagałyby ogromnego nakładu pracy i czasu na analizowanie danych, wnioskowanie i generowanie decyzji. Rozwiązanie Smartstock można uruchomić w firmie praktycznie z dnia na dzień i natychmiast realizować korzyści biznesowe Przedsiębiorstwo ma więc szanse na budowanie przewagi konkurencyjnej w bardzo krótkim czasie.

Technologia cloud dostarczana przez Microsoft Azure i model SaaS (Software as a Service) w jakim jest oferowany Smartstock sprawiają, że całe środowisko jest dostępne z dowolnego miejsca na świecie i nie wymaga zakupu licencji ani inwestycji w infrastrukturę techniczną.

źródło: www.smartstock.cloud