您多久可以在谈论一般业务或具体供应链时没有人提出人工智能 (AI) 主题?
虽然它并不新鲜,但它一直在飞速前进以创纪录的速度,并且没有任何放缓的迹象。为什么会这样?这可能是自互联网出现以来最具变革性的事情。
所以,影响是巨大的,对吧?嗯,没那么快。转型通常意味着行动的速度,但供应链的变化并不像技术进步那样迅速推进。虽然供应链中有一些快速行动者/冒险者,但大多数专业人士在决定在哪里下注时会更加深思熟虑和深思熟虑。
当然,他们不断受到电话、电子邮件的轰炸。邮件、短信和电话推销寻求思想共享,呈现最新、最精彩的内容,所以难怪要花时间去芜存菁。
人工智能的主要挑战不是缺乏数据。去处理和学习,但恰恰相反。正如上个月的专栏中指出的那样,数字世界包含大量信息。即使人工智能取得了进步,将如此大量的数据转化为可操作的情报也需要时间。
正如我上个月提到的,估计只有大约 3% 的可用数据被实际利用。这种情况的严重性根本超出了任何现有系统和人员有效解读什么重要、什么不重要的能力。
认为世界一流的供应链经理能够随时知道所有东西在哪里,它可以在轮船、飞机、火车、卡车上,也可以在仓库、商店货架上或最后一英里的送货承运人手中。如果发生意外情况,及时、准确地了解情况以采取补救措施也很重要。真正的供应链弹性依赖于这一点,但尚未实现。
安永的供应链合伙人、负责人、美洲物流负责人 Sundip Naik 是咨询和行业领域的长期供应链资深人士,也是正在发生和即将发生的事情方面的思想领袖。
这三点代表了在供应链中部署人工智能的最大挑战,它将以速度、规模和高保真度推动整个企业的价值级别和结果。
解锁人工智能大规模工作的关键是通用的事务和主数据存储库。
这是一项艰巨的工作,因为通常主数据和事务数据是并非全部都包含在 ERP 中,而是 ERP 和所有周边系统制造系统、需求/供应计划系统和物流(WMS、TMS)系统。
采购:合同生命周期管理——人工智能审查和授予合同,设定价格。
制造:当生产线发生故障时,利用率通过 OEE 来衡量。人工智能将告知操作员根本原因,并根据历史故障推荐修复所有问题的操作、零件、人员和工具,因此操作员无需等待技术人员。
物流:推荐新的路线和重新安排货运路线。
产品管理:关于新产品推出的建议以及库存定位的初始预测。
规划:预测需求,调整可变性预测(季节性、外部因素(例如竞争对手定价)和/或客户趋势。
重点是人工智能是一种非常强大的工具,随着时间的推移,它将推动供应链的转型变革;然而,需要多长时间才能获得成熟和广泛的可用性仍然是一个悬而未决的问题。