Hoe toeleveringsketenbedrijven roadmaps kunnen maken met AI

De toeleveringsketen zoals we die kennen staat op het punt om te kantelen van decennia van gestaag versnellende "push" -dynamiek naar een nieuw "push-and-pull" -model.

Vier hoofdfactoren dragen bij aan deze wereldwijde, sectorbrede verandering:

De steeds slimmere shoppers van tegenwoordig. Klanten leven in de digitale wereld en eisen een naadloze ervaring. Zo niet, dan gaan ze ergens anders heen. Dit betekent dat de toeleveringsketen, die is geoptimaliseerd voor het 'duwen' van voorraden naar klanten, optimalisatie moet toevoegen voor wat klanten naar zich toe willen 'trekken'.

Het huidige geopolitieke klimaat. Of het nu gaat om de nationalistische tendensen die wereldwijd worden vertoond, tariefgeschillen tussen de VS en China, de Brexit of de wereldwijde focus op duurzaamheidskwesties, toeleveringsketens worden meer dan ooit blootgesteld aan onzekerheid en risico's.

Ongelijkmatige vooruitgang in Industrie 4.0 en digitale toeleveringsketen. Fabrieken, toeleveringsketens en winkels raken steeds meer verbonden, waardoor verschillende systemen informatie kunnen delen en doorlooptijden kunnen verkorten, maar alleen voor bedrijven die kunnen handelen. De productie komt dichter bij de klanten te staan, waardoor lang bestaande regionale handelspatronen worden verstoord.

Bestaande supply-chaintechnologie is aan het einde van zijn levenscyclus. Verouderde softwareoplossingen, ontwikkeld om een ​​specifiek, geïsoleerd probleem op te lossen, zoals prognoses of fabrieksplanning, zijn niet langer geschikt voor het doel. Simpel gezegd, deze software kan het gewoon niet bijhouden.

Voer kunstmatige intelligentie in voor de supply chain. Of het nu gaat om voorspellend onderhoud in de fabriek, zelfrijdende vrachtwagens in de logistieke keten of automatisering in de winkel, er ontstaan ​​AI-oplossingen om de efficiëntie te verbeteren en de bedrijfskosten voor spelers in de supply chain te verlagen. Toch is er, zoals in de meeste sectoren, een discrepantie over het volledig herkennen van waarde van AI.

De eerste stap is het maken van een roadmap:een portfolio van doorgelichte AI-mogelijkheden die prioriteit krijgen om strategische bedrijfsdoelen op korte en lange termijn te bereiken. Experimenteel leren blijft van cruciaal belang voor het adopteren van AI, maar het hebben van een AI-roadmap is een noodzakelijke strategie. Het stelt degenen die zich bezighouden met het verbeteren van de logistiek van de toeleveringsketen in staat om de beste tactieken voor intelligente AI-adoptie te plannen en te kiezen.

Hoe ontwikkel je een AI-roadmap om het momentum van de veranderende supply chain in je bedrijf vast te leggen? Ten eerste moet u het werk op het niveau van een bedrijfsonderdeel of functioneel gebied bekijken - niet het hele bedrijf, noch een enkel proces of enkele taak. In een fabrieksomgeving zijn bijvoorbeeld gebieden als voorraadbeheer of kwaliteitsbeheer goede plaatsen om te beginnen, omdat ze complete systemen van processen, gegevens, rollen en doelen vertegenwoordigen.

Nadat u uw focus heeft gekozen, moet u uw leidinggevenden informeren over hoe een goede AI-kans eruitziet, en vervolgens binnen uw team werken om de mogelijkheden te benutten om AI-mogelijkheden af ​​te stemmen op kansen.

Goede AI-mogelijkheden zijn zowel praktisch als waardevol. Ze gaan in op welke voorspelling of beslissing door AI zal worden gemaakt, met welke gegevens en hoe die output zal worden toegepast om waarde te creëren. In het kwaliteitsbeheer van fabrieken kunnen AI-systemen bijvoorbeeld productielijngegevens gebruiken om defecten te voorspellen, onderhoud voor te schrijven of analisten te helpen bij het beantwoorden van vragen.

Ontdekken gaat zowel over het vinden van deze opties als over het vormen van een hypothese over welke het waard zijn om na te streven. Na ontdekking zou uw team een ​​reeks casestudy's moeten hebben die nu moeten worden gevalideerd.

Kijk bij het inschatten van de impact van een AI-use case naar meer dan alleen stapsgewijze verbeteringen in nauwkeurigheid of efficiëntie. Analyseer de waarde die boven en buiten de status-quo is gecreëerd.

Er zou bijvoorbeeld een AI-use case kunnen worden opgebouwd rond het helpen van een crediteurenadministrateur die regelmatig rapporten leest en facturen verwerkt. Met een AI-mogelijkheid zoals documentintelligentie kunnen eenvoudige facturen worden verwerkt door directe verwerking. De klerk kan dan de resterende facturen sneller afhandelen, geholpen door functies zoals automatische documentoverzichten en informatie-extractie, zoals voor het identificeren van discrepantie. Een eerste statistiek voor dit voordeel kan eenvoudigweg de verwerkte facturen of tijdwinst zijn, maar er is een groter geheel. Als een AP-medewerker een extra uur per dag verdient, kan hij dat besteden aan analyse van de hoofdoorzaken en correctie van orderproblemen, of het beheren van zijn werklast om beter te profiteren van leverancierskortingen.

De analysefase wordt gedaan wanneer elk geval zodanig is gedefinieerd dat de uitvoerende besluitvormers voldoende informatie hebben om harde conclusies te trekken over het prioriteren van zaken in een visie en plan.

Eindelijk, met goed gedefinieerde gebruiksscenario's in de hand, is uw team klaar om AI-investeringen te sequencen voor maximale impact door drie doelen in evenwicht te brengen:

• Directe volgende stappen opzetten met waardevolle, bruikbare projecten,
• Grotere overwinningen behalen met een weloverwogen plan voor het bouwen en schalen van mogelijkheden in de loop van de tijd, en
• Steun en budget vrijmaken door leidinggevenden op één lijn te brengen rond een gemeenschappelijke visie.

De eerste twee doelen gaan over het balanceren van waarde op korte en lange termijn. De derde gaat over het deblokkeren van vooruitgang door het verkrijgen van buy-in van uitvoerend leiderschap over de realistische kosten en baten van AI-investeringen in de toeleveringsketen.

Nu de toeleveringsketen overgaat in een nieuwe responsieve, push-and-pull-norm, wordt het voor besluitvormers steeds belangrijker om snel te handelen om het momentum te grijpen. De fijne kneepjes van het beheer van de toeleveringsketen dicteren echter dat het opnieuw in evenwicht brengen van de toeleveringsketen geen eenmalige activiteit is. De tijd nemen om uw AI-investeringen te ontdekken, analyseren en prioriteren, zal het verschil maken tussen vooruit komen - of uw tijd verspillen.

Karthik Ramakrishnan is VP, Head of Advisory and Enablement, en Ben Humphries is Head of Global PreSales bij Element AI.