De zelfbesturende supply chain: logistiek en risicomanagement revolutioneren

De eeuw van zelfrijdende auto's en vrachtwagens is bijna bij ons. Wat dacht je van zelfbesturende supply chains?

In de afgelopen decennia heeft technologie zich in elk aspect van supply chain-management ingenomen. Tot nu toe was de aanwezigheid van een mens om cruciale beslissingen over productie en distributie vereist.

Dat is met name het geval wanneer het gaat om risicomanagement, een discipline die essentieel is geworden voor het overleven van moderne wereldwijde organisaties. Supply chain-managers moeten de waarschijnlijkheid van een willekeurig aantal potentiële storingen afwegen, of het nu natuurrampen zijn zoals overstromingen, tsunamis en vulkanen, of door mensen veroorzaakte gebeurtenissen zoals arbeidsacties en terroristische aanslagen, en passende actie ondernemen. Een dergelijke bepaling werd geacht buiten de capaciteit van machines te vallen.

AI als gamechanger

Tot nu. Kunstmatige intelligentie, met haar vermogen om door massive hoeveelheden data te zichten en patronen te detecteren die onzichtbaar zijn voor het menselijk oog, speelt een steeds toenemende rol in forecasting en risicomanagement. De dag kan snel komen dat machines beter inzicht in de toekomst hebben dan de mensen die ze bouwden.

De veelbelovendste innovaties in AI vandaag vinden plaats in farmaceutica en consumer packaged goods, volgens Fred Laluyaux, CEO van Aera Technology, Inc. Ze staan onder de meeste druk van Amazon om de manier waarop ze klanten bedienen radicaal te transformeren.

"Een klant beschreef het me op een welsprekende manier," herinnert Laluyaux. "Ze zeiden: 'We zijn de volgende die verdwijnen als we niet veranderen.'"

Voor traditionele detailhandelaren ligt de uitdaging in het beschermen van hun merken op een moment dat consumenten meer geïnteresseerd zijn in prijs, gemak en snelheid. Dankzij Amazon, zegt Laluyaux, wordt naar een winkel gaan "irrelevant." Om de capaciteiten van de e-commerce-reus te evenaren, moeten verkopers efficiënties op elk stadium van hun supply chains boosten. En dat omvat een betere taak van risicomanagement.

Predictieve analytics en real-time respons

Veel van de vooruitgang in AI vindt plaats in het gebied van predictieve analytics. Fabrikanten worden gedwongen om het proces van product naar koper te versnellen. Tegelijkertijd is de beschikbaarheid van "big data," hoewel het een veel breder beeld van de markt geeft, planners overstroomd met informatie. Zonder de hulp van geautomatiseerde systemen om die input te interpreteren, kunnen ze "signaal" niet van "ruis" onderscheiden.

Bedrijven kunnen niet langer uitkomen met jaarlijkse promotieplannen en zesmaandelijkse sales en operations planning (S&OP) cycli. Condities op de markt — met name de smaak van wankelende consumenten — veranderen te snel daarvoor. "Je moet naar het volgende prestatieniveau komen," zegt Laluyaux. "Die [graad van] automatisering brengt je waar mensen niet kunnen volgen."

Inputs bestaan uit alles van point-of-sale (POS) data tot weersvoorspellingen, Nielsen ratings, social media posts en competitive intelligence. In de farma-wereld, voeg updates toe over overheidsgoedkeuring van nieuwe geneesmiddelen.

"Het net wordt steeds wijder," zegt Laluyaux, "en het korrel steeds fijner."

Integratie en cognitieve werkbank

Als zelfstandig systeem is AI van weinig waarde. Om effectief te zijn, moet het uiteenlopende datastromen combineren en zich verspreiden over meerdere functies van de supply chain. Stel een detailhandelaar ervaart een 2-procent stijging in verkoop voor een bepaald item. Om de onverwachte vraag te halen, moet het in staat zijn de optimale bron te identificeren voor het opkrikken van productie, productiemogelijkheden te beoordelen, de bill of materials te herzien en voorraadvellen dienovereenkomstig aan te passen. Als transactiesystemen niet met elkaar "spreken," kan dat proces dagen duren — te laat voor de detailhandelaar om voordeel te halen uit een vlootende trend.

Wat meer is, het AI-systeem moet zijn datastroot mengen met menselijke experts, die nog steeds verantwoordelijk zijn voor het nemen van finale beslissingen over wanneer en waar producten moeten worden verzonden.

Laluyaux beschrijft het concept van de "cognitieve werkbank," waarbij AI de data interpreteert en aanbevelingen doet, die dan (voor het grootste deel) uitgevoerd worden door menselijke experts. Maar dat is slechts een overgangsfase in de vooruitgang van AI. De aard van machine learning is dat het systeem beter wordt met ervaring in het bedenken van de passende acties die genomen moeten worden. Uiteindelijk zou het in staat moeten zijn om veel van die cruciale beslissingen te nemen zonder de noodzaak voor menselijke interventie. Op dat punt wordt "predictieve" analytics "prescriptief."

We zijn ver van het punt dat automatisering volledig overneemt van menselijke managers. Als de progressie loopt van predictief naar prescriptief naar volledig autonoom, dan blijven veel bedrijven vast tussen stadia één en twee, zegt Laluyaux. De vooruitzichten voor een "zelfbesturende" supply chain zijn redelijk goed; het is gewoon de timeline die in vraag is. Voor nu is het te vroeg voor mensen om te denken over hun handen van het stuur te halen.