De komst van de 'zelfsturende' supply chain

Het tijdperk van zelfrijdende auto's en vrachtwagens is bijna aangebroken. Hoe zit het met zelfrijdende toeleveringsketens?

In de afgelopen decennia is technologie doorgedrongen tot elk aspect van supply chain management. Tot nu toe was de aanwezigheid van een mens echter vereist om belangrijke beslissingen te nemen over productie en distributie.

Dat is vooral het geval als het gaat om risicobeheer, een discipline die essentieel is geworden voor het voortbestaan ​​van moderne mondiale organisaties. Beheerders van de toeleveringsketen moeten de waarschijnlijkheid afwegen van een willekeurig aantal mogelijke verstoringen, of het nu gaat om natuurrampen zoals overstromingen, tsunami's en vulkanen, of door de mens veroorzaakte gebeurtenissen zoals arbeidsacties en terroristische aanslagen, en passende maatregelen nemen. Een dergelijke bepaling werd geacht buiten het vermogen van machines te liggen.

Tot nu. Kunstmatige intelligentie, met zijn vermogen om enorme hoeveelheden gegevens te doorzoeken en patronen te detecteren die onzichtbaar zijn voor het menselijk oog, speelt een steeds grotere rol bij prognoses en risicobeheer. Misschien komt er binnenkort een dag dat machines een beter inzicht hebben in de toekomst dan de mensen die ze hebben gebouwd.

De meest veelbelovende innovaties in A.I. vinden tegenwoordig plaats in farmaceutische producten en verpakte consumentengoederen, volgens Fred Laluyaux, chief executive officer van Aera Technology, Inc. Ze staan ​​onder de meeste druk van Amazon om de manier waarop ze klanten bedienen radicaal te veranderen.

“Een klant beschreef het me op een welsprekende manier”, herinnert Lalulaux zich. "Ze zeiden:'Wij zijn de volgende die gaan als we niet veranderen.'"

Voor traditionele merchandisers ligt de uitdaging in het beschermen van hun merken in een tijd waarin 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-commercegigant te evenaren, moeten verkopers de efficiëntie verhogen in elke fase van hun toeleveringsketen. En daar hoort ook een beter risicobeheer bij.

Veel van de vorderingen in A.I. zich voordoen op het gebied van predictive analytics. Fabrikanten worden gedwongen om het proces om het product bij de kopers te krijgen, te versnellen. Tegelijkertijd overspoelt de beschikbaarheid van "big data", terwijl het een veel breder beeld van de markt geeft, planners met informatie. Zonder de hulp van geautomatiseerde systemen om die invoer te interpreteren, kunnen ze "signaal" niet van "ruis" onderscheiden.

Bedrijven kunnen niet langer rondkomen met jaarlijkse promotieplannen en cycli van zes maanden voor sales en operations planning (S&OP). Daarvoor veranderen de omstandigheden op de markt - met name de smaak van wispelturige consumenten - te snel. "Je moet naar het volgende prestatieniveau gaan", zegt Laluyaux. "Die [graad van] automatisering brengt je naar waar mensen niet kunnen volgen."

Het ultieme, zij het ongrijpbare doel is een systeem dat in realtime reageert op marktomstandigheden. Demand sensing is nauwelijks een nieuwe discipline, maar wordt al lang gehinderd door verouderde tools en processen die de noodzakelijke actie vertragen. In zijn huidige vorm gaat de mogelijkheid veel verder dan het verkrijgen van toegang tot verkoopcijfers en omvat het elementen als 'slimme' verpakkingen.

De input bestaat uit alles, van point-of-sale (POS)-gegevens tot weersvoorspellingen, Nielsen-beoordelingen, posts op sociale media en informatie over de concurrentie. Voeg in de farmaceutische wereld updates toe over de goedkeuring van nieuwe medicijnen door de overheid.

“Het net wordt steeds breder”, zegt Laluyaux, “en de nerf wordt steeds fijner.”

Als een op zichzelf staand systeem kan A.I. heeft weinig waarde. Om effectief te zijn, moet het ongelijksoortige gegevensstromen combineren en zich over meerdere functies van de toeleveringsketen verspreiden. Stel dat een winkelier een omzetstijging van 2 procent ervaart voor een bepaald artikel. Om aan de onverwachte vraag te voldoen, moet het in staat zijn om de optimale bron voor het opvoeren van de productie te identificeren, de productiecapaciteiten te beoordelen, de stuklijst te herzien en de voorraadniveaus dienovereenkomstig aan te passen. Als transactiesystemen niet met elkaar 'praten', kan dat proces dagen duren - te laat voor de merchandiser om te profiteren van een vluchtige trend.

Wat meer is, de A.I. systeem moet zijn schat aan gegevens combineren met menselijke experts, die nog steeds verantwoordelijk zijn voor het nemen van definitieve beslissingen over wanneer en waar het product moet worden verzonden.

Lalulaux beschrijft het concept van de 'cognitieve werkbank', waarbij A.I. interpreteert de gegevens en doet aanbevelingen, die vervolgens (grotendeels) worden uitgevoerd door menselijke experts. Maar dat is slechts een overgangsfase in de vooruitgang van A.I. De aard van machine learning is dat het systeem met ervaring beter wordt in het bedenken van de juiste acties die moeten worden ondernomen. Uiteindelijk zou het in staat moeten zijn om veel van die belangrijke beslissingen te nemen zonder menselijke tussenkomst. Op dat moment wordt 'voorspellende' analyse 'voorschrijvend'.

We zijn nog lang niet zover dat automatisering het volledig van menselijke managers overneemt. Als de progressie loopt van voorspellend naar prescriptief naar volledig autonoom, dan blijven veel bedrijven steken tussen fase één en twee, zegt Laluyaux. De vooruitzichten voor een 'zelfrijdende' supply chain zijn redelijk goed; het is alleen de tijdlijn die ter discussie staat. Voorlopig is het voor mensen nog te vroeg om erover na te denken om hun handen van het stuur te halen.