Supply Chain Analytics und IoT werden nach der Störung im Jahr 2020 groß

Unternehmen brauchen mehr Agilität und Widerstandsfähigkeit in den Lieferketten und Logistik zum Erfolg. Dies hat Unternehmen dazu veranlasst, neue Technologien in Betracht zu ziehen, um den Weg zu erleichtern.

Zu den Kandidaten zählen Internet of Things (IoT), Infrastrukturautomatisierung, künstliche Intelligenz (KI) und fortschrittliche Supply Chain Analytics. Konkurrenten wie die Integration von Anwendungsprogrammierschnittstellen (API) und digitale Lieferkettenzwillinge zeichnen sich ebenfalls ab.

Das Interesse an diesen Technologien hat angesichts der globalen Coronavirus-Pandemie zugenommen, obwohl sie bereits vor dem Aufkommen von COVID-19 im Supply Chain Management Fuß gefasst hatten. Eine weitere Verankerung dieser Technologien in IT-Umgebungen erfordert die Identifizierung der besten Möglichkeiten für Anwendungen.

Die Forschungsgruppe Gartner stellte in einer Umfrage aus dem Jahr 2019 zu den Auswirkungen des digitalen Geschäfts auf die Lieferkette eine umfassende IoT-Durchdringung fest. Während derselbe Bericht das Internet der Dinge in den weniger als gepriesenen Gartner-Trog der Desillusionierung brachte, gibt es Anzeichen dafür, dass es wieder an Popularität gewinnt. Laut der Gartner-Supply-Chain-Umfrage hatten 59 % der Befragten das IoT teilweise oder vollständig in ihren Unternehmen implementiert, während 15 % planten, innerhalb von zwei Jahren in das IoT zu investieren, und 22 % Piloten eingeführt hatten. Diese Daten stimmen auch mit den jüngsten Daten der IoT Adoption Survey 2020 von IoT World überein, die darauf hindeuteten, dass 51 % der Befragten einen größeren Bedarf an digitalen Initiativen, einschließlich IoT, feststellten.

Heutzutage ist IoT wichtig, weil neue Lieferkettentechniken die aktuellsten und genauesten Daten benötigen, so Amber Salley, Direktor und Analyst bei Gartner. Dieser Bedarf an neuen Daten war akut, bevor ein globaler Handelskonflikt entstand und bevor COVID-19 ausbrach, und noch mehr in ihrem Gefolge.

„Bei der Flexibilität der Lieferkette nach COVID-19 geht es nicht unbedingt um eine Verschiebung der Nachfrage, sondern eher um eine Verschiebung des Verbrauchs“, sagte Salley und zitierte das Beispiel vom März 2020 für Toilettenpapier, das unerwartet in einem größeren Angebot in den Regalen und in einer geringeren Menge in den Regalen benötigt wird Lastwagen fuhren zu Büros und öffentlichen Einrichtungen.

Dies ist eine Zeit, in der diese Art von Angebotsentscheidungen schnell getroffen und auf sehr granularer Ebene effektiv ausgeführt werden müssen. „Unternehmen versuchen, schnell zu reagieren“, sagte Salley. „Sie müssen wissen, wie sie am besten zuordnen können, welche Geschäfte was bekommen.“

Lieferketten durch COVID-19 unterbrochen

Führende Lieferanten in der Lieferkette sortieren jetzt langfristige Technologieentscheidungen, auch wenn sie sich der unmittelbaren Herausforderung durch veränderte Geschäftsmodelle und Prozesse stellen. KI-orientierte Machine-Learning-Tools sind ein typisches Beispiel, das Vorteile in der Lieferkette verspricht, darunter Entscheidungsunterstützung, Echtzeit-Asset-Management, Bestandsoptimierung und präventive Wartungsplanung.

Wie Salley erklärt, kann es bei Entscheidungen in der Lieferkette schwierig sein, Rauschen von Daten zu trennen, insbesondere in einer chaotischen Umgebung. Hier spielen Machine-Learning-Tools eine Rolle – aber die Datengenauigkeit ist von größter Bedeutung.

„Maschinelles Lernen zur Mustererkennung kann helfen“, sagte sie. „Heute sehen wir, dass viele Unternehmen solche Software zur Unterstützung bei der Bedarfsprognose verwenden. Aber die Herausforderung beim maschinellen Lernen besteht darin, dass viele Daten von sehr guter Qualität benötigt werden, um die richtigen Muster zu erkennen und genaue Vorschriften zu machen.“

Viele Unternehmen haben nicht das Volumen, das sie benötigen, um mit maschinellem Lernen zu arbeiten, obwohl sie für einen individuellen Anwendungsfall möglicherweise genug haben, sagte Salley. Während Anbieter die Vorteile von maschinellem Lernen und KI insgesamt anpreisen, ist diese Technologie jedoch anwendungsspezifisch. „Man kann nicht einfach von einem Anwendungsfall oder einer anderen Domäne zuordnen“, sagte sie.

Auch IT-Experten können nicht ohne weiteres durch die Fülle an Supply-Chain-Analysetools navigieren, die für ihre Zwecke bestimmt sind. Zu den Akteuren mit Supply-Chain-Software und Machine-Learning-Expertise gehören:Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility und SAP.

Da IoT-Geräte eine immer größere Rolle bei der Überwachung der Lieferkette spielen, sind auch wichtige Cloud- und Machine-Learning-Player wie AWS, Google und Microsoft Teil dieser Landschaft. Die Cloud-Führungskräfte arbeiten mit Accenture, Cognizant, Pluto7, TensorIoT und anderen Spezialisten zusammen, um die analytische Verarbeitung der Lieferkette für bestimmte Bereiche anzupassen.

Analysen, die nach hinten blicken, nicht nach vorne

Obwohl viele Supply-Chain-Profis mit statistischen Modellen aufgewachsen sind, um Operationen zu analysieren, wird mehr benötigt, sagte Jeanette Barlow, Vice President, IBM Sterling Supply Chain, und bemerkte, dass statistische Modelle bis zu einem gewissen Grad am besten geeignet sind, um rückwärts zu blicken

„Sie lernen aus der Geschichte, und die Geschichte ist ein großartiger Indikator. Aber es passieren Dinge, die die Geschichte verändern. Es gab kein Jahr wie dieses Jahr, um dies zu veranschaulichen“, sagte sie.

Im letzten Jahr hat das Verständnis, wo sich das Inventar befindet, nur noch an Bedeutung gewonnen. Barlow sagte, die IBM Sterling-Gruppe nutzt die kognitiven KI-Funktionen von IBM Watson, um Teams bei der Skalierung von Datenkorrelationen zu unterstützen. Solche Techniken haben an Bedeutung gewonnen, da das IoT zu der Masse an Daten hinzugefügt hat, die in begrenzten Zeiträumen bewertet werden müssen.

Grundlegende Technologien für das Supply Chain IoT

Wie bereit Unternehmen sind, fortschrittliches maschinelles Lernen in die Lieferkette aufzunehmen, kann davon abhängen, wo sie sich auf dem Weg zur Digitalisierung befinden.

Verschiedene Technologien ermöglichen es ihnen, agiler zu werden; mit welcher Technologie sie beginnen, hängt vom technischen Reifegrad des Unternehmens ab, so Alex Pradham, Product Strategy Leader bei John Galt Solutions, das die Atlas Planning Platform für automatisiertes maschinelles Lernen in Lieferkettenanwendungen anbietet. „Einige Unternehmen brauchen noch grundlegendere Technologien“, sagte sie.

Auch Pradham sieht deutliche Verschiebungen in den Kanälen und im Kaufverhalten. Dies veranlasst Unternehmen, genauere Pläne für kurzfristige Horizonte zu verlangen. Sie schlägt vor, die Kosten für IoT-Sensoren zu senken und die Vorteile der Erfassung ultrafrischer Daten bei der Betriebsplanung zu unterstützen, da die Lagerbestände zunehmend ständig aktualisiert werden müssen.

Der Erhalt hochwertiger Daten ist ein wichtiger erster Schritt, stimmt John Traynor, Vice President und General Manager des KI-Spezialisten TensorIOT, zu. Nützliche Analysen können so einfach sein wie gängige gleitende Durchschnitte, sagte er – aber Daten zu haben, ist der Schlüssel.

„Die Leute suchen letztendlich nach einer Möglichkeit, die betriebliche Effizienz zu verbessern. Es könnte nur darum gehen, einen Überblick über den Betrieb zu erhalten. [Aber] Sie müssen mit gültigen Daten beginnen“, sagte Traynor und erinnerte sich an das bewährte Computerdesign-Sprichwort „GIGO“ (oder „Müll rein, Müll raus“).

Um dieses Ziel zu erreichen, hat das Unternehmen kürzlich mit AWS und dem Chiphersteller Semtech zusammengearbeitet, um die digitale Datenerfassung zu beschleunigen und ein Kit zu entwickeln, das LoRa-Netzwerkgeräte (Long Range) mit nativen AWS-Services für Asset-Tracking und intelligente Gebäudeservices verbindet.

API-Integration für Lieferketten

Laut Prasad Satyavolu, Chief Digital Officer für Logistik und Fertigung beim Dienstleistungsunternehmen Cognizant, entstehen neue Kategorien von Systemen, die das IoT nutzen, um die Datenerfassungsfähigkeiten zu automatisieren und zu verbessern. Das Unternehmen hat vor kurzem vereinbart, den Technologiedienstleister Bright Wolf zu übernehmen, um die Abdeckung von IIoT-Anwendungen, einschließlich der Ertragsoptimierung, zu erweitern.

„Jetzt können Systeme das IoT für die Datenerfassung nutzen, um Transparenz über Teile der gesamten Lieferkette zu schaffen“, sagte er. Ein noch größerer Vorteil sind externe Daten, die in Planungssysteme integriert werden können. In diesem Zusammenhang nannte Satyavolu die Integration von Anwendungsprogrammierschnittstellen (API) als einen Schlüsseltechnologiebestandteil der heutigen Lieferketteninnovationen.

In den letzten Monaten, so Satyavolu, haben mehrere Fertigungsunternehmen Daten aus dem Johns Hopkins Worldwide Dashboard für Statistiken zur COVID-19-Pandemie übernommen. „Sie verwenden das als API und bringen es zurück in die Systeme, um einen Einblick in den globalen ‚Zustand der Gewerkschaft‘ zu erhalten“, sagte er. Dies hat bei der Produktionsplanung erheblich geholfen.

Digitale Zwillinge der Lieferkette 

Zählen Sie das, was Gartner den „Digital Supply Chain Twin“ nennt, als eine weitere Technologie, die Sie im Auge behalten sollten, obwohl sie noch in den Kinderschuhen steckt.

Die Analystengruppe definiert den digitalen Lieferkettenzwilling als eine „dynamische, zeit- und zeitgesteuerte Darstellung der verschiedenen Assoziationen zwischen den Datenobjekten, die letztendlich die Funktionsweise der physischen Lieferkette ausmachen“. Als solches ähnelt und unterscheidet es sich sowohl von Aspekten von Produktlebensmanagement-Tools, Simulationssoftware und statistischen Modellen – als auch von dem Roboter, der durch Tsunami-beschädigte Reaktoren in Japans stillgelegtem Kernkraftwerk Fukushima kriecht.

Die Verwendung digitaler Zwillinge für die Lieferkette kann Lagerabläufe und Lagerbestände simulieren und eine Testumgebung für die Was-wäre-wenn-Analyse verschiedener Lieferkettenszenarien bieten. Nach Salleys Einschätzung beinhaltet der digitale Lieferkettenzwilling ein Modell, das unter Verwendung von Daten erstellt wurde, die aus der tatsächlichen Lieferkettenumgebung gewonnen wurden, um die Aktivität zu spiegeln. Wetter und andere externe Daten können in die Modellierung einbezogen werden.

Derzeit sind die Softwaretypen, die beim Aufbau eines digitalen Zwillings für die Lieferkette beteiligt sind, vielfältig. Neben den Hauptstützen der Lieferkette sind Anbieter wie Ansys, Dassault, GE, MathWorks, PTC, Siemens und andere auf der Jagd.

Die Implementierung digitaler Zwillingstechnologien in der Lieferkette beginnt mit der Identifizierung von Problemen und der Auswahl eines Kandidaten, der zuerst angegangen werden soll. Ein bekanntes Geschäftsproblem anzugehen ist ein guter Anfang, raten Salley und andere. Sie sagte, sie gehe davon aus, dass Zwillingsprojekte in der digitalen Lieferkette in kleinem Maßstab beginnen werden, um die Technologie und die Anwendungsfälle zu beweisen.

Salley warnte auch davor, dass Legacy-Systeme diese neuen Methoden möglicherweise nicht automatisch akzeptieren. Möglicherweise ist eine neue Infrastruktur erforderlich.

„Ein Problem ist, dass der digitale Lieferzwilling eine neuere Infrastruktur erfordert“, sagte Salley. Als Beispiel verwies sie auf die Verwendung neu entstehender Graphdatenbanken im Gegensatz zu relationalen Datenbanken, um die komplexen Verbindungen zwischen vernetzten Objekten in der Lieferkette abzubilden.

Wie beim maschinellen Lernen ist es auch bei digitalen Zwillingen eine Notwendigkeit, das System mit guten Daten zu füttern. Salley sagte, dass die Vorteile digitaler Lieferkettenzwillinge aus Daten mit „hoher Granularität und geringer Latenzzeit“ resultieren. Und hier kommt IoT besonders ins Spiel.“

Durch das Streamen von IoT-Gerätedaten können Supply-Chain-Manager informiert werden, dass eine Montagelinie ausfällt, wo Teile benötigt werden, um die Linie am Laufen zu halten, oder wo die Produktion verlagert werden kann, um die Produktion der Linie zu ergänzen – alles bekannte Produktionslinien Szenen der letzten Zeit.

Die Fragen, die sich Lieferketten-, Betriebs- und IT-Manager heute stellen, werden von dem „Wunsch, digitaler zu sein“, getrieben, sagte Salley. "Es wird immer Störungen geben." Jetzt gilt es, mit Technologie und Menschen zusammenzuarbeiten, um eine bessere Sichtbarkeit, Agilität und Belastbarkeit zu erreichen – und auch unter Druck die richtigen Entscheidungen zu treffen.