5 Minuten mit Hong Mo Yang von Blue Yonder

Hong Mo Yang, SVP &GM, Fertigungssektor, Blue Yonder spricht mit Manufacturing Global über die Bedeutung intelligenter Lieferketten in der Fertigung

1. Was bedeutet es, eine intelligente Lieferkette zu haben, und welche Rolle spielt sie in der Fertigung?

Eine intelligente Lieferkette nutzt Technologie, um die Effizienz zu steigern, sich selbst zu optimieren und intelligent auf sich ändernde Nachfrage und Störungen zu reagieren. Durch den Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) zur Automatisierung von Prozessen kann die Lieferkette beispielsweise intelligente Entscheidungen treffen, ohne dass menschliches Eingreifen erforderlich ist. Dies könnte darin bestehen, einen Plan B auszuarbeiten, um eine verspätete Komponentenlieferung rechtzeitig in die Fabrikhalle zu bringen, oder im Voraus darauf hinzuweisen, dass ein Personalmangel die Produktion verzögern könnte.

2. Welche Bedeutung hat eine intelligente Lieferkette für Hersteller, welchen Wert bietet sie einer Organisation?

Die Einführung von Technologien wie KI und ML hilft Herstellern, mit der sich ändernden Nachfrage Schritt zu halten, indem sie es ihnen ermöglichen, Probleme vorherzusagen, bevor sie auftreten, und durch Störungen zu navigieren. Es ermöglicht Unternehmen und Herstellern, dem Kaufverhalten der Kunden immer einen Schritt voraus zu sein, anstatt einfach auf diese Vorfälle zu reagieren, wenn sie bereits aufgetreten sind.

3. Welche Rolle spielt Technologie bei der Schaffung einer intelligenten Lieferkette?

Die Pandemie hat Lieferketten auf der ganzen Welt ernsthaft gestört und Unternehmen gezwungen, kurzfristig Entscheidungen zu treffen und zu reagieren. Maschinen ermöglichen es, so schnell und intelligent wie möglich zu reagieren – zum Beispiel durch ML, um zu erkennen, wo es zu Verzögerungen oder Ausfällen kommen kann. ML kann auf granularer Ebene arbeiten, zum Beispiel einzelne Ladungen prüfen und vorhersagen, welche Lieferung einem hohen Ausfallrisiko ausgesetzt ist, dann können Algorithmen Lieferungen umleiten, wenn es zu einer Panne kommt. Der gesamte Prozess kann von der Planung bis zur Ausführung automatisiert werden.

ML kann Herstellern auch dabei helfen, Prioritäten zu setzen, wo Waren am dringendsten benötigt werden, damit Produktions- und Lieferverpflichtungen erfüllt werden können. Der Mensch hingegen braucht für solche Entscheidungen oft Tage und ist bei großen Datenmengen und knappen Deadlines fehleranfällig. Maschinen können mit solchen Dingen nüchtern umgehen und treffen auf der Grundlage von Daten schnell die richtige Entscheidung, was bedeutet, dass die traditionelle sequentielle Planung möglicherweise an ihr Ende kommt.

4. Was sind die drei wichtigsten Trends bei intelligenten Lieferketten?

Die drei wichtigsten Trends sind KI/ML, Digital Supply Chain Twin und die wachsende Nachfrage nach Data Scientists zur Unterstützung der neuen Technologien. Wie bereits erwähnt, gibt es viele Anwendungsfälle für KI/ML in der gesamten Lieferkette. Von der Vorhersage der Nachfrage und Antizipation von Störungen bis hin zur Optimierung von Transportrouten, Ressourcenplanung und Kundenerfüllungsstrategien wird KI/ML weithin implementiert, um die Effizienz und Automatisierung zu steigern und eine größere Transparenz und Integration im gesamten Lieferkettennetzwerk zu ermöglichen.

Um Supply-Chain-Führungskräfte dabei zu unterstützen, die richtigen Entscheidungen in der gesamten Lieferkette zu treffen, ist ein digitaler Zwilling von entscheidender Bedeutung. Durch die Erstellung einer digitalen Darstellung der physischen Lieferkette können Unternehmen den digitalen Zwilling nutzen, um lokale und globale Entscheidungen zu treffen, das Situationsbewusstsein zu erhöhen und die Auswirkungen verschiedener Szenarien zuverlässig zu bewerten. Noch wichtiger ist, dass Unternehmen die Auswirkungen von Entscheidungen auf strategische Geschäftsziele wie Umsatzwachstum, Margenkontrolle und Kundenzufriedenheitsziele vorhersehen können.

Und da Unternehmen weiterhin in neue Technologien in den Bereichen KI/ML, IoT und Robotik investieren, verbunden mit der Anforderung an Unternehmen, größere Datenmengen über interne und externe Ressourcen hinweg zu aggregieren, wird die Nachfrage nach Data Scientists wachsen. Heute arbeiten Datenwissenschaftler an der Lösung vieler Herausforderungen, wie z. B. der Modellierung von Daten und der Erstellung von Plänen, um die Lieferkette nachhaltiger zu gestalten, die Reaktionszeiten und Agilität mit größerer Transparenz und Kontrolle zu verbessern und Entscheidungsfindungsprozesse mit KI/ML und Big Data zu automatisieren ermöglichen es Unternehmen, intelligentere und strategischere Geschäftsentscheidungen zu treffen.