Wie COVID-19 den Shift zu transparenten, datengetriebenen Lieferketten beschleunigte

Die COVID-19-Pandemie hatte einen tiefgreifenden und nachhaltigen Impact auf globale Gesellschaft und Ökonomien und formte Lieferketten auf Weisen, die viele Organisationen nie vergessen werden.

Anfang 2020 zwangen Engpässe, Shipping-Delays und Workforce-Reduktionen durch Social Distancing Supply-Chain-Leader, Disruptionen ohne Kostentreibung zu lösen – ohne Inventory-Build-ups oder neue regionale Hubs.

„Mit COVID gab es weniger Leute, die diese Supply-Chain-Prozesse staffen konnten – weniger Leute standen auf dem Inventar-Floor, um zu sehen, welche Produkte da waren, weniger Leute waren Teil des Warehouse-Management-Prozesses, weniger Leute im Yard zum Entladen – Leute konnten nicht da sein. Viele Schwächen der ‚traditionellen Lieferkette‘ kamen ans Licht.“

Infosys Consulting berichtet, dass 57 % der Lieferketten einen Rückgang der Operationen um 25 % oder mehr erlitten.

Konsequenterweise haben viele Supply-Chain-Manager auf ein digitales Toolkit gesetzt, um klareren Insight zu gewinnen.

Die zwei Haupttools sind Supply-Chain-Control-Tower-Technologie – ein zentraler Hub, der diverse Prozesse erfasst und KI-gesteuerte Empfehlungen nutzt – und Digital-Twin-Modellierung, die Assets und Prozesse repliziert, um Produktivität zu steigern, Kosten zu senken und Lücken in der heutigen erratischen Supply, Demand und Logistik aufzudecken.

Registrieren Sie sich für IoT World 2021 hier

Herausforderungen der traditionellen Lieferkette

Experten sagen, Digitalisierung ist der Schlüssel zur Adressierung von Supply-Chain-Dysfunktion.

„Das traditionelle lineare Supply-Chain-Modell transformiert in Digital Supply Networks (DSNs), wo funktionale Silos aufgebrochen werden und Organisationen mit ihrem kompletten Supply Network verbunden werden, um End-to-End-Visibility, Kollaboration, Agilität und Optimierung zu ermöglichen,“ schrieb Jim Kilpatrick von Deloitte.

Ein Juli-Report von McKinsey & Co., Resetting Supply Chains for the Next Normal, fand, dass 93 % der Befragten einer Umfrage unter 60 Senior Supply-Chain-Executives geplant hatten, Resilienz zu erhöhen – oft durch neue Sourcing-Strategien, erhöhten Fokus auf Analytics und Upskilling ihrer Workforces.

Zudem sagten 85 % der Befragten, sie kämpften mit ineffizienten Technologien, und 60 % planten, Advanced Analytics zu implementieren, um ihre Lieferketten besser zu verstehen.

„Unternehmen durchlaufen einen harten Blick auf ihre Operationen und ihre Lieferkette“, sagte George Bailey, Executive Director und Chief Research Officer am Digital Supply Chain Institute (DSCI). „Unternehmen werden nicht mit höheren Kosten in ihren Operationen gewinnen – mehr Inventar, mehr Warehouses etc. Automatisierung und Process Change sind wichtiger denn je“, fügte er hinzu.

Datengetriebene Lieferketten entwickeln

Die Dynamik einer Lieferkette zu verstehen – und auf meaningful Data zuzugreifen – ist eine monumentale Aufgabe.

Manager benötigen Visibility in Produktverfügbarkeit, Supplier Inventory, Logistics beim Sourcing von Materialien, Production Timelines, Equipment Maintenance und Customer Shipping.

Unternehmen streben daher danach, datengetriebener zu werden, ob das heißt Inventar zählen, Trucks tracken oder einen alternativen Supplier sourcen, wenn einer ausfällt.

Control-Tower-Technologie bietet eine zentrale Console, die Daten aggregiert, Machine Learning nutzt, um Information zu verdauen, und actionable Recommendations während unvorhergesehener Events liefert. Während Hurricane Katrina half Control-Tower-Tech beispielsweise, Shipments in unbeeinflusste Regionen umzuleiten.

Eine McKinsey & Co. Studie fand, dass 39 % asiatischer Hersteller einen Nerve-Center- oder Control-Tower-Ansatz implementiert haben, um End-to-End-Transparenz zu boostern.

Herausforderungen bei der Integration von Supply-Chain-Daten

Das Deployen eines Control Towers erfordert substantiellen Vorlauf-Aufwand.

Organisationen mit fragmentierten oder Low-Quality-Daten müssen Zeit investieren, um Legacy-Systeme mit neueren, Echtzeit-Plattformen zu integrieren. Daten müssen oft übersetzt und massaged werden, bevor Konsolidierung möglich ist.

„Sehr alte Systeme – Legacy ERP und Inventory Systeme – überlagert mit Echtzeit, Insight-orientierten Systemen wie Fleet Management und Track-and-Trace“, erklärte Pelino. „Man bridged Legacy-Systeme mit neuen, vernetzten IoT-fähigen Systemen. Um diese Recommendations zu liefern, muss man diese Daten übersetzen und integrieren.“

Kulturelle Shifts sind auch nötig. Viele Firmen folgten zuvor einer „Wenn es nicht kaputt ist, repariere es nicht“-Mentalität, aber die Pandemie exponierte Gaps in Data Insight, die Control-Tower-Technologie, Data Integration und Analytics mission-critical gemacht haben.

Digital Twin Technologie mit Supply-Chain-Analytics paaren

Digitale Zwillinge – virtuelle Replikate realer Assets und Prozesse – ermöglichen Unternehmen, Risiken wie extremes Wetter, Power Outages und Pandemiken zu assessen.

„Digitale Zwillinge helfen [Unternehmen], diese What-if-Analysen mit einem Digital Twin Overlay zu machen, um sehr effizient zu werden, sehr granular auf [Risiken]“, sagte Pelino.

Während noch emerging, haben einige Organisationen Digital Twins bereits effektiv genutzt.

Bridgestone Corp., ein Reifenhersteller, nutzt Digital Twins, um Reifenleben zu modellieren, incorporating Load, Speed, Road Conditions und Driving Behavior.

Hans Dorfi, Director of Digital Engineering, merkte in einem Deloitte Report an: „Während Analytics eine große Rolle spielt, augmented es nur den Digital Twin. Der Digital Twin fängt das multidimensionale Performance-Envelope von Reifen ein und kann auch auf Produkte in Entwicklung angewendet werden, wo noch keine Daten verfügbar sind.“

Eine Juniper Research Studie projiziert den globalen Digital-Twin-Markt 2021 um 17 % wachsend auf $12,7 Milliarden.

Das Replizieren physischer Assets und Prozesse bleibt herausfordernd, besonders bei Integration diverser Legacy- und IoT-Datenquellen variierender Qualität.

Forrester's Pelino warnte, dass „Digital Twins nur so wertvoll sind wie die Qualität der Daten, die in die Plattform eingehen.“

Juniper Research Co-Autor Nick Maynard fügte hinzu: „Digital Twins sind nur so wertvoll wie die Qualität der Daten, die in die Plattform eingehen.“

Eine Gartner-Studie zu IoT-Implementation fand, dass nur 13 % der Unternehmen, die IoT-Projekte nutzen, bereits Digital Twins hatten, während 62 % auf Implementation hinarbeiteten.

Digital Twins erweitern auch die Attack Surface. „Die Attack Surface wurde erweitert“, warnte Pelino. „Jetzt, da ich diese Supply Chain verbinde – diese Assets, diese Vehicles – für jemanden, der etwas Böses will, gibt es mehr Places.“