Wie IoT und Analytics Supply Chains post-COVID umgestalten

In der heutigen volatilen Marktplatz sind Supply-Chain-Agilität und -Resilienz nicht mehr optional – sie sind kritisch fürs Überleben. Um diesen Demands gerecht zu werden, wenden sich Enterprises den neuesten digitalen Technologien zu.

Key Enabler umfassen Internet of Things (IoT), Infrastructure Automation, Artificial Intelligence (AI), Advanced Analytics, API Integration und das aufkommende Konzept Digital Supply-Chain Twins.

Interesse an diesen Technologien beschleunigte während der globalen Coronavirus-Pandemie, obwohl viele Firmen sie bereits vor COVID-19 erkundet hatten.

Gartners 2019 Survey on Digital Business Impact offenbarte extensive IoT-Penetration, mit 59 % der Befragten, die partiellen oder vollen Deployment across ihren Organisationen reporteten. Ein anschließender 2020 IoT Adoption Survey von IoT World fand, dass 51 % der Teilnehmer einen wachsenden Bedarf an digitalen Initiativen, einschließlich IoT, sahen.

„Post-COVID Supply-Chain-Flexibilität ist weniger über Shifting Demand und mehr über Shifting Consumption“, sagt Amber Salley, Director und Analyst bei Gartner. Sie zitiert den März 2020 Toilettenpapier-Surge als starkes Beispiel, wie schnell Konsumptionsmuster sich ändern können.

Supply-Chain-Leader stehen jetzt vor langfristigen Technologie-Entscheidungen, während sie auch mit disrupted Business Models grappeln. KI-getriebene Machine-Learning-Tools versprechen Benefits wie Real-Time Asset Management, Inventory Optimization und Predictive Maintenance.

Salley merkt an, dass Machine Learning bei Pattern Recognition excelliert – aber nur, wenn es mit High-Quality, High-Volume Data gefüttert wird. „Die Challenge ist, dass viele Organisationen die Data Breadth für robuste Modelle fehlt“, sagt sie.

IT Professionals navigieren einen crowded Marketplace von Analytics Solutions. Key Vendors umfassen Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility und SAP.

IoT Devices werden central zu Supply-Chain-Monitoring, und Cloud Leaders wie AWS, Google und Microsoft partner mit Spezialisten wie Accenture, Cognizant, Pluto7 und TensorIoT, um tailored Analytics zu liefern.

Analytics, die rückwärts schauen, nicht vorwärts

Statistische Modelle, während wertvoll für historische Analyse, kämpfen damit, beispiellose Disruptionen zu antizipieren. Jeanette Barlow, VP of IBM Sterling Supply Chain, betont die Notwendigkeit forward-looking Tools.

IBM Sterling leveraged Watson Cognitive AI, um Daten at Scale zu korrelieren, eine Capability, die an Wichtigkeit gewonnen hat, da IoT-Feeds in Volume und Velocity surgen.

Foundational Technologies für Supply-Chain IoT

Adopting Advanced Machine Learning hängt von einer Organisation's Digital Maturity ab. Alex Pradham, Product Strategy Leader bei John Galt Solutions, merkt an, dass viele Firmen noch Foundational Technologies benötigen, bevor sie AI skalieren.

Pradham hebt fallende Kosten von IoT-Sensoren und den Wert von ultra-frischen Daten für Short-Term-Planning hervor. „High-Quality Data ist der erste Schritt zu operativer Effizienz“, sagt er.

John Traynor, VP und General Manager bei TensorIOT, erinnert daran, dass simple Analytics – wie Moving Averages – nur nützlich sind, wenn die Daten valide sind. Er zitiert eine kürzliche Partnerschaft mit AWS und Semtech, um ein LoRa-basiertes Kit zu erstellen, das Field Devices mit AWS Services für Asset Tracking und Smart Building Applikationen verbindet.

API Integration für Supply Chains

IoT treibt neue Systemkategorien an, die Data Acquisition automatisieren. Cognizants Chief Digital Officer, Prasad Satyavolu, kündigte kürzlich die Akquisition von Bright Wolf an, um IIoT-Angebote zu erweitern.

„Externe Daten können via APIs in Planning Systems integriert werden“, sagt Satyavolu. Er zitiert Manufacturing Firms, die das Johns Hopkins COVID-19 Dashboard incorporieren, als Beispiel.

Supply-Chain Digital Twins

Gartner nennt den Digital Supply-Chain Twin eine „dynamische, Echtzeit, time-phased Repräsentation“ der physischen Supply Chain. Obwohl noch emerging, ermöglicht die Technologie Warehouse Simulation, Inventory Forecasting und What-if-Analyse.

Entwickler wie Ansys, Dassault, GE, MathWorks, PTC und Siemens bauen Plattformen für Digital Twins. Salley rät, mit einem klaren Business Problem zu starten und Value auf kleiner Scale zu beweisen.

Legacy Systems mögen Upgrades erfordern, da Digital Twins oft auf Graph Databases angewiesen sind, um komplexe Interconnections zu modellieren. „High-Granularity, Low-Latency Data – genau das, was IoT liefert – ist essenziell“, merkt sie an.

Mit Streaming IoT Data können Supply-Chain-Manager Equipment Downtime antizipieren, Parts Shortages identifizieren und Production proaktiv shiften.

„Das Ziel ist, bessere Visibility, Agilität und Resilienz zu erreichen“, schließt Salley. „Selbst in Disruption sind informierte Entscheidungen unter Druck möglich, wenn Technologie und People zusammenarbeiten.“