Einblicke mit Blue Yonder SVP Hong Mo Yang zu smarten Lieferketten

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

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

Eine smarte Lieferkette ist eine, die Technologie nutzt, um Effizienz zu steigern, sich selbst zu optimieren und intelligent auf sich ändernde Nachfrage und Störungen zu reagieren. Beispielsweise kann die Lieferkette durch den Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) Prozesse automatisieren und kluge Entscheidungen ohne menschlichen Eingriff treffen. Das könnte das Ausarbeiten eines Plan B für die rechtzeitige Lieferung einer verzögerten Komponentenlieferung an den Shopfloor sein oder das frühzeitige Flaggen, dass ein Personalengpass die Produktion verzögern könnte.

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

Die Einführung von Technologien wie KI und ML hilft Herstellern, mit sich ändernder Nachfrage Schritt zu halten, indem sie ihnen ermöglicht, Probleme vorherzusagen, bevor sie auftreten, und durch Störungen zu navigieren. Es erlaubt Unternehmen und Herstellern, dem Kaufverhalten der Kunden einen Schritt voraus zu sein, anstatt nur auf diese Vorfälle zu reagieren, nachdem sie bereits eingetreten sind.

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

Die Pandemie hat Lieferketten weltweit ernsthaft gestört und Unternehmen gezwungen, Entscheidungen zu treffen und kurzfristig zu reagieren. Maschinen ermöglichen es, so schnell und intelligent wie möglich zu reagieren – beispielsweise durch ML, um zu identifizieren, wo Verzögerungen oder Ausfälle auftreten könnten. ML kann auf granularer Ebene operieren, beispielsweise einzelne Ladungen inspizieren und vorhersagen, welche Lieferung ein hohes Ausfallrisiko hat, dann können Algorithmen Lieferungen umleiten, wenn es einen Ausfall gibt. Der gesamte Prozess kann automatisiert werden, von der Planung bis zur Ausführung.

ML kann Herstellern auch helfen, zu priorisieren, wo Waren am dringendsten benötigt werden, damit Produktions- und Lieferverpflichtungen eingehalten werden können. Menschen hingegen brauchen oft Tage, um solche Entscheidungen zu treffen, und sind fehleranfällig, wenn sie mit großen Datenmengen und engen Fristen konfrontiert sind. Maschinen können damit emotionslos, schnell die richtige Entscheidung basierend auf Daten treffen, was bedeutet, dass der traditionelle sequenzielle Planungsansatz möglicherweise seinem Ende entgegengeht.

4. Was sind die Top-3-Trends in smarten Lieferketten?

Die Top-3-Trends sind KI/ML, digitaler Lieferkettenzwilling und die wachsende Nachfrage nach Data Scientists zur Unterstützung der neuen Technologien. Wie bereits erwähnt, gibt es viele Use Cases für KI/ML across der Lieferkette. Von der Nachfrageprognose und Störungsantizipation bis hin zur Optimierung von Transportrouten, Ressourcenplanung und Kundenfulfillment-Strategien wird KI/ML breit implementiert, um Effizienz, Automatisierung und größere Transparenz und Integration across dem Lieferkettennetzwerk zu treiben.

Um Lieferkettenführern zu helfen, die richtigen Entscheidungen across der End-to-End-Lieferkette zu treffen, ist ein digitaler Zwilling kritisch. Durch die Erstellung einer digitalen Repräsentation 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 mit Vertrauen zu bewerten. Noch wichtiger: Organisationen können die Auswirkungen von Entscheidungen auf strategische Geschäftsziele wie Umsatzwachstum, Margenkontrolle und Kundenzufriedenheitsziele antizipieren.

Und da Unternehmen weiterhin in neue Technologien across KI/ML, IoT und Robotik investieren, kombiniert mit Anforderungen für Unternehmen, höhere Datenmengen across interne und externe Ressourcen zu aggregieren, wird die Nachfrage nach Data Scientists wachsen. Heute arbeiten Data Scientists daran, viele Herausforderungen zu lösen, wie Datenmodellierung und Planerstellung, um die Lieferkette nachhaltiger zu machen, Reaktionszeiten und Agilität mit größerer Transparenz und Kontrolle zu verbessern, und Entscheidungsprozesse mit KI/ML und Big Data zu automatisieren, um Unternehmen zu ermöglichen, klügere und strategischere Geschäftsentscheidungen zu treffen.