Пт. Дек 9th, 2022

Последние два года принесли поток проблем в автомобильной цепочке поставок. Даже после Covid-19 были заблокированные каналы, перегруженные порты, нехватка водителей и многочисленные стихийные бедствия, которые удивили OEM-производителей и поставщиков по всему миру. Пандемия усугубила эти проблемы и создала новые, в первую очередь резко ограничив поставки полупроводниковых микросхем. Главный виновник усугубляет эти проблемы: устаревшее программное обеспечение. «Если вы реагируете на кризис цепочки поставок старым и негибким программным обеспечением, написанным в 1990-х годах, это немного похоже на игру в шахматы, где вы можете видеть только некоторые фигуры», — говорит Лиам Маве, глобальный руководитель автомобильного и автомобильного секторов. Мобильность в Palantir Technologies. «Данные и аналитика в цепочке поставок должны освещать всю шахматную доску и направлять лиц, принимающих решения в цепочке поставок, чтобы они предпринимали шаги в полном доступном контексте для достижения стратегических целей компании». Сегодня для многих бизнес-лидеров становится все более очевидным, что технологии обработки данных должны ликвидировать разрыв между аналитикой и операциями. Такие компании, как Palantir, лидируют, интегрируя данные в общие операционные платформы, предназначенные для оперативного принятия решений. Это создает среду, в которой можно разумно управлять кризисами в цепочке поставок с учетом контекста или полностью предотвращать их. Этот подход является частью более широкого стремления революционизировать цепочку поставок в автомобильной промышленности путем внедрения новых инструментов, использующих возможности данных и технологии искусственного интеллекта. Два ключевых способа добиться этого: использование корпоративных данных и мощь искусственного интеллекта (ИИ). Последние два года принесли поток проблем в автомобильной цепочке поставок. Даже после Covid-19 были заблокированные каналы, перегруженные порты, нехватка водителей и многочисленные стихийные бедствия, которые удивили OEM-производителей и поставщиков по всему миру. Пандемия усугубила эти проблемы и создала новые, в первую очередь резко ограничив поставки полупроводниковых микросхем. Главный виновник усугубляет эти проблемы: устаревшее программное обеспечение. «Если вы реагируете на кризис цепочки поставок старым и негибким программным обеспечением, написанным в 1990-х годах, это немного похоже на игру в шахматы, где вы можете видеть только некоторые фигуры», — говорит Лиам Маве, глобальный руководитель автомобильного и автомобильного секторов. Мобильность в Palantir Technologies. «Данные и аналитика в цепочке поставок должны освещать всю шахматную доску и направлять лиц, принимающих решения в цепочке поставок, чтобы они предпринимали шаги в полном доступном контексте для достижения стратегических целей компании». Ясно, что технологии обработки данных должны ликвидировать разрыв между аналитикой и операциями. Такие компании, как Palantir, лидируют, интегрируя данные в общие операционные платформы, предназначенные для оперативного принятия решений. Это создает среду, в которой можно разумно управлять кризисами в цепочке поставок с учетом контекста или полностью предотвращать их.Этот подход является частью более широкого стремления революционизировать цепочку поставок в автомобильной промышленности за счет внедрения новых инструментов, использующих возможности данных и технологий искусственного интеллекта. Два ключевых способа добиться этого: использование корпоративных данных и мощь искусственного интеллекта (ИИ). Последние два года принесли поток проблем в автомобильной цепочке поставок. Даже после Covid-19 были заблокированные каналы, перегруженные порты, нехватка водителей и многочисленные стихийные бедствия, которые удивили OEM-производителей и поставщиков по всему миру. Пандемия усугубила эти проблемы и создала новые, в первую очередь резко ограничив поставки полупроводниковых микросхем. Главный виновник усугубляет эти проблемы: устаревшее программное обеспечение. «Если вы реагируете на кризис цепочки поставок старым и негибким программным обеспечением, написанным в 1990-х годах, это немного похоже на игру в шахматы, где вы можете видеть только некоторые фигуры», — говорит Лиам Маве, глобальный руководитель автомобильного и автомобильного секторов. Мобильность в Palantir Technologies. «Данные и аналитика в цепочке поставок должны освещать всю шахматную доску и направлять лиц, принимающих решения в цепочке поставок, чтобы они предпринимали шаги в полном доступном контексте для достижения стратегических целей компании». Ясно, что технологии обработки данных должны ликвидировать разрыв между аналитикой и операциями. Такие компании, как Palantir, лидируют, интегрируя данные в общие операционные платформы, предназначенные для оперативного принятия решений. Это создает среду, в которой можно разумно управлять кризисами в цепочке поставок с учетом контекста или полностью предотвращать их.Этот подход является частью более широкого стремления революционизировать цепочку поставок в автомобильной промышленности за счет внедрения новых инструментов, использующих возможности данных и технологий искусственного интеллекта. Два ключевых способа добиться этого: использование корпоративных данных и мощь искусственного интеллекта (ИИ). Единый семантический слой Согласно Маве, данные имеют тенденцию к энтропии. Потенциально существуют миллиарды узлов, которые можно отобразить в цепочке поставок, и многие из них могут быть скрыты в разрозненных отделах или устаревших частях программного обеспечения, что снижает прозрачность. «Противоядием от этой проблемы является семантический уровень на уровне предприятия, который эффективно переводит необработанные данные на язык, понятный конечным пользователям», — говорит Маве. Palantir называет этот общий язык «онтологией», и это первый шаг к созданию цифрового двойника предприятия, симуляции, которая позволяет лицам, принимающим решения, понимать сложные системы в своих организациях. Интегрируя разрозненные системы данных, Palantir создает общую операционную изображение, с помощью которого пользователи могут запускать модели ИИ, тестировать сценарии и предотвращать проблемы до того, как они возникнут. Согласно исследованию McKinsey & Co., глобальной консалтинговой фирмы, «Успешное внедрение управления цепочками поставок с поддержкой ИИ позволило ранним пользователям улучшить логистику. расходы на 15 процентов, уровень запасов на 35 процентов и уровень обслуживания на 65 процентов». Картирование цепочки поставок обеспечивает сквозную видимость сбоев в режиме реального времени, стратегически снижает риски и может предоставить надежный набор рычагов, которые можно использовать в случае возникновения кризисов. возможные реакции на отклонения могут быть реализованы почти в режиме реального времени, автоматизированным способом, быстро реагируя на сбои Единый семантический слойСогласно Маве, данные имеют тенденцию к энтропии Потенциально существуют миллиарды узлов, которые можно отобразить в цепочке поставок, и многие из них могут быть скрыты в разрозненных отделах или устаревших частях программного обеспечения, которые препятствуют прозрачности. «Противоядием от этой проблемы является семантический уровень в масштабах предприятия, который эффективно переводит необработанные данные на распознаваемый конечными пользователями язык», — говорит Маве. этот общий язык представляет собой «онтологию», и это первый шаг к созданию цифрового двойника предприятия, моделирования, которое позволяет лицам, принимающим решения, понимать сложные системы внутри их организации. Интегрируя разрозненные системы данных, Palantir создает общую операционную картину, на основе которой пользователи могут запускать модели ИИ, тестировать сценарии и предотвращать проблемы до их возникновения. Согласно исследованию глобальной консалтинговой фирмы McKinsey & Co., «успешное внедрение управления цепочками поставок с использованием ИИ позволило первым пользователям снизить затраты на логистику на 15%, уровень запасов — на 35%, а уровень обслуживания — на 65%». Картирование цепочки поставок обеспечивает сквозную видимость сбоев в режиме реального времени, стратегически снижает риски и может предоставить надежный набор рычагов, которые можно использовать в случае возникновения кризисов. Мощь облачных вычислений и машинного обучения означает, что данные о цепочке поставок и возможные реакции на отклонения могут быть реализованы практически в режиме реального времени, автоматически, быстро реагируя на сбои. Единый семантический слой Единый семантический слой Согласно Маве, данные имеют тенденцию к энтропии. Потенциально существуют миллиарды узлов, которые можно отобразить в цепочке поставок, и многие из них могут быть скрыты в разрозненных отделах или устаревших частях программного обеспечения, что снижает прозрачность. перевод необработанных данных на язык, понятный конечным пользователям», — говорит Маве. Palantir называет этот общий язык «онтологией», и это первый шаг к созданию цифрового двойника предприятия, симуляции, которая позволяет лицам, принимающим решения, понимать сложные системы в своих организациях. Интегрируя разрозненные системы данных, Palantir создает общую операционную изображение, с помощью которого пользователи могут запускать модели ИИ, тестировать сценарии и предотвращать проблемы до того, как они возникнут. Согласно исследованию McKinsey & Co., глобальной консалтинговой фирмы, «Успешное внедрение управления цепочками поставок с поддержкой ИИ позволило ранним пользователям улучшить логистику. расходы на 15 процентов, уровень запасов на 35 процентов и уровень обслуживания на 65 процентов». Картирование цепочки поставок обеспечивает сквозную видимость сбоев в режиме реального времени, стратегически снижает риски и может предоставить надежный набор рычагов, которые можно использовать в случае возникновения кризисов. возможные реакции на отклонения могут быть реализованы практически в режиме реального времени, автоматизированным способом, быстро реагируя на сбои Обеспечение актуальности данных и удобство для пользователя Надлежащее снижение рисков и реагирование на кризисы требует создания полезных и актуальных аналитических моделей с нуля Как компании работают Их создание оказывает большое влияние на их потенциальный успех. «В мире цепочек поставок существует множество различных источников данных, таких как системы планирования исследований предприятия (ERP), системы управления транспортом (TMS), системы управления складом (WMS). ), уведомления об отгрузке, электронные таблицы и рабочие столы», — говорит Маве, — «Все эти данные должны быть собраны и смоделированы, чтобы обеспечить подлинную сквозную видимость». Однако, как это ни парадоксально, лучше всего начать с моделирования реальных ситуаций для менеджеров по закупкам и других сотрудников на местах.Интеграция программного обеспечения может быстро извлекать данные из разрозненных хранилищ, таких как системы ERP и WMS, и помещать их в цифровую форму. близнец организации. Но интегрировать все эти данные при отслеживании управленческих решений по-прежнему непросто. «Цепочки поставок — это баланс, потому что улучшение в одной области может иметь негативные последующие последствия для другой», — говорит Мау. «Это требует общего языка для того, как пользователи сообщают свои данные и как они получают к ним доступ позже, лексики, называемой« единым семантическим слоем »». По словам Маве, начиная с сотрудников в реальных сценариях, а не с данными высокого уровня коллекция: «Вы намного лучше внедряете аналитические решения, потому что встречаетесь с пользователями там, где они работают». Как только данные, решения и операции будут надлежащим образом отображены в единой системе, пользователи смогут запускать симуляции на основе ИИ для моделирования сложных сценариев. Эти сценарии затем четко передаются через цифровых помощников и информационные панели лицам, принимающим решения, с изложением возможных последствий решения. Например, столкнувшись с критической нехваткой компонентов, менеджеры могут использовать эти информационные панели для разумного принятия решения о перераспределении ресурсов, смене поставщиков или методов доставки или остановке производства. После десятилетий использования методов производства «точно в срок» в цепочке поставок осталось очень мало провисаний, поэтому видимость данных и быстрое принятие решений могут стать решающим фактором между поиском предложения или его опережением. «Что заинтересованным сторонам больше всего нужно в этой ситуации, так это быстрое определение последствий решений», — говорит Мау. «У вас могут быть затраты, прибыль, качество, скорость решения, какие клиенты затронуты, каковы последствия для окружающей среды и так далее». Он добавляет, что алгоритмы помогают людям принимать более правильные решения. И после того, как решения приняты, их можно передать обратно в модели, чтобы помочь им подготовиться к следующему набору потенциальных сценариев. Обеспечение релевантности и удобства использования данных Надлежащее снижение рисков и реагирование на кризисы требует создания полезных и релевантных аналитических моделей с нуля. То, как компании строят их, оказывает большое влияние на их потенциальный успех. «В мире цепочек поставок существует множество различных источников данных, таких как системы планирования исследований предприятия (ERP), системы управления транспортом (TMS), системы управления складом (WMS), уведомления об отгрузке, электронные таблицы и рабочие столы», — говорит Маве. . «Все эти данные должны быть собраны и смоделированы, чтобы обеспечить истинную сквозную видимость». Однако, как это ни парадоксально, лучше всего начать с моделирования реальных ситуаций для менеджеров по закупкам и других сотрудников на местах.Интеграция программного обеспечения может быстро извлекать данные из разрозненных хранилищ, таких как системы ERP и WMS, и помещать их в цифровую форму. близнец организации. Но по-прежнему непросто интегрировать все эти данные при отслеживании управленческих решений. «Цепочки поставок — это балансирование, потому что улучшение в одной области может иметь негативные последствия для другой, — говорит Маве. как «единообразный семантический слой». По словам Маве, начав с сотрудников в реальных сценариях, а не со сбором данных высокого уровня, «вы гораздо лучше внедряете аналитические решения, потому что встречаетесь с пользователями там, где они работают». После того как данные, решения и операции должным образом отображены в единой системе, пользователи могут запускать симуляции на основе ИИ для моделирования сложных сценариев, которые затем четко передаются через цифровых помощников и информационные панели лицам, принимающим решения, с изложением потенциальных последствий решения. . Например, столкнувшись с критической нехваткой компонентов, менеджеры могут использовать эти информационные панели, чтобы разумно решить, следует ли перераспределять ресурсы, менять поставщиков или методы доставки или останавливать производство. цепочке, поэтому видимость данных и быстрое принятие решений могут быть разницей между поиском предложения или опережением. , прибыль, качество, скорость решения, какие клиенты затронуты, каковы последствия для окружающей среды и так далее». к лучшим решениям, добавляет он. И после того, как решения приняты, они могут быть возвращены в модели, чтобы помочь им подготовиться к следующему набору потенциальных сценариев. Сделать данные актуальными и удобными для пользователя Сделать данные актуальными и удобными для пользователя. Правильное снижение рисков и реагирование на кризисы требует создания полезных и актуальных аналитических моделей. с нуля. То, как компании строят их, оказывает большое влияние на их потенциальный успех. «В мире цепочек поставок существует множество различных источников данных, таких как системы планирования исследований предприятия (ERP), системы управления транспортом (TMS), системы управления складом (WMS), уведомления об отгрузке, электронные таблицы и рабочие столы», — говорит Маве. . «Все эти данные должны быть собраны и смоделированы, чтобы обеспечить истинную сквозную видимость». Однако, как это ни парадоксально, лучше всего начать с моделирования реальных ситуаций для менеджеров по закупкам и других сотрудников на местах.Интеграция программного обеспечения может быстро извлекать данные из разрозненных хранилищ, таких как системы ERP и WMS, и помещать их в цифровую форму. близнец организации. Но по-прежнему непросто интегрировать все эти данные при отслеживании управленческих решений. «Цепочки поставок — это уравновешивание, потому что улучшение в одной области может иметь негативные последствия для другой», — говорит Мау. «Это требует общего языка для того, как пользователи сообщают свои данные и как они получают к ним доступ позже, лексикона, называемого «унифицированным семантическим слоем». коллекция: «Вы намного лучше внедряете аналитические решения, потому что встречаетесь с пользователями там, где они работают». Как только данные, решения и операции будут надлежащим образом отображены в единой системе, пользователи смогут запускать симуляции на основе ИИ для моделирования сложных сценариев. Эти сценарии затем четко передаются через цифровых помощников и информационные панели лицам, принимающим решения, с изложением возможных последствий решения. Например, столкнувшись с критической нехваткой компонентов, менеджеры могут использовать эти информационные панели для разумного принятия решения о перераспределении ресурсов, смене поставщиков или методов доставки или остановке производства. После десятилетий использования методов производства «точно в срок» в цепочке поставок очень мало провисаний, поэтому видимость данных и быстрое принятие решений могут стать разницей между поиском поставок или их опережением». быстрое разрушение последствий решений», — говорит Мэйв. «У вас могут быть затраты, прибыль, качество, скорость решения, какие клиенты затронуты, каковы последствия для окружающей среды и т. д.» Алгоритмы существуют, чтобы помочь людям принимать лучшие решения, добавляет он. И после того, как решения приняты, их можно передать обратно в модели, чтобы помочь им подготовиться к следующему набору потенциальных сценариев. Создание целостной карты цепочки поставок Традиционно самой сложной частью составления карты цепочки поставок является определение всех различных хранилищ и подъездов, где может храниться соответствующая информация. «В случае с автомобилестроением вы могли бы всю жизнь пытаться смоделировать всю цепочку поставок и все глобальные последствия», — говорит Джафар Бейдун, директор по продажам компании-разработчика программного обеспечения o9 Solutions. «Для чего-то вроде аккумуляторов для электромобилей вы можете пройти весь путь до добычи лития». По его словам, можно смоделировать все эти отношения во времени, но компаниям лучше сосредоточиться в первую очередь на своих наиболее важных партнерах и поставщиках. «Один из наших клиентов использовал наше программное обеспечение для прогнозирования спроса и предложения, но он понял, что без прямого участия поставщиков их информация всегда будет устаревшей», — говорит Бейдун. «Чтобы получить информацию в режиме реального времени в одном месте, они определили наиболее важных и высокозатратных поставщиков и сначала интегрировали тех, с кем они работали лучше всего, а затем приняли поставщиков, расположенных дальше по списку». Такой способ сопоставления является итеративным, и после совершенствования процессов регистрации и обмена данными с первым набором из 15 поставщиков его легче распространить на следующую группу из 10 или 15, вплоть до самых мелких поставщиков. В качестве примера Бейдун приводит небольшого поставщика в Бангладеш, у которого не было надежного подключения к Интернету, но который мог загружать один еженедельный лист данных для информирования моделей прогнозирования. «При таком поэтапном подходе этот OEM-производитель достиг почти полной прозрачности цепочки поставок за два года, что примерно вдвое меньше времени, которое потребовалось бы, если бы они попытались внедрить всех поставщиков одновременно», — говорит он. И o9 Solutions, и Palantir используют Amazon Web Services (AWS) в качестве своей платформы облачных вычислений, что позволяет им увеличивать вычислительную мощность по мере необходимости. Но опыт AWS играет роль и в других отношениях. «Многие организации перестраивают свои ИТ-потребности в соответствии с платформами, которые предоставляет Amazon Web Services, — говорит Маниш Говил, руководитель глобального сегмента цепочки поставок компании. «У нас есть возможность собирать и систематизировать данные из разрозненных систем, таких как точки продаж, ERP и устройства Интернета вещей (IoT)». Конвейер приема, передачи и хранения данных AWS позволяет объединять данные из этих разрозненных систем для сквозной видимости. Компания также имеет большой опыт управления собственной цепочкой поставок, а также множество партнеров, обладающих узкоспециализированными возможностями в различных областях цепочки поставок. «Мы разбираемся в формировании спроса, обнаружении и планировании, управлении транспортировкой, обеспечении видимости транспортировки в режиме реального времени и управлении складом», — говорит Говил. «Есть много организаций, которые могут предоставить одну или две из этих областей знаний, но у нас есть очень обширная экосистема, которая объединяет их всех». Наряду с Apple, Proctor & Gamble, McDonald’s и Unilever, Amazon входит в пятерку компаний, признанных «мастерами цепочки поставок» консалтинговой фирмой Gartner, наиболее известной благодаря ежегодному списку 25 лучших компаний по управлению цепочками поставок. «Этот опыт позволяет понять, как AWS помогает другим компаниям создавать системы аналогичного типа, — говорит Говил. «Уже есть деловые сети, которые создали соединительную ткань для прозрачности цепочки поставок с помощью AWS». Несмотря на то, что данные принадлежат отдельным компаниям, такое подключение позволяет обмениваться очень специфическими данными от множества разрозненных игроков гораздо быстрее, чем любой обычный процесс сбора данных, а скорость имеет существенное значение. Создание целостной карты цепочки поставок. Традиционно самая сложная часть составления карты цепочки поставок — это определение всех различных хранилищ и разветвлений, где может храниться соответствующая информация. и все глобальные последствия», — говорит Джафар Бейдун, директор по продажам компании-разработчика программного обеспечения o9 Solutions. «Для чего-то вроде аккумуляторов для электромобилей вы можете пройти весь путь до добычи лития». По его словам, можно смоделировать все эти отношения во времени, но компаниям лучше сначала сосредоточиться на своих наиболее важных партнерах и поставщиках. «Один из наших клиентов использовал наше программное обеспечение для прогнозирования спроса и предложения, но они поняли, что без непосредственного участия поставщиков их информация всегда была устаревшей», — говорит Бейдун. «Чтобы получить информацию в режиме реального времени в одном месте, они определили наиболее важных и высокозатратных поставщиков и сначала интегрировали тех, с которыми они работали лучше всего, а затем приняли поставщиков, расположенных дальше по списку». после совершенствования процессов регистрации и обмена данными с первой группой из 15 поставщиков проще распространить ее на следующую группу из 10 или 15, вплоть до самых мелких поставщиков. В качестве примера Бейдун приводит небольшого поставщика в Бангладеш, у которого не было надежного подключения к Интернету, но который мог загружать один еженедельный лист данных для информирования моделей прогнозирования. подходе, это заняло бы примерно половину времени, если бы они попытались внедрить сразу всех поставщиков», — говорит он. И o9 Solutions, и Palantir используют Amazon Web Services (AWS) в качестве своей платформы облачных вычислений, что позволяет им увеличивать вычислительную мощность по мере необходимости. Но опыт AWS играет роль и в других отношениях. «Многие организации перестраивают свои ИТ-потребности в соответствии с платформами, которые предоставляет Amazon Web Services, — говорит Маниш Говил, руководитель глобального сегмента цепочки поставок компании. «У нас есть возможность собирать и систематизировать данные из разрозненных систем, таких как точки продаж, ERP и устройства Интернета вещей (IoT)». Конвейер приема, передачи и хранения данных AWS позволяет объединять данные из этих разрозненных систем для сквозной видимости. Компания также имеет большой опыт управления собственной цепочкой поставок, а также множество партнеров, обладающих узкоспециализированными возможностями в различных областях цепочки поставок. «Мы разбираемся в формировании спроса, обнаружении и планировании, управлении транспортировкой, обеспечении видимости транспортировки в режиме реального времени и управлении складом», — говорит Говил. «Есть много организаций, которые могут предоставить одну или две из этих областей знаний, но у нас есть очень обширная экосистема, которая объединяет их всех». пять компаний признаны «мастерами цепочки поставок» консалтинговой фирмой Gartner, наиболее известной благодаря ежегодному списку 25 лучших компаний по управлению цепочками поставок. «Этот опыт позволяет понять, как AWS помогает другим компаниям создавать системы аналогичного типа, — говорит Говил. «Уже существуют бизнес-сети, которые создали соединительную ткань для обеспечения прозрачности цепочки поставок с помощью AWS». Хотя данные принадлежат отдельным компаниям, эта связь позволяет обмениваться очень специфическими данными от многих разрозненных игроков гораздо быстрее, чем любые обычные данные. -процесс сбора – и скорость имеет существенное значение. Создание целостной карты цепочки поставокСоздание целостной карты цепочки поставокТрадиционно самой сложной частью картирования цепочки поставок является определение всех различных бункеров и подъездов, где может храниться соответствующая информация «В случае с автомобилестроением вы могли бы всю жизнь пытаться смоделировать всю цепочку поставок и все глобальные последствия», — говорит Джафар Бейдун, директор по продажам компании-разработчика программного обеспечения o9 Solutions. «Для чего-то вроде аккумуляторов для электромобилей вы можете пройти весь путь до добычи лития». По его словам, можно смоделировать все эти отношения во времени, но компаниям лучше сначала сосредоточиться на своих наиболее важных партнерах и поставщиках. «Один из наших клиентов использовал наше программное обеспечение для прогнозирования спроса и предложения, но они поняли, что без непосредственного участия поставщиков их информация всегда была устаревшей», — говорит Бейдун. «Чтобы получить информацию в режиме реального времени в одном месте, они определили наиболее важных и высокозатратных поставщиков и сначала интегрировали тех, с которыми они работали лучше всего, а затем приняли поставщиков, расположенных дальше по списку». после совершенствования процессов регистрации и обмена данными с первой группой из 15 поставщиков проще распространить ее на следующую группу из 10 или 15, вплоть до самых мелких поставщиков. В качестве примера Бейдун приводит небольшого поставщика в Бангладеш, у которого не было надежного подключения к Интернету, но который мог загружать один еженедельный лист данных для информирования моделей прогнозирования. подходе, это заняло бы примерно половину времени, если бы они попытались внедрить сразу всех поставщиков», — говорит он. И o9 Solutions, и Palantir используют Amazon Web Services (AWS) в качестве своей платформы облачных вычислений, что позволяет им увеличивать вычислительную мощность по мере необходимости. Но опыт AWS играет роль и в других отношениях. «Многие организации перестраивают свои ИТ-потребности в соответствии с платформами, которые предоставляет Amazon Web Services, — говорит Маниш Говил, руководитель глобального сегмента цепочки поставок компании. «У нас есть возможность собирать и систематизировать данные из разрозненных систем, таких как точки продаж, ERP и устройства Интернета вещей (IoT)». Конвейер приема, передачи и хранения данных AWS позволяет объединять данные из этих разрозненных систем для сквозной видимости. Компания также имеет большой опыт управления собственной цепочкой поставок, а также множество партнеров, обладающих узкоспециализированными возможностями в различных областях цепочки поставок. «Мы разбираемся в формировании спроса, обнаружении и планировании, управлении транспортировкой, обеспечении видимости транспортировки в режиме реального времени и управлении складом», — говорит Говил. «Есть много организаций, которые могут предоставить одну или две из этих областей знаний, но у нас есть очень обширная экосистема, которая объединяет их всех». пять компаний признаны «мастерами цепочки поставок» консалтинговой фирмой Gartner, наиболее известной благодаря ежегодному списку 25 лучших компаний по управлению цепочками поставок. «Этот опыт позволяет понять, как AWS помогает другим компаниям создавать системы аналогичного типа, — говорит Говил. «Уже существуют бизнес-сети, которые создали соединительную ткань для обеспечения прозрачности цепочки поставок с помощью AWS». Хотя данные принадлежат отдельным компаниям, эта связь позволяет обмениваться очень специфическими данными от многих разрозненных игроков гораздо быстрее, чем любые обычные данные. -процесс сбора – и скорость имеет существенное значение. Проблемы автомобильной цепочки поставок В течение последних двух лет, а также в ходе нескольких разрушительных «черных лебедей» в отрасли происходит изменение менталитета. «Многие OEM-производители и поставщики оказались в затруднительном положении из-за пандемии и нехватки микросхем, и теперь они пытаются разработать сценарии через три, шесть или девять месяцев, которые помогут им лучше управлять состоянием мира», — говорит он. Джейсон Кларк, вице-президент по промышленности в o9. Данные от поставщиков могут наметить множество возможных вариантов замены деталей и смещений линии поставок. «Существует ограниченное количество комбинаций, и вы можете довольно точно смоделировать правила того, как компоненты будут перемещаться», — говорит Кларк. «Когда вы сталкиваетесь с событием «черный лебедь» или серьезным сбоем, именно здесь ИИ может заранее рекомендовать решения или внедрять их практически в режиме реального времени». Основываясь на накопленных знаниях из прошлого опыта и карте цепочки поставок, «алгоритм может определить решение, которое оказывает наименьшее влияние на вашу цель, будь то своевременная доставка клиенту, вклад в маржу или что-то еще. Конкретные цели, подобные этой, можно запрограммировать в ИИ и отслеживать историческую производительность в сети и изменчивость на каждом из узлов», — говорит Кларк. Это делает организации более гибкими и устойчивыми. Кроме того, повторение шаблонов также информирует организации об относительно небольшом числе ключевых рычагов, оказывающих наибольшее влияние на бизнес, и о том, что будет означать нажатие еще одного из этих рычагов для итоговой прибыли. «Рычаги принятия наиболее эффективных решений легко понять, но машинное обучение действительно может помочь с необычными отклонениями», — добавляет Бейдун. Кларк говорит, что после COVID-19 произошел рефлекторный переход от традиционных методов цепочки поставок «точно в срок» к большему количеству ситуаций «на всякий случай». «Но я думаю, что они вернутся к методам точно в срок, когда у них будет больше времени для проведения достаточного дополнительного анализа, чтобы взять на себя приемлемые риски», — говорит он. «Нехватка чипов добавила уровень нестабильности, которого OEM-производители и поставщики не видели в течение длительного времени, и творческие решения, которые придумали люди, никуда не денутся», — добавляет Кларк. Это включает в себя лучшее прогнозирование и сокращение времени, необходимого для реагирования на изменения рынка, с месяцев, недель и даже дней. «Некоторые OEM-производители продвинулись дальше других, — говорит Бейдун. «Этот уровень срочности должен проникнуть во все организации, занимающиеся закупками и планированием. Данные делают это возможным, — добавляет он, — но вам также нужны люди и процессы, работающие вместе с инструментами». Поскольку поставки чипов все еще не хватает после почти двух лет попыток перераспределить поставки, а также в связи с новыми блокировками, связанными с COVID, OEM-производители чувствуют необходимость адаптироваться и обрабатывать больше своих данных. Используя мощь данных и преодолевая разрыв между операциями и аналитикой, они могут приблизиться к обеспечению стабильности предприятия даже во время самых сложных кризисов цепочки поставок. Проблемы автомобильной цепочки поставок В течение последних двух лет, а также в ходе нескольких разрушит

от kvacarevna