迈向更智能供应链：驱动制造业效率与创新

作为构成供应链复杂性的众多环节之一，制造可以是简单购买少量原料转化为产品，也可以是一系列相互关联的组件与工序。

Epicor英国及爱尔兰区副总裁Mark Hughes解释：“智能供应链的核心，就是尽可能高效。这意味着持续审视并理解供应链中哪里存在瓶颈，强化最薄弱环节，以最小化潜在供应链冲击。你要么消除挑战，要么将其上移或下移至供应链其他位置，确保高效交付最终结果。”

但要成为“最智能”供应链，“这更进一步，实现自我组织与自我优化。”Hughes补充，“例如，仅在需要时引入组件——控制库存与仓储，通过微调各阶段节奏防止瓶颈涌现。为此，整个供应链的最大可视性至关重要——技术在此可发挥益处。”

什么是智能供应链？

“智能供应链从工厂IoT传感器、AI及其他智能技术和数据源获取数据，追踪、监控、管理从制造商到零售商的商品。这种监控设计、制造、生产、仓储全流程的能力，有助于确保可追溯性、符合质量卫生最新标准，并提供跨价值链所有阶段的更好整体流动、可视性与协作。”

“智能供应链自我改进与自我优化。能从环境与过往行动学习。能预测瓶颈并规避中断。能优化库存，确保正确数量在正确时间出现在正确地点。对制造商而言，这意味着更好的交付时间与绩效、更低成本、效率增益、风险降低等。” — Jim Bureau, JAGGAER CEO

是什么驱动向更智能供应链的转变？

供应链由采购、制造、分销、运输、接收等多个环节组成，产生海量信息与数据。加之供应链风险意识提升，行业加速采用IoT技术让供应链更智能。

Hughes表示：“若仅一个环节薄弱，便可能对整条链造成毁灭性影响。没人想当弱环，因此全链组织持续致力于风险缓解。这种持续改进循环孕育出更高质量的供应链。”

“汽车行业双源采购便是绝佳例证。车企可能从单一供应商获取某零部件95%库存，但保留5%从第二供应商采购。主供出问题时，可迅速向备选加单。这规避风险、降低中断可能、增强供应链韧性。”

JAGGAER CEO Jim Bureau与Blue Yonder制造业务高级副总裁兼总经理Hong Mo Yang均强调COVID-19在推动智能供应链转型中的作用。

Bureau说：“COVID-19暴露了全球供应链缺口，凸显了更大透明度、效率与实时信息流的整体需求。短缺造成重大中断，给制造商带来巨大压力，尤其关键产品如个人防护装备（PPE）、洗手液、媒体设备等，需尽可能高效应对。”

Yang补充：“过去一年，COVID-19冲击众多行业，制造业受创尤重。在此背景下，向智能供应链转型从未如此重要：许多制造商的传统供应链系统缺乏足够敏捷性应对中断，更别提预判与规避。这正在驱动智能供应链转型。”

Bureau还补充工业4.0作为驱动力：“高阶自动化未来几年将为制造业带来大幅增长，宽泛供应链需同步进化以规模化收益。此外，大规模定制需求增长呼唤更智能、数据驱动的方法，管理定制产品复杂性，同时最小化成本、短缺与过剩库存。”

制造商如何在供应链中开发更智能的运营？

Hughes表示：“制造商开发智能供应链，始于数字化。首要步骤是向内看，确保拥有组织的全面数据驱动图景。每个车间独一无二，流程独特，没有一刀切方案。有了中心化视图，组织能清晰看到哪些流程未驱动足够效率。”

“通过车间运营数字化，制造商将获得数据驱动洞察，确保供应链各环节尽可能高效。与各环节共享洞察，供应商可根据需求实时反应调整供应。称之为自主或超连接——本质上我们谈论的是实现信息的最大可视性。”

Yang赞同Hughes，补充道：“识别你想解决的用例与挑战很重要。务实实施新技术创建智能供应链，将允许公司规模化交付更大价值。许多公司今日致力于构建供应链韧性，这需要实时可视性与可执行分析，以驾驭供应链冲击、做数据驱动决策。”

“看最近苏伊士运河事件，一艘1300英尺集装箱船横卡在连接亚欧最繁忙航运动脉。借助我们的AI/ML控制塔，我们帮助Blue Yonder客户通过实时预测对库存、产能、销售的影响，提前应对早期涟漪效应，采取纠正行动缓解冲击。”

面对COVID-19与苏伊士运河等严峻风险，“智能供应链从未如此重要。”Hughes说。“供应链越智能，越高效、越有韧性。总会有大大小小的颠覆性事件威胁供应链，但智能供应链有更大成功几率缓解这些风险。真正的优化意味着应对异常，而非常态。归根结底，尽可能收集更多数据以提升全链可视性。智能供应链会处理大数据点并自我优化（如需求突变耗尽库存），释放一线人员专注于无法优化掉的微小破坏性异常：供应链的‘爆胎’。”

智能供应链：顶级趋势

Jim Bureau, JAGGAER CEO:

• 敏捷与更好协作： 疫情凸显的供应链压力，让组织渴望敏捷与快速响应变化。智能供应链提供的可视性与实时监控，让制造商与下游合作伙伴更轻松有效地协作解决链上任何节点出现的问题。这驱动效率、绩效、更强关系与韧性。
• 可持续性： 广义上——环境、社会、经济——也成紧迫议题，制造组织日益有意识地开发资源高效行为，真正了解合作供应商。驱动效率、优化路线、通过N级供应商更大溯源提升供应基地透明度、确保合规、限制过度生产、浪费与过剩库存，只是智能供应链推进可持续性的几个方式。

Hong Mo Yang, Blue Yonder制造业务高级副总裁兼总经理:

• 人工智能（AI）/ 机器学习（ML）： 供应链有许多AI/ML用例。从预测需求、预判中断，到优化运输路线、资源规划与客户履约策略，AI/ML广泛实施以驱动效率、自动化、实现跨供应链网络的更大可视性与集成。
• 数字孪生： 为帮助供应链领导者跨端到端供应链做正确决策，数字孪生至关重要。通过创建物理供应链的数字化表征，公司可利用数字孪生做局部与全局决策、提升态势感知、有信心评估各种场景影响。更重要地，组织可预判决策对战略业务目标的影响，如营收增长、利润率控制、客户满意度目标。
• 数据科学家需求： 随着公司持续投资AI/ML、IoT与机器人新技术，叠加汇聚内外部更高量级数据的要求，数据科学家需求将增长。如今数据科学家致力于解决诸多挑战：建模数据、制定计划使供应链更可持续、借助更大可视性与控制提升响应速度与敏捷性、用AI/ML与大数据自动化决策流程，让公司做出更明智、更具战略性的商业决策。