后疫情经济下制造业敏捷性跃升指南
消费品制造商面临巨大挑战，新冠疫情强制停工、商业近乎停摆。消费需求变迁，支出放缓转向网购，拉紧制造商供应链。随疫苗接种劳动者，制造业转型复苏和后疫情焕新世界的乐观情绪升温。
疫情暴露制造商典型反应问题和数据使用的长期顽疾。行业采纳AI、机器学习等最新技术迟缓，流程自动化落后于其他行业。疫情经济冲击将企业置于压缩时间线中转型执行新常态。制造商须即刻行动寻找供应链流程改进，以省钱、规模化运营、助业务从动荡2020复苏。以下是2021及未来几年发展敏捷性和竞争力的几大策略。
采用动态风险响应管理
制造商应审视运营识别流程导致的价值流失。缺失元器件设备是否持续导致问题、造成积压订单或取消订单？些少用产品材料进仓库是否久置占宝贵地盘？某些急需物品是否持续延迟到货，团队是否须用更快运输方式从而侵蚀利润？车间资源、劳动力、设备可用性问题是否让出库发货冒险？
此类问题可通过更好获取实时数据流、具备识别风险即时做情境决策能力来解决。有了实时数据，制造管理者能做更好选择实现无摩擦执行。能预判发货延迟、主动调整计划或替代供应商。实时数据远比回顾历史信息或跑基于陈旧信息报告更有价值。制造商可用电子日志设备和云驻留技术提供实时发货监控。有实时数据，也能通过全部门输入输出流程更高可视性改善质控。并能确保每批次可追溯可分析。
实时数据让制造管理者达成改进整体设备效率目标，通过主动方式应对制造供应链。动态风险管理将对2021至关重要，因商品需求加速、消费者期待零售商即时响应，进而施压制造商按需供货。
用自动化实现规模化
疫情期间制造商需按剧烈波动需求向上或向下扩缩运营。有些管理得比其他好。成功者典型利用自动化流程消除手工动作、从每个工人、机器、工作中心榨取更多生产力。为利用预期2021反弹增加自动化需战略方法，在影响最大领域增自动化。
自动化流程对匹配消费者期待"新常态"至关重要。增自动化让你更快达规模。对制造商，可帮填补熟练机加工人员等短缺工人留下的空白。
新冠暴露复杂供应链脆弱性。自动化配合改进数据管理可助制造商降低这些系统部分风险和浪费。有数据智能和自动化结合，管理者能为高层提供情境报告，做更广泛变革改善收入、进一步精简供应链。
引入AI与机器学习
熬过疫情的制造商现在需征服新版图：满溢苛刻客户、需无缝快速供应链。AI能大幅改善零部件材料管理，通过检测供需变化动态再分配库存。能助制造商减少不必要建立和昂贵重建停机时间。出库发货方面，AI提供可承诺可发货和发货位置实时监控、订单分配选项、满单率和交付日期数据、以及订单更好风险评估。揭示延迟根因，无论采购或生产相关。
随需求变化，AI提供最佳动态重路由选项，让团队在问题发生前规划调整。这是主动法转换：基于实时发生而非猜测应用规则、管理供应链。管理者可收未来瓶颈预警，AI平台预测生产流程变化。允许他们基于更多实时或当前数据而非直觉或错误现场观察做更主动决策。AI也能改善交接班提升协作效率。
制定后疫情计划
制造商可通过采纳数据驱动哲学在2021繁荣：汲取实时信息、AI洞见、自动化流程做更好决策。需现代化流程的制造管理者应考虑运营智能伙伴，能通过AI和机器学习提供增强敏捷性。这新敏捷性级别将让他们更好应对变化世界、正面迎击2021需求。
Vikas Rajput是OpsVeda副总裁兼供应链专家。
工业技术