TUhjnbcbe - 2020/12/8 16:05:00
昨天主要讨论了供应链风险管理相关重点，即一是要有供应商备选，保持一定的供应弹性，适当让供应能力超过需求；二是将整个供应链透明化，有多少供应商，分布在哪里，各自面临怎样的潜在风险（如*策、自然环境、安全生产、用工等方面），目前生产及开工情况如何，物流是否畅通等等，这一切都应该在供应链管理系统里有所映射。在供应链管理领域，有供应链控制塔（SCCTs）的概念，控制塔提供了供应链与物流的端到端的透明可见，额外赋能数据的自主分析甚至学习能力，从而成为未来供应链神经中枢。因此控制塔其实可以看作是供应链在“平行宇宙”维度中的数字孪生体——供应链里发生的每一个变动都可以在数字孪生体内部有准确映射，完善控制塔的前期就是要具备一套完善的数字化供应链管理系统，而构筑这系统的最基础单元就是数据。新兴供应链相关学术文献之中，数据（Data）扮演着重要角色。一方面，不同的数据源使供应链不同环节的预测变为可能，逐步实现透明化的供应链流程；但是另一方面，现如今供应链上下游产生的信息和数据量是巨大且非结构化的，因此如果一家公司希望为一个特定的应用程序选择正确的数据，那么这家公司需要做出明智的选择。“二八定律”同样适用于透明供应链的描述：只有20%的公司可以充分利用数据提升供应链稳定性和鲁棒性。剩下80%的公司流失数据所产生的价值，甚至带来损失。智能化的数据处理方式与透明供应链息息相关。从战略角度分析，正确积极地利用大数据分析以及模型方法可以有效降低供应链潜在风情。关于透明供应链，目前从不同角度有着许多不同的定义，从总体逻辑来说，透明供应链指的是围绕库存、订单和物流的控制与计划的相关完整信息链。现阶段的全球供应链正在经历数字化、智能化的过程。ERP系统中大多就包含供应链管理功能模块，SCM系统也是通过数字技术手段对供应链各个环节中的物料、信息、资金进行采集、输入系统，然后对资源进行计划、调度、调配、控制与利用。一、透明供应链构建流程方法如何按照实际需求构建透明供应链，菁芃认为主要通过包括数据收集和分析、数据源挖掘和数据即时共享三个层级进行规划。第一层级，收集和分析正确数据据埃森哲发布的研究报告，每年全球存储数据的数量增长40%～60%。如果利用好这个巨大且稳定增长的信息和数据（来自外部/内部/公司资源和公共资源），将给公司带来巨大的潜在好处。但为了更有效地实现这一目标，商业领袖们不得不去了解公司真正的信息需求。利用正确的数据提供一个更好的信息基础，继而转化为更英明的决断。事实上，采用数据驱动型决策的公司在生产力方面优于同行业其他公司5%，盈利能力方面超过6%。如果为了优化供应链流程，正确的数据与适宜的分析有很多种办法可以提供公司需要的信息。在一个消费主导型公司内，来源于客户服务和社交媒体的数据将帮助研究和开发工程师研发消费者真正想要的产品；获取司机在哪里浪费了时间的数据对于提高车队送货效率是非常重要的；准确、实时的库存信息将帮助经理提高订单交货的可靠性；配备检测零件传感器的机器，将通过由时间表决定的维修转为需求驱动的维修，来提高生产设备的利用率。在评估了什么样的数据可以最好地支持公司的决策过程后，商业领袖们需要规划一个明确的策略，即如何获取有效数据，然后将这些数据变得有意义。他们的策略应该包括信息技术平台和接口的标准化，从而提高企业层面数据的可用性。第二层级，优化数据源挖掘方式在很多情况下，统计算法在执行任务方面优于人类的决策者。这种优势在低效率且不确定、不可预测性的环境下尤其明显。这一现象的一个佐证就是对未来葡萄酒价格的预测。常规做法是在丰收之后，一批技术专家对精品葡萄酒进行估价，然后预测哪种葡萄酒最有价值。引人注意的是，研究人员发现简单的线型回归分析得出的结果远远优于专家们的评估。在许多情况下，我们甚至不需要收集新的数据来提高决策过程。对数据仓库的一个新的调查往往可以得到许多新的业务机会。因为存储的数据往往包含了大量未使用但具有潜在价值的信息。当今在企业资源规划系统中的许多优化程序仍然基于典型的线性优化方法或来源于此方法的衍生法。尽管有这些优势，运用线性优化的模型仍然有着相当大的弊端，这种弊端使得这些模型在一些现实生活的场景中并不适用。
这样的挑战可以通过在评估问题中应用非参数算法来满足。大自然为这样的算法提供了一个示例。“适者生存”是解决适应问题的一个稳健方法（这也是最优化的）。“遗传算法”模拟了进化和自然选择的过程。在一个研究项目中，我们在制药合同制造商中，比较算法与人类决策得到的结果，我们发现当运用算法计算后，产品组合的总采购成本最多节省高达8.7%。另外遗传算法优于经典的线性建模方法达到26%。我们的发现支持许多专家的观点，即现有的内部数据通常涵盖足够多的信息以优化网络。
诚然有时候跳出固有思维模式来思考问题也是有价值的。单独地分开数据域也会有惊喜的发现。比如，通过对比销售点数据与恶劣天气警报。沃尔玛发现了一个引人注目的模式：在受到飓风威胁的地区，不单单是紧急救援设备的需求量增加，而且人们也在囤积蛋挞。然而，在某些情况下，这种回顾见解并不足以满足特定环境下的挑战。实时数据将被用来帮助供应链转变为动态适应网络。在这种情况下，没有选择，只能寻求新的数据源。第三层级，新基建时代的数据共享除了传感器和移动设备提供的数据外，通过网络搜索引擎和社交媒体，企业可获得一个巨大且稳定增长的数据流。这个数据流以前所未有的体积、速度和种类，被命名为“大数据”。大数据的潜在经济影响是巨大的。比如，咨询公司麦肯锡预计，美国医疗保健行业通过利用大数据驱动效率和维持品质，创造了亿美元的价值。非结构化数据源的使用，比如网络搜索查询，已经被证明在提高对未来事物预测结果的准确性上尤其有用。例如，网络搜索查询可以预测流感流行，或预测电影、音乐和电脑游戏的成功，它比传统方法能更准确、更迅速。大数据分析解决方案不仅可以帮助用户了解过去发生了什么事，而且可以分析什么是碰巧发生的，然后模拟任何相关决策的影响，QuartetFS公司的简威仁艾德里安所强调的一点是，供应链软件供应商可以通过使用数据流来提供内存使用以及分析技术。在一个供应链环境中，大数据的主要优点是数据速度的可用性，(几乎)可以实现实时监控或预测。为了利用这一点，瑞士工业公司ABB使用结构化和非结构化数据源来收集和整合信息，从而提高其供应链的弹性，以应对各种各样的风险。随时拥有可利用信息大大改变了日常运营。这使得供应链可以动态地适应未来的要求，甚至是实时客户的需求。在运输操作中，这些功能可以在效率和成本方面产生重大影响。
在大城市，交通拥堵对于上班族与商业交通来说都是每天的负担。为了避免停滞，一些快递服务在最后一公里的配送中使用全球定位卫星系统数据来动态调整配送线路。在消费者方面，移动应用程序重塑了大城市的出租车市场。客户可以根据他们的个人喜好和支付应用，选择一台适合自己的出租车。为了避免出租车供应的短缺，供应商会在高峰期或恶劣天气时动态调整票价。通过允许公司做出实时调整以应对需求和产量的波动，可以提高现实中的供应链运营效率。然而，商业案例也必须要具体问题具体分析。二、透明供应链中的物流系统透明供应链管理的本质就是是利用数字技术构建的供应链系统，让相关管理者精准掌握企业信息，实现管理上的透明化与可视化，做到“基因层面”的信息对称。构建透明供应链的意义是让企业的流程更加直观，使企业内部的信息实现可视化，并能得到更有效的传达，从而实现管理的透明化。而透明供应链的核心组成，就是物流信息系统的完全可视化，信息系统可视化(InformationSystemVisualization，简称ISV)的内涵是将数据通过图形化、地理化形象真实地表现出来，并且找出数据背后蕴涵的信息。信息可视化相关技术能够实现对信息数据的分析和提取，然后以图形、图像、虚拟现实等易为人们所辨识的方式展现原始数据间的复杂关系、潜在信息以及发展趋势，以便我们能够更好地利用所掌握的信息资源。供应链可视化就是利用信息技术，采集、传递、存储、分析、处理供应链中的订单、物流以及库存等相关指标信息，按照供应链的需求，以图形化的方式展现出来。透明供应链可以有效提高整条供应链的可控性，利用可视化物流系统的改进，从而大大降低供应链风险。（1）订单管理系统订单管理系统是提供基于订单进行业务沟通、执行物流服务和订单跟踪的系统。通过对订单的流程管理和规则控制，实现物流运送计划，有效降低货物库存。支持统一客户订单管理，统一订单调拨，实现订单全流程的可视化，并且还具有灵活可配的自定义工作流程及规则引擎。在物流信息平台，可以实现订单的跟踪功能，通过对物料的标签进行扫描，来记录产品的使用及现有状况和来源等信息；通过对半成品的在生产中的所经历过的工序记录和数据统计来跟踪其生产细节，可以在返回品或者生产过程中能够追踪到在生产中的哪道工序、哪些物料、哪个机型、哪些人员等等存在问题；通过对成品的包装、入库、库内调整、出库、还有质检等工序记录、统计来跟踪成品在最后阶段的状况以便需要时进行查询操作；最后实现对整个生产从部品到半成品到成品的单个、类别以及全部的产品追溯、质量控制和流程管理，建立完整的生产追溯管理系统平台。可视化订单系统，可以有效帮助生产计划与排产，成为适应订单、节约产能和成本的有效方式;有效的生产过程控制，防止零配件的错装、漏装、多装，实时统计车间采集数据，监控在制品、成品和物料的生产状态和质量状态，同时，可利用条码或RFID自动识别技术实现员工的生产状态监督。（2）仓储管理系统通过在物流公司总部设立一级报警与监控中心，建立主控中心，实现对前端所有仓库的集中监控管理，中心用户按权限通过网络浏览管理前端仓库状态与信息。主控中心(一级监控中心)是报警监控系统的核心部分，是利用视频识别分析技术、计算机网络、地理信息技术、数据库技术开发的整合式集中智能综合监控管理控制应用平台，中心汇接各前端仓库相关信息，将所需的视频、数据等信息通过网络进行传输、存储和共享，并根据授权进行远程调阅、查询，由开放的接口实现互联、互通、互控及其它多种应用，为各级领导决策、指挥调度、取证提供及时、可靠的第一手信息。超越常规仓储系统的限制，提供全过程的货运信息可视化给客户及客户的客户。通过优化仓库内信息和存货的流动，显著提高货运和库存的准确性。仓储管理支持多货主多级多仓管理能力，系统并具备灵活全面的收货、上架、拣货、发货、库存管理等业务功能，用全面支持条码与RFID等自动化设备。（3）运输管理系统运输管理系统支持多种运输模式（公路、铁路、水路、航空、短驳、多式联运、移库作业和提货作业等）和多种运营模式（包括自营、对流、外包、主流业务处理和零散业务处理等），帮助客户提高运输管理效率，增强系统化执行管理。支持多调度中心和客户订单整合、分拆与运输车辆资源和路线的优化，并可对车辆、订单实现全过程的可视化监控。货物在运输过程中容易发生损毁、丢失和被盗等问题，如何在移动过程中有效的监控运输过程和货物状态，确保货物能及时、安全地到达目的地，成为物流公司迫切需要解决的问题。设计与实现移动载体综合监控分系统，利用全球定位、地理信息系统、计算机视觉、模式识别、人工智能等技术，实现对运输过程中车辆和货物的有效管理与监控。该系统由车辆监控与管理、货物运输过程状态监控和无线数据传输部分组成，通过3G无线网络与主控中心管理系统实时通信。基于GPS的车载定位系统能够及时将货车的位置信息发送回位于公司总部的总控中心，由地理信息系统进行实时更新和显示；在货车驾驶室内架设摄像头，可监控行车过程中司机的精神状态，防止出现疲劳驾驶，杜绝事故苗头；通过数据传输部分的无线网络，可将压缩后的监控视频和分析结果传输至总控中心备份保存。其实，供应链管理是当今制造业管理信息系统的重要环节之一，研究供应链管理不仅仅局限于物料供应或物流控制。未来透明供应链管理体系涉及的知识学科会越来越多。三、透明供应链的技术变革方向近年来智能化供应链趋势愈发明显，数字经济已经作为全球发展共同主题，新冠疫情又加速了全球市场结构调整和供应链改造的步伐，当前全球正在掀起一场规模空前的供应链管理体系变革——以往的供应链管理技术是应用条码、射频识别，实现对供应链上的商品识别，最终由人来实施控制；物联网技术广泛应用，使得未来供应链可以通过传感器、IOT盒子等数字终端设备，自主实时生成可追踪的海量数据，数据也变得更加多元化，这才是真正意义上的“端到端全数据传输过程”。同时，大数据可以与AI整合供应链的数据信息，与网络社交、新闻、活动和天气等供应链相关性信息平台结合，利用高智能高维度的机器学习模型来预测任意供应链的价格、产量、订单需求、开工复工率等变化情况，且预测准确性将呈现几何增长。目前在我国国内市场，技术在供应链管理中的应用，只实现了供应链的局部透明化，还没有哪家机构或者平台可以做到供应链风险管理全套流程中任意环节参数的技术支持，但是国家层面出台的一系列*策，都是向着供应链全套流程服务的方向发展。另外现阶段基于数字技术的供应链透明化服务在制造业领域的渗透率尚且不高，更不用说服务行业和其他行业，尤其是大量的中小微企业离真正的透明供应链还很遥远。未来实现全透明供应链管理模式，菁芃认为主要变革趋势集中在以下几个方向：（1）打造生产制造环节协同管理模块。通过“组合、拆分、迭代更新”的模式将整个供应链进行类似汽车零部件的集成化工序，将各环节进行整合，打通物流、信息流、资金流，使各环节有序运转。这不仅包括企业内部的供应链职能集成，也包括企业外部与客户及供应商的打通，避免信息孤岛（silo）。（2）定义供应链全流程的关键管控点或“流程+业务”KPI体系。主要采用平衡记分卡的业务主体分析，当业务流程运转不正常时，可以及时发现问题，并可以快速聚拢相关团队解决问题，这里可以利用目前的一些先进技术，如移动社交网络、云计算平台等。（3）利用大数据分析技术，进行仿真模拟和数据挖掘，持续改进，持续修正具有真正意义的KPI。没有完美的供应链，只有持续改进的供应链，而改进的基础正是基于数据分析结果的。不断完善新基建结构体系，实现供应链的可视化与智能运营，包括大数据分析、区块链、物联网等。（4）建立数据标准化体系，健全数据管理的流程与KPI。通过设立专门的组织职能来管理数据，包括物料分类及编码、供应商分类及编码。这也是透明供应链的根基所在。（5）重塑企业整体系统技术架构EA。并保留与企业其他系统打通的系统接口，包括与企业研发、财务管理、销售管理等系统。预览时标签不可点收录于话题#个上一篇下一篇