Supply Chain Science und Technologie
ZURÜCK ZU LOKAD TV ›
Die ABC-Analyse funktioniert nicht
Die ABC-Analyse ist eine weit verbreitete Bestandskategorisierungsmethode, die in vielen Supply Chains verwendet wird. Ihr Ziel ist es, die Aufmerksamkeit des Managements dort zu priorisieren, wo es am wichtigsten ist. Diese Methode hat jedoch viele Schwächen und kann nicht mehr als State-of-the-Art angesehen werden.
Modularisierung in der Supply Chain
Während die physische Infrastruktur, die die meisten Supply Chains unterstützt, hochgradig modular ist, tendiert ihre Softwareinfrastruktur, z. B. Bestandskontrolle oder Bedarfsprognosesysteme, dazu, monolithisch und spröde zu sein. Als Ergebnis gibt es immer noch große Softwareversorgungskettenausfälle im großen Maßstab.
Vertriebs- und Betriebsplanung (S&OP)
Die Vertriebs- und Betriebsplanung (S&OP) ist eine unternehmensweite Praxis, die darauf abzielt, eine überlegene Durchführung der Lieferkette zu erreichen, indem eine tiefere Abstimmung mit anderen Abteilungen jenseits der Lieferkette - insbesondere Vertrieb, Finanzen und Produktion - genutzt wird. Trotz der Behauptungen mehrerer Anbieter, dass erstklassige Unternehmen unter S&OP arbeiten, leiden die meisten Implementierungen unter ähnlichen Mängeln, die in der Natur von S&OP selbst liegen.
Datenjobs in der Supply Chain
Supply Chain Management (SCM) Praktiken werden zunehmend datengetrieben und quantitativ. Es sind neue Rollen entstanden, wie der Supply Chain Scientist. Unternehmen müssen strategische Entscheidungen darüber treffen, ob diese Kompetenzen intern entwickelt oder externisiert werden.
Datenanforderungen für die Optimierung der Supply Chain
Die prädiktive Optimierung der Supply Chain basiert auf sorgfältig vorbereiteten Daten. Der Zweck dieser Daten ist zweifach: Erstens werden die historischen Daten der Supply Chain verwendet, um die Prognosemodelle zu erstellen, und zweitens werden die Daten, die den aktuellen Zustand der Supply Chain beschreiben, zur Optimierung der Entscheidungen verwendet.
Nachfrageprognose für neue Produkte
Neue Produkte haben keine Verkaufshistorie, die als Zeitreihe dargestellt werden kann. Daher funktionieren Zeitreihenprognosemodelle nicht für neue Produkte. Die Prognose der Nachfrage für neue Produkte erfordert alternative Prognosemodelle, die in der Lage sind, Daten wie Produktattribute zu nutzen, die nicht als Zeitreihe vorliegen.
Angst vor Veränderung in der Supply Chain
Eine gute Praxis im Supply Chain Management (SCM) beinhaltet eine gesunde Dosis Konservatismus, da die Kosten für Misserfolge tendenziell hoch sind. Dennoch ist die Ablehnung jeglicher Veränderung in einer Welt, in der Innovation rückständige Unternehmen aus dem Geschäft drängt, keine Option.
Software-Frankensteinisierung in der Supply Chain
Die Verwaltung von Lieferketten und deren Optimierung ist aus softwaretechnischer Sicht besonders herausfordernd. Die 'Software-Frankensteinisierung' bezieht sich auf den technologischen Verfall, der Unternehmenssoftware plagt, wenn sie mit ihrer eigenen Entwicklung über mehrere Jahrzehnte konfrontiert wird.
Probabilistische Vorhersage für Supply Chains
Die Optimierung von Supply Chains beruht auf Erkenntnissen über die Zukunft. Klassische Vorhersagen ignorieren die Unsicherheit vollständig und nehmen an, dass die Vorhersage perfekt bekannt ist. Im Gegensatz dazu berücksichtigen probabilistische Vorhersagen die Unsicherheit und spiegeln wider, dass die Optimierung der Supply Chain auch bei unerwarteten Ereignissen robust bleiben sollte.
Internet of Things für Supply Chains
Um eine effiziente Supply Chain Management-Praxis zu gewährleisten, müssen Manager Zugang zur Position jedes einzelnen Vermögenswerts haben. Im Gegensatz zum klassischen elektronischen Lagermanagement bietet das Internet der Dinge (IoT) die Möglichkeit, Echtzeit-Sichtbarkeit auf alle Vermögenswerte, einschließlich Fahrzeuge, zu erlangen.
Datenbereitstellung in der Supply Chain
Die ordnungsgemäße Vorbereitung der Daten ist eine Voraussetzung für den Erfolg jeder datengetriebenen Initiative. Bei der Betrachtung von Herausforderungen in der Supply Chain ist die Datenbereitstellung schwierig, da sie komplexe Unternehmenssysteme betrifft, die nicht mit Data Science im Hinterkopf entwickelt wurden.
Künstliche Intelligenz und Supply Chains
In dieser Episode sprechen wir über dieses große Schlagwort und seine Anwendung auf Supply Chains.