|
整个供应链都敏锐地感受到了 2020 年的一些挑战，其中许多挑战可能会导致工作流程和流程发生持久变化。
在提高效率和缩短周转时间的同时减少不确定性需要一套现代供应链和物流工具。这意味着利用自动化。最近的事件有助于推动人们对更具弹性和可预测性的供应链的需求。自动化能让我们到达那里吗？
为什么自主性在供应链中很重要？
自主供应链可以预测中断并在它们出现之前提供减压阀。
Digi-Key 总裁Dave Doherty 表示： “物流合作伙伴的‘Covid 附加费’[现在]类似于几年前引入的‘燃料附加费’ 。” 不过，也许不必如此。
Doherty 仅指当前供应链面临的最广为人知的挑战。其他因素包括不可预测的天气事件、地缘政治干扰、不断变化的制裁、法规和关税、难以采购原材料以及比以往更快地进行分销、拣货和包装和客户退货的压力。
所有这些都为整个供应链的自动化提供了明确的理由。该行业会完全自主吗？这就是今天的动态。
自动化实时数据收集
如果在供应链中开展业务，则必须自动收集数据。到 2025 年，地球人口每天可能会生成和存储463 EB 的数据。自动化提供了利用大量信息的方法，否则这些信息可能会被闲置。
数据是供应链其余部分优化和自动化工作的支柱。
假设您可以自动收集、传输和分类从每个供应链活动中收集的数据。在这种情况下，您有办法让这些活动中的每一项都更快、更高效、更有能力从挫折或外部影响中恢复过来。
该行业转向完全自动化的这部分工作正在进行中。一些公司使用大数据每年从他们的交付路线中减少数百万英里的行驶里程。
在供应链中应用自动化的实际领域
供应链公司有充足的机会将收集到的数据用于工作，市场上有很多关于如何去做的选择。数字流程自动化和机器学习是用于自动化重要但也容易出错的手动任务的强大工具，例如：
扫描进货
分拣商品以进行存储或包装
监控消耗品的水平，例如包装
识别工作流程中的瓶颈
在基本或需求库存不足时发出警报
这些流程可以由供应链团队自动化，无论他们涉及制造、分销、仓储、运输、港口管理还是最终销售点：
二维码和 RFID 标签允许自动和/或免提扫描进货货物
大数据平台和智能工具研究行业趋势以预测材料或人员短缺
分布式传感器和计算识别表现不佳的材料处理线、人员或流程，并在衡量结果的同时实施更改
自动化的后台功能使审计和日程安排等文书工作自动且无缝地生成
凭借 5G 的速度和低延迟，这种数据传输将比以往任何时候都更快、更无缝，这有助于更快地响应收集到的信息。
自动化仓库和配送设施
大流行期间最近的人员短缺和“伟大的辞职”表明，关键的供应链工作流程需要深思熟虑地应用自动化。对于人员密集且频繁靠近的区域尤其如此，例如配送和仓储设施。
自动导引车 (AGV) 允许自动运输货物，而无需大量人流量穿过设施。搬运货物托盘既困难又笨拙。然而，机器人市场已经产生了许多选择来消除这些和类似过程中的人为因素，以及相关的挤压和挤压事故。
自动化最后一英里和一般交付
明天的供应链是否有可能实现最后一英里交付的自动化？有迹象表明是的，因为一些最大的零售商正在积极试验它。无人机送货显然是朝这个方向迈出的一步。
更不用说即将到来的自动化浪潮将席卷卡车运输行业。一些业内人士预计，到 2024 年或 2025 年，大量货运将通过自动驾驶卡车转移。这是物流的分水岭，并说明了一旦无人驾驶技术完全成熟，未来供应链的自动化程度将如何。
自动化薪资和后台流程
全球市场意味着全球人才库。对于跨司法管辖区和边界运营的公司而言，在入职、工资单以及时间和费用跟踪过程中保持合规性和彻底性是一项比普通公司更复杂的任务。
这就是工资单和其他后台流程的自动化正在获得动力的原因。一些估计认为，仅处理成本就可以节省 80% 左右的收益。这种转变的部分原因是金融监管收紧。其余的好处包括为需要人性化的活动节省人力资源部门的时间和精力。
自动化需求预测和计划
对要制造多少商品、仓库和代发货进行“最佳猜测”的日子已经一去不复返了。历史需求预测很有用，但自动化和机器学习可以使用历史数据和更新的数据来形成可操作的未来图景。
自动化和预测分析是为什么分销过敏药物的公司能够知道何时何地最需要他们的产品的不可思议的能力。根据Orchestro 的副总裁Anuj Agrawal 的说法，“如果你花一周时间整理数据并发现某个地方缺货，那你就亏了。”
现代建模工具不仅适用于季节性产品——它们适用于任何产品类别。由于法规和关税的变化以及不可预测的恶劣天气事件等因素，需求可能会发生变化。然而，由机器学习提供支持的企业规划工具在确定对需求的最大影响和公司满足需求的能力方面变得越来越好。
知道要关注哪些技术
所有这些因素都清楚地描绘了一个正在转型的行业。其结果将是一个精简、高效且能抵御内部和外部因素（如波动的政治和气候）的全球机构。
供应链自动化的最终体现是“熄灯”工厂。他们在几年前首次上线，其中一个甚至获得了“年度最佳植物”奖。现在已经存在使工厂几乎 100% 自动化的方法，减去一些人工质量控制和维护专家。
自动化和使用实时数据收集需要关注机器学习和人工智能等新兴技术。但是，将收集到的数据点转化为您可以在仓库或配送中心楼层看到的结果，始终需要人类洞察力。
注：文章及图片转载自网络，如有侵权，请联系删除
|
