Analisis Rantai Pasokan dan IoT Membesar Setelah Disrupsi 2020
Perusahaan membutuhkan kelincahan dan ketahanan yang lebih besar dalam rantai pasokan dan logistik untuk berhasil. Hal ini telah mendorong perusahaan untuk mempertimbangkan teknologi baru untuk memudahkan jalan.
Di antara kandidat tersebut adalah Internet of Things (IoT), otomatisasi infrastruktur, kecerdasan buatan (AI) dan analitik rantai pasokan tingkat lanjut. Pesaing seperti integrasi antarmuka pemrograman aplikasi (API) dan kembar rantai pasokan digital juga membayangi.
Ketertarikan pada teknologi ini semakin meningkat mengingat pandemi global virus corona, meskipun mereka sudah memiliki pijakan dalam manajemen rantai pasokan sebelum COVID-19 muncul. Landasan lebih lanjut dari teknologi ini di lingkungan TI memerlukan identifikasi peluang terbaik untuk aplikasi.
Grup riset Gartner mencatat penetrasi IoT yang luas dalam survei 2019 tentang dampak bisnis digital pada rantai pasokan. Sementara laporan yang sama memasukkan Internet of Things ke dalam Gartner Trough of Disillusionment yang kurang membanggakan, ada tanda-tanda bahwa itu mulai kembali disukai. Menurut survei rantai pasokan Gartner, 59% responden telah menerapkan IoT sebagian atau seluruhnya di seluruh organisasi mereka, sementara 15% berencana untuk berinvestasi di IoT dalam waktu dua tahun, dan 22% telah mendirikan percontohan. Data tersebut juga konsisten dengan data terbaru dari Survei Adopsi IoT 2020 oleh IoT World, yang menunjukkan bahwa 51% responden mengidentifikasi kebutuhan yang lebih besar akan inisiatif digital, termasuk IoT.
Saat ini, IoT penting karena teknik rantai pasokan yang muncul membutuhkan data terbaru dan paling akurat, menurut Amber Salley, direktur dan analis, Gartner. Kebutuhan akan data baru itu sangat mendesak sebelum konflik perdagangan global muncul dan sebelum COVID-19 melanda, dan terlebih lagi setelahnya.
“Fleksibilitas rantai pasokan pasca-COVID tidak selalu tentang pergeseran permintaan, melainkan tentang pergeseran konsumsi,” kata Salley, mengutip contoh kertas toilet Maret 2020 yang secara tak terduga dibutuhkan dalam pasokan yang lebih besar di rak-rak toko, dan lebih sedikit jumlahnya di toko. truk menuju ke kantor dan lembaga publik.
Ini adalah saat di mana jenis keputusan pasokan ini harus dibuat dengan cepat, dan dilaksanakan secara efektif, pada tingkat yang sangat terperinci. “Perusahaan berusaha merespons dengan cepat,” kata Salley. “Mereka perlu tahu cara terbaik untuk mengalokasikan toko mana yang mendapatkan apa.”
Rantai Pasokan Terganggu oleh COVID-19
Para pemimpin rantai pasokan sekarang memilah-milah pilihan teknologi jangka panjang, bahkan ketika mereka menghadapi tantangan langsung dari model dan proses bisnis yang terbalik. Alat pembelajaran mesin berorientasi AI adalah contohnya, menjanjikan manfaat rantai pasokan termasuk dukungan keputusan, manajemen aset waktu nyata, pengoptimalan inventaris, dan perencanaan pemeliharaan preventif.
Seperti yang dijelaskan Salley, mungkin sulit untuk memisahkan kebisingan dari data saat membuat keputusan rantai pasokan, terutama di lingkungan yang kacau. Di sini, alat pembelajaran mesin memiliki peran — tetapi akurasi data adalah yang terpenting.
“Pembelajaran mesin untuk pengenalan pola dapat membantu,” katanya. “Saat ini, kami melihat banyak perusahaan menggunakan perangkat lunak semacam itu untuk membantu memperkirakan permintaan. Namun tantangan dengan pembelajaran mesin adalah dibutuhkan banyak data dengan kualitas yang sangat baik untuk melihat pola yang benar dan untuk preskriptif yang akurat.”
Banyak organisasi tidak memiliki volume yang mereka butuhkan untuk bekerja dengan pembelajaran mesin, meskipun mereka mungkin memiliki cukup untuk kasus penggunaan individu, kata Salley. Selain itu, sementara vendor menggembar-gemborkan manfaat pembelajaran mesin dan AI secara keseluruhan, teknologi ini khusus untuk kasus penggunaan. “Anda tidak dapat dengan mudah memetakan dari satu kasus penggunaan atau domain ke yang lain,” katanya.
Profesional TI juga tidak dapat dengan mudah menavigasi kelebihan alat analitik rantai pasokan yang didedikasikan untuk penggunaannya. Pemain dengan perangkat lunak rantai pasokan dan keahlian pembelajaran mesin meliputi:Anaplan, Blue Yonder, Rantai Pasokan DHL, Rantai Pasokan dan Operasi EY, IBM, John Galt, LLamasoft, Logility, dan SAP.
Dengan perangkat IoT yang mengambil peran lebih besar dalam pemantauan rantai pasokan, pemain cloud dan pembelajaran mesin utama seperti AWS, Google, dan Microsoft juga menjadi bagian dari lanskap ini. Para pemimpin cloud bekerja dengan Accenture, Cognizant, Pluto7, TensorIoT, dan spesialis lainnya untuk menyesuaikan pemrosesan analitik rantai pasokan untuk area tertentu.
Analitik Yang Melihat ke Belakang, Bukan Ke Depan
Sementara banyak ahli rantai pasokan telah tumbuh dengan bekerja di sekitar model statistik untuk menganalisis operasi, lebih banyak dibutuhkan, kata Jeanette Barlow, wakil presiden, IBM Sterling Supply Chain, mencatat bahwa sampai tingkat tertentu, model statistik paling tepat untuk melihat ke belakang
“Mereka belajar dari sejarah, dan sejarah adalah indikator yang bagus. Tetapi ada hal-hal yang terjadi yang mengubah sejarah. Tidak ada tahun seperti tahun ini untuk mencontohkan itu, ”katanya.
Selama setahun terakhir, pemahaman di mana inventaris berada semakin penting. Barlow mengatakan grup IBM Sterling menggunakan kemampuan AI kognitif IBM Watson untuk membantu tim dalam meningkatkan korelasi data. Teknik seperti itu menjadi lebih penting karena IoT telah menambah banyak data yang harus dinilai dalam kerangka waktu yang terbatas.
Teknologi Dasar untuk IoT Rantai Pasokan
Seberapa siap perusahaan untuk menambahkan pembelajaran mesin tingkat lanjut ke rantai pasokan mungkin bergantung pada posisi mereka di jalan menuju digitalisasi.
Berbagai macam teknologi memungkinkan mereka menjadi lebih gesit; teknologi mana yang mereka mulai bergantung pada tingkat kematangan teknis organisasi, menurut Alex Pradham, pemimpin strategi produk di John Galt Solutions, yang menawarkan Atlas Planning Platform untuk pembelajaran mesin otomatis dalam aplikasi rantai pasokan. “Beberapa perusahaan masih membutuhkan teknologi yang lebih mendasar,” katanya.
Pradham juga melihat perubahan yang signifikan dalam saluran dan perilaku pembelian. Hal ini mendorong perusahaan untuk memerlukan rencana yang lebih akurat untuk cakrawala jangka pendek. Dia menyarankan pengurangan biaya sensor IoT dan manfaat pengumpulan data ultra-baru dapat membantu perencanaan operasi karena inventaris yang semakin membutuhkan penyegaran konstan.
Mendapatkan data berkualitas tinggi adalah langkah pertama yang penting, kata John Traynor, wakil presiden dan manajer umum di spesialis AI TensorIOT, setuju. Analitik yang berguna bisa sesederhana rata-rata pergerakan biasa, katanya — tetapi memiliki data adalah kuncinya.
“Orang-orang pada akhirnya mencari cara untuk meningkatkan efisiensi operasional. Bisa jadi hanya mendapatkan tampilan operasi. [Tapi] Anda harus mulai dengan data yang valid,” kata Traynor, mengingat pepatah desain komputer “GIGO” (atau “Sampah masuk, sampah keluar”).
Untuk mencapai tujuan itu, perusahaan baru-baru ini bekerja dengan AWS dan chip aker Semtech untuk memulai pengumpulan data digital, membuat kit yang menghubungkan perangkat jaringan LoRa (jarak jauh) ke layanan asli AWS untuk pelacakan aset dan layanan pembangunan pintar.
Integrasi API untuk Rantai Pasokan
Kategori sistem baru muncul yang memanfaatkan IoT untuk mengotomatisasi dan meningkatkan kemampuan akuisisi data, menurut Prasad Satyavolu, chief digital officer untuk logistik dan manufaktur di perusahaan layanan profesional Cognizant. Perusahaan baru-baru ini setuju untuk mengakuisisi penyedia layanan teknologi Bright Wolf untuk memperluas cakupan aplikasi IIoT, termasuk pengoptimalan hasil.
“Sekarang, sistem dapat menggunakan IoT untuk akuisisi data untuk menciptakan visibilitas bagian dari seluruh rantai pasokan,” katanya. Keuntungan yang lebih besar lagi adalah data eksternal yang dapat diintegrasikan ke dalam sistem perencanaan. Dalam konteks itu, Satyavolu menyebut integrasi antarmuka pemrograman aplikasi (API) sebagai unsur teknologi utama dalam inovasi rantai pasokan saat ini.
Dalam beberapa bulan terakhir, Satyavolu mencatat, beberapa perusahaan manufaktur telah memasukkan data dari Johns Hopkins Worldwide Dashboard untuk statistik pandemi COVID-19. “Anda menggunakannya sebagai API dan membawanya kembali ke sistem untuk mendapatkan visibilitas ke 'keadaan serikat' global," katanya. Ini sangat membantu dalam perencanaan produksi.
Supply Chain Digital Twins
Hitung apa yang disebut Gartner sebagai "kembar rantai pasokan digital" sebagai teknologi lain yang harus diperhatikan meskipun masih dalam tahap awal.
Grup analis mendefinisikan kembaran rantai pasokan digital sebagai "representasi dinamis, waktu nyata, dan bertahap dari berbagai asosiasi antara objek data yang pada akhirnya membentuk cara rantai pasokan fisik beroperasi". Dengan demikian, keduanya mirip dan berbeda dari aspek alat manajemen masa pakai produk, perangkat lunak simulasi, dan model statistik — serta, dalam hal ini, robot yang merangkak melalui reaktor yang rusak akibat tsunami di pembangkit listrik tenaga nuklir Fukushima yang dinonaktifkan di Jepang.
Menggunakan kembar digital untuk rantai pasokan dapat mensimulasikan operasi gudang dan tingkat inventaris, dan memberikan pengujian untuk analisis bagaimana-jika dari skenario rantai pasokan yang berbeda. Dalam perkiraan Salley, kembaran rantai pasokan digital memerlukan model yang dibangun menggunakan data yang diambil dari lingkungan rantai pasokan aktual untuk mencerminkan aktivitas. Cuaca dan data eksternal lainnya dapat dimasukkan dalam pemodelan.
Untuk saat ini, jenis perangkat lunak yang terlibat dalam membangun kembaran digital untuk rantai pasokan beragam. Selain andalan rantai pasokan, vendor seperti Ansys, Dassault, GE, MathWorks, PTC, Siemens dan lainnya sedang dalam perburuan.
Menerapkan teknologi kembar digital dalam rantai pasokan dimulai dengan mengidentifikasi masalah dan memilih kandidat untuk ditangani terlebih dahulu. Mengatasi masalah bisnis yang diketahui adalah tempat yang baik untuk memulai, saran Salley dan yang lainnya. Dia mengatakan mengharapkan proyek kembar rantai pasokan digital untuk memulai dalam skala kecil untuk membuktikan teknologi dan kasus penggunaan.
Salley juga memperingatkan bahwa sistem warisan mungkin tidak secara alami menggunakan metode baru ini. Beberapa infrastruktur baru mungkin diperlukan.
“Satu masalah adalah bahwa kembaran pasokan digital memang membutuhkan infrastruktur yang lebih baru,” kata Salley. Sebagai contoh, dia menunjukkan penggunaan basis data grafik yang muncul, sebagai lawan dari basis data relasional, untuk memetakan interkoneksi kompleks antara objek jaringan dalam rantai pasokan.
Seperti halnya pembelajaran mesin, memberi makan sistem dengan data yang baik adalah suatu keharusan dengan kembar digital. Salley mengatakan manfaat kembar rantai pasokan digital berasal dari data “perincian tinggi dan latensi rendah. Dan di situlah IoT secara khusus berperan.”
Diinformasikan melalui streaming data perangkat IoT, manajer rantai pasokan dapat diperingatkan bahwa jalur perakitan akan segera dihentikan, di mana suku cadang diperlukan untuk menjaga jalur tetap berjalan, atau di mana produksi dapat digeser untuk melengkapi produksi lini — semua lini produksi yang sudah dikenal adegan akhir-akhir ini.
Pertanyaan yang diajukan oleh rantai pasokan, operasi, dan manajer TI saat ini didorong oleh “keinginan untuk menjadi lebih digital,” kata Salley. "Akan selalu ada gangguan." Yang dibutuhkan sekarang adalah bekerja dengan teknologi dan orang-orang untuk mendapatkan visibilitas, ketangkasan, dan ketahanan yang lebih baik — dan untuk membuat keputusan yang tepat, bahkan di bawah tekanan.
