LogisticsIT.com rozmawiał z czołowymi przedstawicielami społeczności analityków i dostawców, aby omówić niektóre z najważniejszych kluczowych punktów dyskusji i obszarów innowacji zachodzących w technologii prognozowania popytu i planowania.
Ponieważ bardziej rozdrobnione i niestabilne warunki działania stają się normą, przedsiębiorstwa muszą być w stanie podejmować lepsze i dokładniejsze decyzje, aby zarządzać przewidywanym i rzeczywistym popytem, a także realizować i realizować zamówienia tak skutecznie, jak to możliwe, unikając wyczerpania zapasów oraz dostarczając je na czas i zgodnie z wymogami specyfikacji niezależnie od tego, czy zamówienie jest kierowane bezpośrednio do sklepu, czy bezpośrednio do konsumenta.
Na szczęście dostępna technologia jest w stanie sprostać tym wyzwaniom. To tylko kwestia umiejętności poruszania się po dostępnych i odpowiadających Twoim konkretnym potrzebom i dostępnym budżetom. Jakie więc dokładnie są niektóre z kluczowych wyzwań związanych z prognozowaniem popytu i rozwiązaniami związanymi z planowaniem, które mogą sprawić, że będą one mniej uciążliwe?
Kluczowe jest połączenie popytu i podaży
Jeśli chodzi o rozwiązania w zakresie planowania łańcucha dostaw, Tim Payne, wiceprezes ds. badań, Gartner, makes the point that the demarcation between demand planning and supply chain planning has largely disappeared now. “So, the connection between demand and supply is key and increasingly we’ve seen technology being able to cover both the demand and supply planning side of the equation because that’s really important,” he says. Payne adds that everything is on cloud these days. “Nobody brings a new planning solution to market that is purely on premise.”
Payne wyjaśnia również, że coraz więcej dostawców dodaje teraz więcej sztucznej inteligencji i uczenia maszynowego do rozwiązań planistycznych. „Zmiany w modelach biznesowych oznaczają, że firmy potrzebują dużej elastyczności w zakresie rozwiązań planistycznych” – mówi. „Na przykład firmy produkujące towary konsumpcyjne tradycyjnie sprzedawały detalistom stacjonarnym i był to ich główny kanał sprzedaży. Teraz, w dobie handlu elektronicznego, firmy te muszą również przyjrzeć się popytowi na sprzedaż online. To zmiana modelu biznesowego.
„Nadal stosujesz zasadniczo te same zasady, musisz teraz spojrzeć na popyt na swój kanał e-commerce w taki sam sposób, jak to zrobiłeś w przypadku popytu w sklepach stacjonarnych, chociaż popyt na sklepy internetowe sprzedaż będzie napędzana innymi czynnikami niż w przypadku sprzedawcy stacjonarnego. Dlatego firmy muszą rozważyć, ile zapasów chcą przechowywać i czy mają oddzielne lokalizacje lub zapasy dla dwóch kanałów – w sklepie stacjonarnym i internetowym – czy też połączyć je, ponieważ zależy im na większej elastyczności. Dlatego rozwiązanie do planowania łańcucha dostaw musi być w stanie poradzić sobie z tym modelem wielokanałowym”.
Poprawa jakości podejmowania decyzji
However, Payne believes the biggest focus for companies, whether they are retailers or high-tech, pharmaceutical or industrial manufacturers etc, is being able to improve the quality of the decisions they make. “So, there’s a lot of focus on processes – the demand planning process, the supply chain process. the sales and operations planning process etc. However, we often get fixated on processes – are we following the demand planning process, is everyone conforming to our standard S&OP process? However, the point of planning is fundamentally to make decisions. Planning is a form of decision making and we have to decide how much we think we’re going to sell, move, make and put in inventory. So, the outcome of planning is the decision, and the outcome of good planning is making good decisions – what I describe as higher quality decisions.
“If we make higher quality decisions then we’re able to reduce value leakage and create opportunities to increase value because we get the right resources in the right place at the right time, and we can take advantage of disruptions and events that are happening in the market. So. there’s a switch happening, particularly now there’s so much digitisation going on. With all the digitisation and digital transformation work that companies are doing a big focus area we find for that is supply chain.”
Połączenie różnych technik analitycznych
Within the supply chain, Payne comments that the top focus area is supply chain planning because digitisation is about using lots of data and analytics. and particularly machine learning, which is all about prediction and planning is about predicting. He adds that automation of decision making is also a key focus. “So, there’s a lot of focus going on from manufacturing companies in terms of how they can improve the quality of the decisions that we make,” he says. “That’s driving many of the technological changes, not to take out optimisation approaches but to add in additional analytical techniques such as machine learning in all its various forms, deep learning and natural language processing etc. So, it’s becoming a combination of the different analytical techniques that helps to improve the quality of the decision-making.”
Wpływ omnichannel
Bryan Ball, analityk i konsultant branżowy, byłyStrategia i badania Aberdeenzwraca uwagę, że Covid wywarł dużą presję na zdolność wielu firm do realizacji zamówień, głównie ze względu na rozwój omnichannel. „Oznaczało to, że wiele firm musiało realizować zamówienia z różnych punktów niż początkowo planowały” – mówi. „Na przykład w branży spożywczej, jeśli zwykłymi punktami dystrybucji firmy były sklepy spożywcze i restauracje, ponieważ ludzie jedli w restauracjach i robili zakupy w sklepach spożywczych, firma nagle musiała wszystko przemyśleć, bo restauracje były zamknięte podczas pandemii i wszystko albo skorzystało ze stacjonarnego kanału spożywczego lub zamówień internetowych. Dlatego firmy obsługujące ten sektor musiały bardzo szybko się dostosować i zmienić sposób działania”.
Przemyślenie spełnienia
Ball wyjaśnia zatem, że po stronie planowania i prognozowania popytu pojawiły się nowe wyzwania związane z otrzymanymi informacjami przychodzącymi. „Innymi słowy, pojawiły się nowe kwestie dotyczące źródła popytu, momentu wystąpienia i wielkości popytu, a także pytań dotyczących poziomów dokładności danych i zmienności popytu itd.” – mówi. „Jednak w obliczu ogromnego wzrostu dostaw do domu, na przykład spowodowanego głównie pandemią, firmy musiały również ponownie przemyśleć, w jaki sposób zmienić swoją pozycję po stronie realizacji i realizacji, a także zastanowić się, gdzie powinny znajdować się produkty, aby aby realizować zamówienia szybciej i taniej. Historycznie rzecz biorąc, towary były zwykle przechowywane w tradycyjnych centrach dystrybucyjnych utworzonych przez firmę, ale w związku z przejściem na model sprzedaży bezpośredniej niektóre firmy, szczególnie te większe, zaczęły zastanawiać się, w jaki sposób mogłyby wykorzystać witryny sklepów jako punkty dystrybucji, ponieważ znajdowały się bliżej miejsc, z których pochodziła większość zamówień kierowanych bezpośrednio do konsumentów”.
Ball continues: “Historically, they might have relied on regional DCs covering large regional areas, Now, because of the major growth in the direct-to-consumer model, they might decide to position them in a major city or large locale closer to the point of delivery – maybe New York, Philadelphia, Atlanta, Houston or Los Angeles for example. Previously, companies might not have considered this as an option due to the local logistical challenges due to traffic congestion, but because these types of locations are now a hotbed of people ordering online, delivering to residences and condos has become more of a norm so companies are increasingly using their store sites as fulfilment points. So, it’s now not only important to capture as accurate data as possible on the inbound demand and forecasting side, but on the outbound side there’s a necessity to create as intelligent a model as possible telling you where best to stock products to minimise your cost and delivery.”
Podczas gdy planowanie i prognozowanie popytu było kiedyś raczej elementem front-end związanym z tym, co robiłeś w łańcuchu dostaw, Ball wyjaśnia, że obecnie stało się to bardzo dynamicznym elementem tego, co musisz zrobić, aby zapewnić skuteczną realizację i spełnienie wymagań w łańcuchu dostaw. nowy świat omnichannel – bezpośrednio do sklepów konsumenckich lub stacjonarnych. „Większość modelu planowania opiera się na informacjach przychodzących dotyczących tego, w jaki sposób można lepiej wyszczególnić określone produkty i uzyskać większą szczegółowość dotyczącą najlepszej lokalizacji, do której można je wysłać” – mówi. „Chociaż ogólny popyt na określony rodzaj towaru może być dość stabilny, rodzaj popytu może się różnić w zależności od lokalizacji klienta.
„Pomyśl na przykład o małej, średniej lub dużej odzieży. Procent sprzedaży małych, średnich i dużych produktów może w sumie nie różnić się zbytnio, ale odsetek sprzedaży każdego rozmiaru może się znacznie różnić w zależności od lokalizacji. Może się zdarzyć, że w miastach będzie większy popyt na odzież o większych rozmiarach, może się też zdarzyć, że na lżejszą odzież będzie większy popyt na południu, gdzie temperatury są stale wyższe w ciągu roku. Zatem rozwiązanie do prognozowania i planowania popytu powinno oferować wyższy poziom zaawansowania na końcu realizacji. Prawdopodobnie nie będziesz potrzebować pługów odśnieżających na południu, więc jeśli masz zakład produkujący pługi odśnieżające, najlepiej byłoby umieścić go w miejscu, gdzie jest śnieg i być może góry, na przykład Tennessee. Jest to dobry punkt dystrybucji do klientów, a także oferuje produkcję po konkurencyjnych kosztach.”
Wpływ mediów społecznościowych
Steve Murphy, dyrektor ds. obsługi klienta, Grupa konsultingowa Panorama, observes a number of key areas that are changing the face of demand forecasting and planning today. “One is the evolution of omnichannel to satisfy consumer demand, and the choice consumers have now between in-store purchases and online orders,” he says. “Online sales have exploded over the past few years, particularly since the pandemic. On social media, we’re all bombarded now with targeted ads based on tight tracking of your online activity today. Only a few years ago, the ads you would see pop up would be from four or five main companies that were targeting that type of advertising. Today, if you visit an online page within hours, you will start seeing ads pop-up related to that company and its products. When you sign up to your landing page, whether it’s Google, Yahoo or whatever the case might be, you’re going to see ads or stories about that retailer or that product.”
Murphy uważa, że zmienia się to nie tylko ze względu na dzisiejszą technologię, ale może się to również zmienić z powodu ważnych wydarzeń, zwłaszcza pandemii. „Pandemia była wydarzeniem „jednorazowym”, ale wszystko zmieniło” – mówi. „Zmieniło to sposób, w jaki firmy obsługują swoje łańcuchy dostaw, a duże firmy transportowe musiały ponownie przemyśleć, w jaki sposób zamierzają dostarczać towary. Na przykład dzisiaj w przypadku frachtu morskiego można się odprawić w dowolnym momencie i sprawdzić na podstawie sygnału GPS, gdzie dokładnie znajduje się przesyłka.
AI i uczenie maszynowe
Zdaniem Murphy’ego kolejnym ważnym osiągnięciem w zakresie planowania i prognozowania popytu jest obecnie ewolucja sztucznej inteligencji i uczenia maszynowego. „Wiodący dostawcy systemów ERP, tacy jak Oracle, SAP i Microsoft, a także dostawcy wyspecjalizowanych rozwiązań w zakresie prognozowania i planowania popytu, mogą na przykład używać sztucznej inteligencji do analizowania trendów gospodarczych z ostatnich trzech miesięcy, wciągania ich do systemu i dokładnego popyt będzie prawdopodobnie utrzymywał się przez następny miesiąc. Poziom dokładności tych systemów poprawił się skokowo.”
Murphy dodaje, że chociaż uczenie maszynowe dostarcza coraz więcej lepszych danych, jedną z kluczowych kwestii, o których należy pamiętać, jest to, że nadal potrzebny jest człowiek, który będzie sprawował nad nim całkowitą kontrolę. „W przypadku ważnych wydarzeń, które mogą mieć wpływ na sprzedaż produktów, takich jak Super Bowl, osoby, które rozumieją prognozowanie i planowanie popytu w oparciu o lata praktycznego doświadczenia, mogą powiedzieć, że uważam, że poziom zapasów powinien zostać zwiększony o 1% powyżej tego, co sugerują dane, lub spuścić je w dół do podobnego poziomu. Często może się to okazać dokładniejsze niż sugerowane dane uczenia maszynowego. Zatem nadal potrzebny jest czynnik ludzki oparty na prognozowaniu popytu i doświadczeniu w planowaniu, a nie wyłącznie na liczbach wychodzących z maszyny”.
Mukul Kryszna. lider globalnej praktyki badawczej – łańcuch dostaw i logistyka, Frost & Sullivan, odzwierciedla fakt, że zaledwie dziesięć lat temu branża dopiero zaczynała się cyfryzować, a ludzie zaczęli skupiać się na gromadzeniu danych i tworzeniu raportów z danych. „Zaczęło wypływać wiele cennych danych, które pozwoliły zwiększyć dokładność prognozowania” – mówi. „Niedawno wybuchła pandemia, co zmusiło wiele firm do ponownego przemyślenia sposobu zarządzania prognozowaniem i planowaniem popytu.
Wychodząc od danych historycznych
“Someone in the apparel industry told me that his company’s planning for the Spring of 2022 was based on the previous year’s data. However, in the wake of the pandemic all this historical data going back a year or so went out the door. In volatile times, especially when things are changing very rapidly, historical data means very little. Typically, what demand forecasting has relied on has been this historical data, but now more people are very cognisant of the fact that there’s so much uncertainty out there that it’s very difficult to even read regular economic data.”
Jeszcze przed pandemią Kryszna zwraca uwagę, że wielu klientów detalicznych bardzo dobrze oswoiło się z ideą handlu elektronicznego. „Następnie, podczas pandemii, klienci ci, co zrozumiałe, dokonując rezerwacji online, stali się jeszcze bardziej komfortowi. Zatem firmy nie tylko muszą zarządzać zarówno dostawami stacjonarnymi, jak i dostawami bezpośrednio do konsumenta, ale muszą także uwzględnić logistykę zwrotną, ponieważ niektórzy klienci przyzwyczaili się zamawiać, powiedzmy, 10 artykułów, ale tylko zamierza zatrzymać ich 5 lub nawet mniej. Zatem teraz pojawia się dodatkowe wyzwanie polegające na zarządzaniu zwrotami i umieszczaniu produktów z powrotem na półkach lub z powrotem we właściwym miejscu w magazynie lub DC, aby były gotowe do wysyłki do innego klienta.
Krishna adds that some companies are still paying attention to historical data but now rely more on data that is only a few months old. “They’re also starting to use more artificial intelligence and trying to triangulate as much of what is happening to try to figure out true demand,” he says. “Just because something happened last year doesn’t mean it’s going to happen this year, so companies want to increase their probability of having a much better sense of accurate data in times of greater uncertainty.”
Ponadto Krishna uważa, że w obliczu zmiany klimatu firmy muszą zadać sobie pytanie, czy będzie to cieplejsza zima, ponieważ może to mieć wpływ na większy popyt na niektóre produkty, na które w przeszłości popyt mógł nie być tak duży o tej porze roku. „Dlatego firmy takie jak ta stają się obecnie coraz bardziej istotne, ponieważ w przeszłości nie zastanawiały się nad nimi tak wiele, próbując przewidzieć popyt”. Jeśli chodzi o próbę ustalenia dokładniejszych wzorców popytu w porównaniu z poleganiem na danych historycznych, Krishna wyjaśnia, że coraz więcej firm próbuje obecnie lepiej modelować dane, korzystając ze sztucznej inteligencji lub zaawansowanych analiz, aby zacząć działać bardziej predyktywnie i nakazowo. „Wszystko to może pomóc we wprowadzeniu do algorytmów większego prawdopodobieństwa” – mówi.
Debata na temat SaaS/on-premise
Ball zauważa, że wiele firm i firm najlepszych w swojej klasie z pewnością przenosi lub przeniosło już część swojej funkcjonalności do modelu SaaS, zarówno w zakresie prognozowania i planowania popytu, jak i ERP. „Mogą zdecydować się przede wszystkim na przeniesienie niektórych elementów do chmury, np. wspomagania decyzji” – mówi. „Być może nie zdecydują się na zmianę planowania finansowego, ponieważ uważają, że dane finansowe są ich „kluczem do królestwa”. Mogą zdecydować się na umieszczenie swoich danych planistycznych w chmurze.
„Jednak nawet wtedy mogą chcieć zachować większą tajemnicę, ponieważ ich dane dotyczące planowania zawierają informacje o wolumenie, produkcie, marketingu i cenach. Mogą więc być ostrożni w stosunku do tego typu danych. Niemniej jednak mogą zdecydować się na pobranie fragmentów tych danych i przeniesienie ich poza siedzibę. Ogólnie rzecz biorąc, wiele firm odeszło od podejścia polegającego na trzymaniu wszystkiego we własnym zakresie. To powiedziawszy, wciąż jest wielu producentów, którzy nie chcą, aby ich tajna formuła była przechowywana w chmurze i czuła się bezpieczniej, jeśli była ona dostępna lokalnie. W przypadku Covida, gdy ludzie nie mogli kontynuować pracy na miejscu, SaaS okazał się bardzo cenny, zapewniając dostęp do danych takich jak dane dotyczące zapasów, gdziekolwiek znajdowały się osoby, które miały uprawnienia do wglądu w te informacje.
Posiadanie przewagi
Kryszna uważa, że wiele początkowych obaw związanych z SaaS zniknęło. Uważa jednak, że w niektórych branżach, np. handlu detalicznym, rozwiązania on premise i możliwości brzegowe są równie ważne w zarządzaniu modelem omnichannel – bezpośrednio do klienta i bezpośrednio do sklepu. Krishna zwraca również uwagę, że przetwarzanie brzegowe może mieć przewagę nad chmurą pod względem zmniejszonych opóźnień, co jego zdaniem ma coraz większe znaczenie w świecie łańcucha dostaw, w którym szybka reakcja może mieć kluczowe znaczenie dla nadążania za popytem i wymaganiami dotyczącymi zapasów.
“During the pandemic, many people fell sick and quitting also reached high levels,” he says. “Many left their jobs to re-skill or up skill and get into the gig economy. Largely because of this, companies tried to leverage more AI-based automation. So, for example, more inventory management robots were used. These robots are basically edge computing devices on wheels. Meanwhile, RFID scanners and machine vision were deployed to scan items down the aisles to determine what’s in stock and what’s not. So, these types of tasks that might have been considered tedious for human workers can now be effectively done by automation and are able to give you information largely in real time.”
Śledzenie nieoczekiwanych trendów
Kryszna przypomina nam, że kiedy wybuchła pandemia, ludzie zaczęli szukać wszelkiego rodzaju artykułów, które w normalnych okolicznościach nie spadłyby z półek, takich jak papier toaletowy. „W moim lokalnym sklepie spożywczym nigdy przed pandemią nie widziałem, żeby zabrakło mu cebuli” – zauważa, dodając, że niektóre sklepy zaczęły racjonować niektóre produkty, na przykład dopuszczając dwie sztuki na klienta. „Jeśli dane docierają do Ciebie w czasie zbliżonym do rzeczywistego, możesz rozpocząć monitorowanie tych nieoczekiwanych trendów i wdrożyć pewne zasady, które pomogą Ci zapobiec wyczerpaniu zapasów” – mówi.
“However, data sent to the cloud means getting it back will experience some level of latency, and even a small amount of latency can make a big difference to meeting demand and following trends. So, you want to minimise the level of latency. For example, you don’t want your autonomous vehicle talking to the cloud. Instead, you want that vehicle to make autonomous decisions without needing to communicate with the cloud. So, if you have a lot of autonomous vehicles doing last-mile delivery using on-board edge computing capability to make decisions rather than having to go into the cloud and back, this can be much more efficient. Similarly, your inventory management robot in the warehouse using edge computing can let you know in near real time that you’re running short of a certain product and can order more before you experience stock out.”
Uwzględnienie wydatków
Krishna adds it is often said that if you throw enough money at the problem the problem will go away. “However, many companies don’t have large amounts of money. Cutting-edge technology can be expensive, so in developing countries where labour is still relatively cheap, many companies will continue to kick the can down the road in terms of investing in cutting-edge technology. Instead, they will just employ more people. If you look at more affluent areas such as North America, Western Europe, South Korea or Japan, you will see more use of warehouse automation and robots, especially in terms of picking robots with active picking arms – although in more complex warehouses where aisles can reach 30 or 40 racks high, picking robots would need to be highly articulated and move at very complex angles meaning a lot more complexity is involved. So, because of this type of complexity and expense, companies need to have a very good economic reason to move to more automation. Many companies don’t think their situation is that dire, and they have enough people available to manage picking in a more manual manner.”
Krishna wyjaśnia, że jeśli dysponują odpowiednim budżetem, coraz więcej firm korzysta obecnie również z cobotów. „Niemniej jednak w miarę jak automatyzacja staje się coraz bardziej powszechna, nadal nie sądzę, że koncepcja ciemnego magazynu ulegnie znacznemu postępowi przynajmniej w ciągu najbliższych dwóch lub trzech lat” – mówi. „Ciemny magazyn to oczywiście drażliwa kwestia, ponieważ maszyny mogą potencjalnie zastąpić większość siły roboczej w magazynach i centrach dystrybucyjnych. Kontrargumentem jest to, że w wielu przypadkach bardziej zautomatyzowana technologia może usprawnić i wspomóc pracę wykonywaną przez ludzką siłę roboczą.
Współczynnik rozszerzenia
Even though SaaS has been around for several years now, many companies are still more comfortable having their servers on premise, maybe for security concern reasons although these are minimal today. However, Murphy explains that if you look at the long-term costs of an on-premise solution, it can be considerably more expensive because of the need to upgrade on site and possibly hire consultants to undertake extension work (extension being the term now commonly used rather than customisation). “Of course, one of the main benefits of a SaaS subscription model where a company pays quarterly or annually is that, at least for most of the upper tier companies, an automatic quarterly update to their software takes place. This means they are always up to date with the software and using the very latest version. I think that’s probably one of the biggest benefits of SaaS.”
Another delineation between on premise and SaaS, according to Murphy, is with on premise if every time you upgrade you decide to add some extensions you will likely need a consultant to come in and manage the extension work. “With the SaaS model, you don’t want to customise the solution for every user so the functionality is normally based on best practices for particular industries. If someone has a particular need for an extension to fit a particular business more tightly what we recommend before you go ahead with this potentially costly plan is that you think carefully about what you want to get out of the software.
It is important to know what the overall benefits will be and whether it makes sense to do it based on the extra cost involved. After careful thought, you may decide that it would it be more beneficial just to rely on the standard software package. So, a cost benefit analysis or change benefit analysis makes sense. If an extension is the preferred option, we can help the software companies design that extension. Doing extensions doesn’t seem to be as complex or difficult a process as it used to be. It’s not now the same as doing some of the heavy-duty customisations that we used to.”
Co nas czeka
Na jakie kolejne innowacje/rozwiązania warto zwrócić uwagę w ciągu najbliższego roku lub dwóch? Murphy wyjaśnia, że dzięki włączeniu sztucznej inteligencji i uczenia maszynowego do współczesnych rozwiązań w zakresie prognozowania i planowania popytu technologia może stale uczyć się na podstawie wszystkich transakcji, które mają miejsce, zarówno na końcu zamówienia, jak i jego realizacji. Murphy mówi, że warto pomyśleć o tym, czy istnieje o wiele więcej źródeł danych, z których można teraz korzystać w celu monitorowania trendów popytu, w tym danych z mediów społecznościowych. „Kiedyś sprawdzano historię sprzedaży i prognozy gospodarcze, a także to, co działo się na Twoim rynku w różnych regionach i jakie były trendy sprzedaży w tych częściach kraju.
“Now, the sources of data are so vast that trying to collect more and better data to put in the system is one of main goals. So, I think if we can find better ways to collect data to use within demand forecasting and planning systems, that’s where the main improvements will lie. I think somebody out there is going to design an even better data collection process to pull in this valuable data from all these vast sources. Then, it’s a question of how this more valuable information is corralled and processed by the best demand forecasting and planning solutions. This will be the next step.”
Większa automatyzacja w celu złagodzenia napiętego rynku pracy
Kontynuując temat możliwych przyszłych zmian, Alex Macpherson, dyrektor ds. doradztwa w zakresie rozwiązań i zarządzania klientami, Współpracownicy Manhattan, wskazuje na kontynuację automatyzacji w celu złagodzenia ciasnego rynku pracy, zwłaszcza w sektorze magazynowym. „Ma to na celu zapewnienie przepustowości w okresach szczytu, które są zależne od zdarzeń, a nie tylko w zwykłych szczytach sezonowych, których doświadcza biznes” – mówi. „Format tej automatyzacji będzie się różnić od konwencjonalnego ASRS i automatyzacji opartej na przenośnikach po coboty i robotykę”. Macpherson dodaje, że wykorzystanie sztucznej inteligencji i uczenia maszynowego gwałtownie wzrośnie w środowisku magazynowym, napędzając wiele zadań inicjowanych ręcznie, takich jak uruchamianie fal i przewidywanie prognozowania siły roboczej. „W tej branży sztuczna inteligencja nie była jeszcze szeroko stosowana i to się wkrótce zmieni” – mówi.
Macpherson dodaje, że ciekawie będzie obserwować, jak sprzedawcy detaliczni traktują zwroty w ciągu najbliższych 12–18 miesięcy. „Wreszcie zdaliśmy sobie sprawę, jaki wpływ na wszystkie przedsiębiorstwa mają zwroty oraz jakie są ogromne koszty zarządzania nimi, i którym należy się zająć”, mówi. „Bez względu na to, czy chodzi o pobieranie opłat za zwroty, czy o nakłonienie klientów do płacenia rocznych opłat za zwrot towarów, będzie to kolejny obszar, który zmieni się szybko i zdecydowanie. Kilku znanych sprzedawców detalicznych zaobserwowało już przewagę pierwszego gracza, co da impuls pozostałym do działania”.
Żadnych zgaszonych świateł
Payne believes we will see a lot more from an AI perspective. “If we look back to pre-Covid times, I heard a lot of end-users saying they wanted lights out planning, no touch planning or autonomous planning. Fortunately, there’s been a realisation by these leading companies that that’s not going to happen. You’re never going to automate all the decision-making in the supply chain. You can automate a lot of it, but you can’t automate all of it. There is still a need for certain types of decisions for human input human judgement, which is what we have always said. Completely autonomous planning was a pipe dream, but you can do a lot more than the very manual way that planning is still done by many companies on spreadsheets.”
According to Payne, generative AI will have an increasing impact. “Currently, many are saying Chat GPT will transform the way we do things. It’s just another AI technique, but the use of large language models could transform the way planners interact with planning systems. So, you could have more of a natural conversation with the planning system. That’s probably where we’re going to see some of the initial use cases in the world of planning.”
Dane syntetyczne
Another area of innovation that will likely gain more traction, in Payne’s view, is the creation of synthetic data. “You could potentially use your digital supply chain twin along with generative AI capabilities to be able to create synthetic data – in other words, data that hasn’t been created by the physical supply chain but has been created digitally. With this data, you could test out all sorts of scenarios and options.”
Zmiana strukturalna
A further development we could see over the next couple of years, according to Payne, is a change in the structure of demand forecasting and planning solutions. “Today, when companies buy a planning technology solution, they might say it’s got to do demand planning, inventory planning, replenishment planning, production planning, sales & operations planning or integrated business planning. Basically, what they’re looking for is a complete end-to-end planning solution. This is where vendors such as Kinaxis, SAP, Oracle, Blue Yonder and all those big platforms play.
Może się jednak zdarzyć, że firma będzie potrzebować dodatkowej funkcjonalności, która nie jest wbudowana w zamkniętą platformę, z której obecnie korzysta, i dlatego będzie szukać rozwiązań innych firm lub samodzielnie coś zbudować, być może korzystając ze swoich zespołów analitycznych i zajmujących się analizą danych, aby wypełnić lukę w harmonogramie lub analityka itp. Rośnie jednak tendencja do oferowania wymiennych elementów składowych funkcjonalności, niezależnie od tego, czy korzysta się z większości elementów jednego dostawcy, czy ich kombinacji. Gartner nazywa to kompozycją, dzięki czemu rozwiązanie jest znacznie bardziej modułowe i można je dostosować”.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://www.logisticsit.com/articles/2024/01/02/improving-your-demand-and-fulfilment-processes
- :ma
- :Jest
- :nie
- :Gdzie
- $W GÓRĘ
- 10
- 12
- 150
- 2022
- 30
- 40
- a
- zdolność
- Zdolny
- O nas
- powyżej
- dostęp
- Stosownie
- Konto
- Zarządzanie kontem
- precyzja
- dokładny
- dokładnie
- działać
- aktywny
- działalność
- rzeczywisty
- Dodaj
- dodanie
- Dodatkowy
- Dodaje
- dostosować
- Reklamy
- zaawansowany
- Korzyść
- Reklama
- Po
- temu
- przed
- AI
- alex
- Algorytmy
- Wszystkie kategorie
- Pozwalać
- wzdłuż
- już
- również
- Chociaż
- zawsze
- Ameryka
- ilość
- kwoty
- an
- analiza
- analityk
- Analityczny
- analityka
- i
- Angeles
- roczny
- Rocznie
- Inne
- przewidywać
- Przewiduje
- przewidywanie
- każdy
- strój
- stosowany
- Stosowanie
- awanse
- SĄ
- POWIERZCHNIA
- obszary
- argument
- Ramiona
- na około
- sztuczny
- sztuczna inteligencja
- AS
- zapytać
- pomagać
- At
- Atlanta
- Uwaga
- postawa
- zwiększać
- władza
- zautomatyzować
- zautomatyzowane
- automatycznie
- Automatyzacja
- autonomiczny
- pojazd autonomiczny
- pojazdy autonomiczne
- dostępny
- unikając
- z dala
- z powrotem
- piłka
- na podstawie
- Gruntownie
- BE
- stał
- bo
- stają się
- staje się
- staje
- być
- zanim
- Początek
- jest
- uważa,
- korzystny
- korzyści
- Korzyści
- BEST
- Najlepsze praktyki
- Ulepsz Swój
- pomiędzy
- NAPÓJ
- Duży
- Najwyższa
- Bloki
- Niebieski
- Rezerwacja
- obie
- miedza
- Cegła i zaprawa
- Przynosi
- budżet
- budować
- Budowanie
- wybudowany
- biznes
- Model biznesowy
- Business Planning
- biznes
- ale
- kupować
- by
- Połączenia
- CAN
- możliwości
- zdolność
- Pojemność
- zdobyć
- ostrożny
- ostrożnie
- walizka
- Etui
- centra
- pewien
- na pewno
- łańcuch
- więzy
- wyzwanie
- wyzwania
- zmiana
- zmieniony
- Zmiany
- wymiana pieniędzy
- Kanał
- kanały
- ładowanie
- pogawędzić
- tani
- wybór
- okoliczności
- Miasta
- Miasto
- klient
- Klimat
- Zmiana klimatu
- Zamknij
- zamknięte
- bliższy
- Odzież
- Chmura
- CO
- zbierać
- Zbieranie
- kolekcja
- połączenie
- połączyć
- jak
- wygodny
- przyjście
- komentarze
- wspólny
- powszechnie
- komunikować
- społeczności
- Firmy
- sukcesy firma
- Firma
- kompletny
- całkowicie
- kompleks
- kompleksowość
- computing
- pojęcie
- Troska
- o
- Obawy
- przekrwienie
- połączenie
- Rozważać
- za
- rozważa
- konsekwentnie
- konsultant
- Konsultanci
- consulting
- konsument
- Konsumenci
- nieustannie
- kontynuacja
- kontynuować
- ciągły
- kontrola
- Konwencjonalny
- Rozmowa
- Koszty:
- kosztowny
- Koszty:
- mógłby
- Przeciwdziałać
- kraje
- kraj
- Para
- kurs
- pokrywa
- pokrycie
- Covidien
- Stwórz
- stworzony
- Tworzenie
- tworzenie
- krytyczny
- Obecnie
- klient
- Klientów
- pionierski nowatorski
- Ciemny
- dane
- nauka danych
- Data
- Dni
- dc
- sprawa
- dekada
- zdecydować
- decyzja
- Podejmowanie decyzji
- Decyzje
- głęboko
- głęboka nauka
- dostarczyć
- Dostawy
- dostarczanie
- dostawa
- Kreowanie
- Prognozowanie popytu
- W zależności
- wdrażane
- opisać
- Wnętrze
- Ustalać
- rozwijanie
- Kraje rozwijające się
- oprogramowania
- wydarzenia
- urządzenia
- ZROBIŁ
- różnić się
- różnica
- różne
- trudny
- cyfrowy
- cyfrowy Transformacja
- cyfrowo
- digitalizacja
- straszny
- kierować
- Dyrektor
- dyskutować
- Wysyłka
- zakłócenia
- 分配
- do
- robi
- robi
- robi
- darowizna
- zrobić
- nie
- Drzwi
- na dół
- marzenie
- napędzany
- jazdy
- z powodu
- podczas
- e-commerce
- każdy
- Gospodarczy
- gospodarka
- krawędź
- przetwarzanie krawędziowe
- Efektywne
- faktycznie
- wydajny
- skutecznie
- bądź
- więcej
- zakończenia
- koniec końców
- dość
- wystarczająco pieniędzy
- zapewnienie
- Środowisko
- Równie
- ERP
- szczególnie
- istotnie
- ustanowiony
- oszacowanie
- itp
- Eter (ETH)
- Europie
- Parzyste
- wydarzenie
- wydarzenia
- Każdy
- wszyscy
- wszystko
- ewolucja
- dokładnie
- przykład
- wykonać
- egzekucja
- drogi
- doświadczenie
- doświadczony
- Objaśnia
- rozbudowa
- rozszerzenia
- rozległy
- stopień
- dodatkowy
- Twarz
- fakt
- czynnik
- Czynniki
- dość
- czuć
- Opłaty
- kilka
- mniej
- pole
- Postać
- wypełniać
- W końcu
- budżetowy
- Planowanie finansowe
- Znajdź
- i terminów, a
- dopasować
- pięć
- Elastyczność
- Skupiać
- następujący
- jedzenie
- W razie zamówieenia projektu
- Nasz formularz
- format
- formularze
- formuła
- na szczęście
- Naprzód
- cztery
- rozdrobniony
- fracht
- od
- Mróz
- Funkcjonalność
- zasadniczo
- dalej
- dalszy rozwój
- przyszłość
- przyszły rozwój
- Wzrost
- szczelina
- Gartner
- Ogólne
- generatywny
- generatywna sztuczna inteligencja
- otrzymać
- miejsce
- gig economy
- Dać
- Globalne
- Go
- Gole
- będzie
- poszedł
- dobry
- towary
- got
- GPS
- wspaniały
- większy
- sklep spożywczy
- Rozwój
- Wzrost
- nawyk
- miał
- hands-on
- zdarzyć
- się
- Wydarzenie
- Have
- mający
- he
- wysłuchany
- ciężki
- pomoc
- pomaga
- Wysoki
- wysoki profil
- wyższy
- wysoko
- zatrudnić
- jego
- historyczny
- historycznie
- historia
- Dobranie (Hit)
- przytrzymaj
- Strona główna
- dostawa do domu
- GODZINY
- Houston
- W jaki sposób
- Jednak
- HTTPS
- olbrzymi
- człowiek
- i
- pomysł
- if
- Rezultat
- ważny
- podnieść
- ulepszony
- ulepszenia
- poprawy
- in
- W innych
- w sklepie
- Włącznie z
- Zwiększać
- wzrosła
- wzrastający
- coraz bardziej
- przemysłowy
- przemysłowa
- przemysł
- Informacja
- początkowy
- początkowo
- zapoczątkowany
- Innowacja
- wkład
- zamiast
- Instytut
- zintegrowany
- Inteligencja
- Inteligentny
- Zamiar
- interakcji
- ciekawy
- najnowszych
- przedstawiać
- inwentarz
- Zarządzanie zapasami
- inwestowanie
- zaangażowany
- problem
- problemy
- IT
- szt
- JEGO
- Japonia
- Oferty pracy
- jpg
- właśnie
- Trzymać
- konserwacja
- Klawisz
- Kluczowe obszary
- kopać
- Wiedzieć
- Korea
- Pracy
- lądowanie
- strona docelowa
- język
- duży
- w dużej mierze
- większe
- Nazwisko
- Ostatni rok
- Utajenie
- firmy
- lider
- prowadzący
- skoki
- UCZYĆ SIĘ
- nauka
- najmniej
- lewo
- mniej
- niech
- poziom
- poziomy
- Dźwignia
- kłamstwo
- leży
- zapalniczka
- lubić
- Prawdopodobnie
- mało
- miejscowy
- lokalny
- usytuowany
- lokalizacja
- lokalizacji
- logistyka
- długoterminowy
- Popatrz
- wyglądał
- poszukuje
- im
- Los Angeles
- Partia
- dużo
- maszyna
- uczenie maszynowe
- mechaniczna wizja
- maszyny
- zrobiony
- Główny
- poważny
- robić
- WYKONUJE
- Dokonywanie
- zarządzanie
- i konserwacjami
- zarządzający
- sposób
- podręcznik
- ręcznie
- Producenci
- produkcja
- wiele
- wielu ludzi
- rynek
- Marketing
- rynek
- Może..
- może
- me
- oznaczać
- znaczenie
- znaczy
- Oznaczało
- W międzyczasie
- Media
- średni
- Spotkanie
- Microsoft
- może
- nic
- minimalny
- minimalizuje
- Złagodzić
- mieszać
- model
- modele
- Modułowa
- pieniądze
- monitor
- monitorowanie
- Miesiąc
- miesięcy
- jeszcze
- bardziej wydajny
- większość
- ruch
- pójść naprzód
- przeniósł
- przeniesienie
- dużo
- my
- Naturalny
- Język naturalny
- Przetwarzanie języka naturalnego
- Nawigacja
- Blisko
- konieczność
- Potrzebować
- potrzebne
- potrzeba
- wymagania
- nigdy
- Niemniej jednak
- Nowości
- I Love New York
- Następny
- Nie
- normalna
- normalnie
- Północ
- Ameryka Północna
- już dziś
- numer
- z naszej
- Obserwuje
- ocean
- of
- poza
- oferta
- Oferty
- często
- Stary
- omnichannel
- on
- ONE
- te
- Online
- wyprzedaże online
- tylko
- OP
- działać
- operacje
- Szanse
- przeciwny
- Option
- Opcje
- or
- wyrocznia
- zamówienie
- Zlecenia
- Inne
- ludzkiej,
- na zewnątrz
- Wynik
- Wyloty
- koniec
- ogólny
- własny
- pakiet
- strona
- pandemiczny
- Papier
- szczególny
- szczególnie
- przyjęcie
- Przeszłość
- wzory
- Zapłacić
- zwracając
- kraj
- Szczyt
- Ludzie
- dla
- procent
- okresy
- perspektywa
- Przemysł farmaceutyczny
- Filadelfia
- fizyczny
- zbierając
- kawałek
- sztuk
- rura
- Miejsce
- krok po kroku
- planowany
- planowanie
- roślina
- Platforma
- Platformy
- plato
- Analiza danych Platona
- PlatoDane
- Grać
- gra
- punkt
- zwrotnica
- polityka
- muzyka pop
- pop-up
- position
- możliwy
- możliwie
- potencjalnie
- praktyka
- praktyki
- przed COVID
- precyzyjnie
- przewidywanie
- przepowiednia
- Przewidywania
- proroczy
- Korzystny
- prezydent
- nacisk
- zapobiec
- poprzedni
- poprzednio
- wycena
- głównie
- Zasady
- prawdopodobieństwo
- prawdopodobnie
- Problem
- wygląda tak
- obrobiony
- procesów
- przetwarzanie
- Produkt
- Produkcja
- Produkty
- okazały
- zapewniać
- dostawców
- zapewnia
- pompa
- zakupy
- czysto
- położyć
- jakość
- kwartalnie
- pytanie
- pytania
- Szybki
- szybko
- szybko
- raczej
- RE
- dosięgnąć
- osiągnięty
- Czytaj
- gotowy
- real
- w czasie rzeczywistym
- naprawdę
- powód
- Przyczyny
- Odebrane
- niedawno
- polecić
- zmniejszyć
- Zredukowany
- odzwierciedla
- Bez względu
- regionalny
- regiony
- regularny
- związane z
- stosunkowo
- polegać
- opierając się
- pamiętać
- obsługi produkcji rolnej, która zastąpiła
- Raporty
- Przedstawiciele
- wymagania
- Badania naukowe
- Zasoby
- odpowiedź
- REST
- restauracji
- detaliczny
- detalista
- sprzedawców
- powrót
- powraca
- rewers
- prawo
- droga
- robot
- robotyka
- roboty
- run
- bieganie
- s
- SaaS
- bezpieczniej
- Powiedział
- sole
- taki sam
- SAP
- powiedzieć
- powiedzenie
- mówią
- skanować
- scenariusze
- szeregowanie
- nauka
- sezonowy
- Tajemnica
- działy
- sektor
- bezpieczeństwo
- widzieć
- widzenie
- Szukajcie
- wydać się
- widziany
- sprzedać
- wysłać
- rozsądek
- wrażliwy
- wysłany
- oddzielny
- serwery
- Usługi
- służąc
- kilka
- półki
- przesunięcie
- Zakupy
- sklepy
- Short
- powinien
- bok
- znak
- podobny
- Podobnie
- ponieważ
- witryna internetowa
- Witryny
- sytuacja
- Rozmiar
- wielkości
- umiejętność
- mały
- śnieg
- So
- Obserwuj Nas
- Media społecznościowe
- Tworzenie
- sprzedany
- rozwiązanie
- Rozwiązania
- kilka
- Ktoś
- coś
- sofistyka
- Źródła
- Południe
- Korea Południowa
- specjalistyczne
- specyficzny
- specyficzność
- wiosna
- stabilny
- standard
- początek
- rozpoczęty
- Startowy
- Ewolucja krok po kroku
- Nadal
- stany magazynowe
- Akcje
- sklep
- przechowywany
- sklep
- historie
- Strategia
- Struktura
- subskrypcja
- Model subskrypcyjny
- taki
- Wskazuje
- Wspaniały
- Super Bowl
- Dostawa
- łańcuch dostaw
- Planowanie łańcucha dostaw
- Dostarczać łańcuchy
- wsparcie
- Przełącznik
- syntetyczny
- dane syntetyczne
- system
- systemy
- T
- Brać
- trwa
- biorąc
- rozmawiać
- ukierunkowane
- kierowania
- zadania
- Zespoły
- technika
- Techniki
- techniczny
- Technologia
- mówi
- tennessee
- semestr
- REGULAMIN
- test
- niż
- że
- Połączenia
- świat
- ich
- Im
- motyw
- sami
- następnie
- Tam.
- w związku z tym
- Te
- one
- rzeczy
- myśleć
- Trzeci
- to
- w tym roku
- tych
- chociaż?
- myśl
- trzy
- Przez
- poziom
- ciasno
- Tim
- czas
- czasy
- wyczucie czasu
- do
- już dziś
- dzisiaj
- Toaleta
- powiedział
- także
- Top
- Kwota produktów:
- Kontakt
- Śledzenie
- trakcja
- tradycyjny
- tradycyjnie
- ruch drogowy
- transakcje
- Przekształcać
- Transformacja
- transport
- leczyć
- Trend
- trendy
- Trendy
- wypróbowany
- prawdziwy
- próbować
- stara
- bliźniak
- drugiej
- rodzaj
- typy
- zazwyczaj
- Niepewność
- dla
- zrozumieć
- Zrozumiały
- podjąć
- Nieoczekiwany
- Aktualizacja
- uaktualnienie
- us
- posługiwać się
- używany
- Użytkownik
- za pomocą
- zwykły
- Cenny
- Cenne informacje
- wartość
- różnorodny
- Naprawiono
- pojazd
- Pojazdy
- sprzedawca
- sprzedawców
- wersja
- początku.
- wibrujący
- wice
- Wiceprezes
- Zobacz i wysłuchaj
- wizja
- Odwiedzić
- lotny
- Zmienność
- Tom
- Budzić
- chcieć
- poszukiwany
- chce
- Magazyn
- Automatyka magazynowa
- Grzałka
- była
- Oglądaj
- fale
- Droga..
- sposoby
- we
- DOBRZE
- poszedł
- były
- Western
- Europa Zachodnia
- Co
- Co to jest
- cokolwiek
- jeśli chodzi o komunikację i motywację
- czy
- który
- KIM
- będzie
- w Zimie
- w
- w ciągu
- bez
- słowa
- Praca
- odrobić
- pracowników
- Siła robocza
- świat
- by
- Yahoo
- rok
- lat
- york
- ty
- Twój
- zefirnet