| 摘要：拥有良好的数据是基础，但它不能帮助企业实时重新分配库存或改变供应交付以确保生产按计划进行。行业专家为此讨论了感知和中枢模型在高科技供应链优化中的应用。 |
拥有良好的数据是基础，但它不能帮助企业实时重新分配库存或改变供应交付以确保生产按计划进行。行业专家为此讨论了感知和中枢模型在高科技供应链优化中的应用。
当今的高科技制造商正处于一个关键的十字路口。通过正确的决策和战略投资，随着消费者和商业电子产品需求的持续增长，他们有潜力在未来五年内将收入增长50%至100%。
然而，最近的情况表明，正常运营的企业实现盈利增长面临许多挑战。供应链压力正在制造许多障碍，从缺货和库存过剩到地缘政治和贸易紧张局势、自然灾害以及越来越不可靠的气候预测造成的交货限制。
尽管新冠疫情在过去几个月有所缓解，但人们仍看到高科技行业出现动荡，从创纪录的库存水平到快速变化的需求。以下将介绍如何采用先进的数字功能(如智能建模、机器学习和其他技术解决方案)来建立供应链的弹性。
以数据为基础的解决方案提高供应链效率
通往最佳结果的道路是由数据铺就的。当然，人们知道数据分析对供应链的重要性。不过，仅靠数据还不能实时重新分配库存或改变供应交付，以确保生产如期进行。
与其相反，企业需要一个数据驱动的框架来帮助建立提前发现问题并主动解决问题的能力。采用这样的框架可以支持部署实时访问见解和数据的解决方案，然后将这些信息转化为立即的行动。这样，企业就能在动荡时期取得更大的成功。
在供应链设计中建立弹性
建立一个意义和支点框架可以产生深远的影响。它可以让高科技制造商更有弹性，建立其感知干扰的能力，并迅速减轻负面后果。风险是可以识别的，采取正确的手段来应对一系列广泛的挑战，并取得立竿见影的效果。
该模型的“感知”部分正在迅速发展。利用人工智能、机器学习和其他先进的技术能力，可以帮助我们识别潜在的风险，远远超过以前的可能。端到端可见性越来越容易实现和访问，可用的解决方案能够进行实时模拟来测试系统并预测当前和未来的危险。
为了达到“中枢”，制造商需要解释其技术“感知”到的信息，并根据它们采取行动——使用敏捷和协作的操作模型。
在理想情况下，感知和中枢方法应该在供应链开发的早期纳入，这样该框架就可以成为制造商的企业资源计划(ERP)系统的核心。实际上，这并不总是可行的。处理重大技术债务和复杂的遗留ERP环境的公司经常发现，对遗留软件的额外投资会从成本和速度的角度影响供应链基础设施的全面检修计划。然而，现在有了更好的解决方案。
拯救中间件
过去，进行数字化转型以建立这种尖端能力需要两到五年的时间，并涉及漫长的数据迁移、检查、测试和培训过程。如今，实现感知和中枢模式的速度显著地加快了。
从关系数据库到图形数据库的转变意味着技术现在可以更加灵活和适应性。将数据锚定到实体而不是表模式，可以快速协调数据与点解决方案。
实现中间件解决方案可以显著地加快使用时间，允许公司保持快速行动，制定感知和中枢哲学，并获得他们所需的数据洞察。其结果是一个新的“认知层”，它带来了更大的灵活性，但不需要彻底的内部改革。
行动中的感知和中枢
感知和中枢在各种场景中发挥作用。例如，一家半导体和光学材料制造商看到了对其产品的需求激增，这引发了订单积压，导致数十亿美元的收入面临风险，因为供应链问题导致该公司无法及时完成订单。由于原材料供应有限，该公司无法告诉客户何时可以交付产品。
在这种情况下，该公司销售的单一产品可能包含数千种原材料投入。如果这些投入中的一些被延迟，就会打乱整个生产计划。
因此，该公司选择了中间件的解决方案。这包括一个可以快速设计和实现的分析模型，以准确地将数千种可用的原材料分配给不同的产品、客户和制造场所。
该公司能够在几周内设计、构建和运行这个工具，以帮助它智能地模拟场景，从而提高盈利能力。这反过来意味着，尽管在可用性方面存在挑战，但它可以向热切的客户提供并兑现准确的承诺。因此，它能够最大限度地提高收入和利润。
在另一个例子中，一家消费品公司在美国各地设有零售店，拥有数千种产品，但由于没有在正确的时间在正确的商店提供正确的产品，该公司的销售额正在下降。它还面临着其他成本效率低下的问题，比如运输和库存成本。
他们选择部署一种工具，可以使用各种内部和外部需求信号作为机器学习模型的一部分来“感知”需求。该工具适合公司现有的流程和基础设施，可以在几周内使用。
公司生成了一个更准确和更细粒度的预测，报告了哪些产品(精确到SKU级别)将在哪个位置销售。根据这一预测，可以适当地管理库存，并确保更准确的产品在商店的可用性。
更快地优化供应链
感知和中枢模式很快被证明是供应链技术几十年来最重要的发展。它允许几乎任何规模的制造商运营一个有弹性和敏捷的供应链，而不需要在基础设施进行数字化转型大修所需的大量资金和时间投资。
编辑：Harris
评论表单加载中...
