Manufacturing & Logistics IT sprach mit führenden Branchensprechern aus der Analysten- und Anbieter-Community darüber, wie moderne Lösungen für die Bedarfsprognose und -planung sowie für die Absatz- und Betriebsplanung (S&OP) und andere planungsbezogene Technologien dazu beitragen können, die Lieferkette, die Fertigung und den Vertrieb effizienter zu gestalten.
Karen Sage, Chief Marketing Officer bei Syncron, ist der Ansicht, dass künstliche Intelligenz (KI) und maschinelles Lernen (ML) für die Software eines Unternehmens zur Bedarfsprognose und -planung/S&OP von entscheidender Bedeutung sein sollten. „Zusammen sind KI und ML intelligente Hilfsmittel, die mehr leisten können als jede Excel-Tabelle, jede selbstentwickelte Lösung oder sogar jede direkte menschliche Beteiligung“, sagt sie. „Der bekannte KI-Forscher und ehemalige Ivy-League-Professor Dr. Darrell West beschreibt die KI zutreffend als ein umfassendes Werkzeug, das es den Menschen ermöglicht, die Art und Weise zu überdenken, wie wir Informationen integrieren, Daten analysieren und die daraus resultierenden Erkenntnisse nutzen, um die Entscheidungsfindung zu verbessern.
Die KI ist in der Tat zielgerichtet und anpassungsfähig. Dies gilt insbesondere für Aufgaben wie die Bestandsverwaltung, die eine Vielzahl komplexer Daten – sowohl historisch als auch in Echtzeit – umfasst und bei der diese Daten genutzt werden müssen, während gleichzeitig mehrdimensionale Ziele wie der Ausgleich von Kosten, Servicegrad und Risiko erfasst und optimiert werden. Die Vorteile von KI und die Stärke von ML, das Daten auf zugrunde liegenden Trends und Anomalien analysiert, geben Herstellern eine zuverlässige Grundlage, um je nach Situation die besten Entscheidungen für ihr Unternehmen und ihre Kunden treffen zu können. Unterm Strich sorgen KI und ML für intelligente, automatisierte Entscheidungsfindung für die Realität und den Fertigungsumfang.“
Das Versprechen zusätzlicher Vorteile
Karen Sage ist der Ansicht, dass KI und ML bei allem, was wir tun, um unser Leben zu vereinfachen und zu automatisieren, eine wichtige Rolle spielen werden, wenn es gelingt, Lieferketten in Gang zu setzen und erfolgreich zu verwalten. „Da diese Technologien erst jetzt in großem Maßstab eingesetzt werden, aber selbst in ihren rudimentärsten Formen bereits unmittelbare und substanzielle Vorteile gezeigt haben, müssen KI/ML-Modelle verfeinert, weiterentwickelt und ausgereift werden“, sagt sie. „Zweifellos werden KI und ML auch in Zukunft unverzichtbare Werkzeuge sein, die immer effizienter und ausgefeilter werden, um Bestandsoptimierungsprobleme in großem Maßstab lösen zu können.“
Sage räumt aber auch ein, dass die Pandemie uns gelehrt hat, dass KI-Modelle dann am besten funktionieren, wenn sie mit normalen Betriebsereignissen und allgemeinen Richtlinien konfrontiert sind, wie z. B. der Steigerung der Kosteneffizienz unter den Einschränkungen von Zielen, die durch Messgrößen definiert sind, mit denen sichergestellt wird, dass die Kundenerwartungen konsistent und vorhersehbar erfüllt werden können. „Bei Ungewissheit und unterschiedlichen Zielen können einfache KI/ML-Modelle die Erwartungen nicht erfüllen und die von ihnen empfohlenen Konsequenzen unvorhersehbar werden“, sagt sie. „Wenn zum Beispiel ein gewaltiger Sturm vorhergesagt wird, kann es zu einem Ansturm auf die Grundnahrungsmittel im örtlichen Lebensmittelhandel kommen. KI/ML-Algorithmen, die keinen Überblick über Dinge wie das Wetter oder eine umfassende Sicht auf die umliegenden Regionen und mögliche Probleme beim Warentransport auf der Straße haben, könnten Reaktionen empfehlen, die nicht nur zu noch größeren Lagerbeständen, sondern auch zu zusätzlichen Durchführungskosten führen könnten.
Während des oben erwähnten Sturms könnte ein Ansturm auf die Grundnahrungsmittel die Bestände so weit leeren, dass eine Neubestellung des Bestandes ausgelöst wird. Noch schlimmer ist, dass die Modelle aufgrund des Lagerbestands und der geschätzten Lieferzeiten möglicherweise beschleunigte Sendungen empfehlen würden, die die zulässigen Ausgaben für Waren erhöhen und unbeabsichtigt eine Situationsverschlechterung und eine Unteroptimierung der Ausgaben bewirken. Die Vorhersage der Nachfrage ist eine besondere Herausforderung – sogar eine noch größere als die des Angebots. Anomalien entstehen jedoch sowohl bei den Angebots- als auch bei den Nachfragedaten, da es bei beiden zu unerwarteten Schwankungen kommen kann.“
Sage weist auch darauf hin, dass die jüngsten Schwankungen in den Lieferketten ein Schlaglicht darauf geworfen haben, wie wir alle von einer gemeinsamen globalen Wirtschaft betroffen sind. „Containerknappheit, verlängerte Vorlaufzeiten und knappe Kassen bei den Zulieferern haben die Hersteller gezwungen, ihre bisherigen Systeme zu überprüfen und zu entscheiden, ob sie über die richtigen Werkzeuge verfügen, um die Anforderungen der Zukunft zu erfüllen“, sagt sie. „Heutzutage ist es für den Erfolg von Unternehmen unerlässlich, sich nicht mehr nur auf historische Daten aus früheren Verkäufen oder Lagerbeständen zu verlassen, sondern die Nachfrageprognosen mit Hilfe einer speziell für diesen Zweck entwickelten Technologie komplexer zu gestalten.
Vor allem, um auf dem Ersatzteilmarkt erfolgreich zu sein, muss das heikle Gleichgewicht zwischen sporadischer und untypischer Nachfrage in der Lieferkette und den Erwartungen der Kunden gewahrt werden.“ Sage fügt hinzu, dass die Implementierung einer Softwarelösung, die speziell für die Optimierung und Rationalisierung des Bestandsökosystems entwickelt wurde, dem Hersteller weitere Vorteile bietet, da als Nebenprodukt zuverlässigere und umfassendere Daten anfallen, die dann analysiert werden können, um die Geschäftsabläufe weiter zu verbessern. „Syncron zeichnet sich dadurch aus, dass wir uns ausschließlich auf den Ersatzteilmarkt konzentrieren. Dadurch haben unsere Kunden den zusätzlichen Vorteil, dass sie von den Erkenntnissen anderer Unternehmen aus unterschiedlichen Branchen profitieren können“, sagt sie.
Hinweis: Dieser Artikel wurde ursprünglich im Manufacturing & Logistics IT Magazine veröffentlicht.