从供应链协同角度挖掘数字化应用场景

企业在数字化转型的过程中,供应链的数字化转型是绕不开的话题。供应链的数字化转型,是借助数字化技术赋能企业和供应链从业人员,驱动业务向更加高效智能的方向发展。越来越多的企业意识到需要依靠新技术,也往往非常强调新技术的应用。虽然有新技术的加持,但在实际中,有些企业的供应链数字化转型依然实施的不够理想。究其原因,往往是数字化应用的场景挖掘得不够,数字化技术和业务的需求结合得不够。

有的企业缺少通观全局的供应链部门,各个供应链从业人员只是分散在供应链的不同环节,从自己的视角来提出数字化需求,往往是上一套新的SRM系统、WMS系统或者TMS系统,聚焦在某一个业务域上。市场上不乏单一系统的软件服务商,但往往所提供的方案是业务信息化的方案,而不是业务数字化的方案,从而也导致了企业无法充分挖掘数字化带来的机会,甚至错误地把过去所做的业务线上化管理作为了今天数字化的主题。

数字化,不仅仅是技术,更是一种理念。英诺森提出,数字化是智能地连接人、物和业务流程,从而创造无限可能。在连接人、物和业务流程方面挖掘数字化应用场景,我们在不断地思考。今天,我们从供应链协同角度来分享如何挖掘数字化应用的场景。

国际供应链协会发布的SCOR模型将供应链活动分为计划、采购、生产、发运和退货,并将企业内部和外部的这些活动衔接起来构成了供应链运作模型。这一定义,对于从供应链协同视角来观察和分析供应链非常有用。在一个企业中,供应链部门大多是按照这些流程进行的划分,这些部门从诞生之日起就不是完全独立的,而是彼此间紧密关联。每个部门都接收上游部门的输入,经过自己这个环节的处理,完成对下游部门的输出。

可以这么理解,供应链实际是一连串输入、处理和输出的套环衔接。与此同时,供应链上的公司主体或部门主体投入了人力、物力、财力、系统等资源来支撑这些运营。

这里可以延伸出两个词:节奏、密度。输入、处理和输出都有自己的节奏,节奏是指快慢,供应链的不协同,可以是不同环节节奏快慢的不一致导致;资源有自己的密度,密度是指相对的多寡,供应链的不协同,也可以是资源密度的相对不匹配导致。

供应链的协同,可以从节奏、密度两个着眼点入手,而且有趣的是,这两个词都和数据有关系,都可以用数据来衡量。也就意味着,我们从节奏和密度的方向来分析供应链,将有助于我们打开数字化的窗口,挖掘场景中的数据,构建数据间的关联模型,并应用这些数据的价值。

首先,从节奏的角度来观察,供应链的协同,应该要尽量围绕输入节奏、处理节奏和输出节奏的一致性来开展。我们可以对照实际工作,去看一些节奏不协同的例子。

例1:需求与采购节奏不协同

比如某个物料的需求从每天消耗100个变成了每天消耗1000个,作为采购环节的输入节奏就会暴增,采购部门在物料采购周期不变的情况下,就需要及时提高该物料的安全库存和采购量。如果企业的物料种类庞杂,业务人员实际上很难及时检测到所有物料的需求节奏的波动,日常中经常会疲于应对。那么针对物料消耗节奏的监控,就显得非常关键。

ERP软件可以通过日度的MRP运算来检查需求、库存的波动,并提供采购建议。但是对于已经发布的采购订单,业务部门要么已经无法去变更,要么不知道应该如何去变更,这将会导致实际上的节奏失调,也就会引起物料的实际短缺报警或溢库报警。另外,安全库存的管理很可能是现有ERP软件没有去做到智能化管理的环节,做的好的企业,会依赖人工来监测物料需求,来定期地调整安全库存,但是这种依赖于人工的方式,无法真正做到及时有效。这意味着,如果我们从节奏的角度,牢牢把住需求节奏与采购节奏失调的问题点,实际上依靠现有的软件和人工方式,是无法满足管控要求的。从数字化的角度,我们可以构建针对物料需求节奏的监控机制,根据需求节奏变化(采用数据采集和分析工具),自动触发采购节奏的变化(将不同物料的采购业务规则内嵌到模型中),并自动化地去处理采购订单和安全库存(应用需求节奏的数据价值),例如自动增加订单数量或设置更早的到货日期,有规则地提升安全库存,来弥补物料需求节奏增长场景下传统信息化的不足。

按照上面这个场景示例,我们需要什么技术来和业务场景结合,才能更好的满足业务需求呢?英诺森作为专业的数字化服务提供商,我们所擅长的RPA技术,可以应用于上述业务场景。

RPA(Robotic Process Automation)技术是一种基于软件机器人的自动化技术,它可以模拟人类操作计算机的行为,自动执行重复性、规律性的业务流程,从而提高工作效率、降低成本、减少错误率。

RPA技术让我们拥有了数字劳动力,可以根据我们构建的方案自动执行预设规则下的操作,帮助我们做好供应链不同环节的节奏协同工作。

例2:物流与仓储节奏不协同

比如供应商送货的场景,这涉及到企业外部的协同。从节奏的角度来看,供应商送货的节奏构成了仓库的输入节奏,仓库对库存的保管和加工活动构成了仓库的处理节奏,仓库的发料活动构成了仓库的输出节奏。如果企业的供应商较多,每天上午供应商送货频次有100次,而仓库这边上午的装卸节奏较慢,只能应对80次,就会导致有20次送货需要积压到下午,导致送货车辆等待,供应商抱怨物流成本增加。

实际上,企业的业务场景可能会更加复杂,送货方埋怨仓库节奏慢,不是简单的问题。从物流车辆开始送货,到抵达仓库大门、签到登记、排队入场、装卸、离场,整个过程涉及多个小的环节,每个环节都有自己的节奏,节奏不一致是很容易发生的事情。在过去,即使我们应用了叫号系统、排队系统、仓储系统,也不一定真正解决了问题,因为本质这是一个协同问题,需要从链条上来寻找解决方案。

从链上看,供应商送货场景,可以解构成预约节奏、签到节奏、入场节奏、装卸节奏、消耗节奏。预约节奏,是理论上我们所能预判的车辆到达节奏,有的企业可能会实施车辆预约系统来管控这个节奏。而预约不代表真正的按时到达,所以签到可能有着不同的节奏,预约时间早的车辆,可能会延迟到达。签到之后,什么时候入场,可能涉及场外排队,签到节奏和入场节奏也会不一致。每小时20次入场,可能到装卸环节临时情况发生,只有每小时15次的装卸节奏来应对。而装卸节奏不快,很可能是因为仓库爆仓,库存消耗慢,源头可能还在物料的消耗节奏上。

这么看下来,从节奏上找原因,是可以发现问题和提供解决思路的。那么如何通过数字化的应用,来引用技术与上面的场景结合,实现供应商送货的有效协同呢?

英诺森打造的InLocate智能配送产品和InStock智能仓储产品,集成了物联网、人工智能等技术,可以提供领先便捷的工具,来协同物流与仓储的节奏。通过物联网应用,我们可以对仓储资源进行有效跟踪管理,并提供资源的约束来控制送货车辆预约的节奏;我们对送货车辆位置进行跟踪,可以预测签到节奏和预约节奏的差异,根据差异及时调整车辆排队入场的策略;我们通过人脸识别、车牌识别自动管控入场车辆,在仓库端通过RFID自动搜集装卸信息,智能预估装卸时间并叫号,自动分析场内车辆的运作;通过联动物料领用计划等自动评估送货的紧急程度,作出物流计划的调整建议。

像上述这样的供应链各环节节奏不一致,导致不协同的例子有很多。英诺森具有为客户提供定制解决方案的能力,会从全局视角,把握供应链上下游节奏,帮助客户找到症结所在。

关注输入、处理、输出的节奏很重要,关注资源密度,对于供应链协同也非常必要。提升资源密度,可以带来个别环节的效率提升,但并不是越多越好。资源密度过大,是浪费;密度过小,是瓶颈。

例3:仓库人力资源不足引起的供应链不协同

在仓储环节,熟练的业务人员是现阶段大部分企业不可或缺的资源。但是在一些场景下,这种资源面临持续的或临时的短缺。比如在季节性或年度性的生产高峰时期,领料需求频繁,人为的应对吃紧,或响应不过来,导致生产要料需求或者销售发运需求不能得到及时满足。又如,在紧急领料需求产生时,很可能由于仓库人员已下班,物料需求方无法及时领料。

这些场景,是仓库人力资源密度不足引起的供应链不协同。那么可以引用什么技术到这个场景,来实现数字化赋能,满足仓库面临的全时段客户需求呢?

英诺森提供的智能仓储解决方案,具有软硬件一体的适配能力,为企业提供WMS、WCS等软件以及移动端、智能网关、RFID、智能门禁、数字大屏、AGV等硬件,组合实现多场景的服务能力。比如,无人值守领料方案包,可以针对企业紧急情况下24小时的随时领料需求,在无人员值守仓库的情况下实现领料的自动登记和自动记账。又如,智能称重计数方案包,可以通过电子秤和无线通信,自动采集物料重量后实时上传数据,并基于规则转换成库存数量的变化。再如,上下架自动记账方案包,通过叉车和RFID结合,实现叉车上下架自动完成记账,减少人工的操作。我们的方案也通过AGV、立体库等自动化设施设备,帮助客户实现更加高效准确的仓储运营。

让我们来回顾一下,本文从SCOR模型定义的供应链各环节,归纳出供应链是一系列输入、处理和输出的套环衔接,并结合资源的投入来支撑运营。由此延伸出节奏和密度两个关键词,各环节的输入、处理、输出有着自己的节奏,各资源投入有自己的密度,这些是供应链协同可以着眼的点,为供应链从业者分析供应链协同提供了数字化的视角,以便挖掘出数字化的应用场景。希望以上的分享,能够提供一些参考。

英诺森作为专业的数字化服务提供商,我们为客户提供丰富的数字化产品和专业的解决方案。本文中提到的RPA数字劳动力产品、InLocate智能配送产品和InStock智能仓储产品,已经在众多企业进行了深度应用,为客户带来了持续价值。实际上,英诺森在单个业务域的数字化基础上,已经可以为供应链的整体协同提供SCO(Supply Chain ONE)综合解决方案。相信我们的思考和努力,能为企业供应链数字化转型提供助力。

智能地连接人、物和业务流程,创造无限可能!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/21874.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

为什么我们应该选择Renderbus瑞云渲染进行 EEVEE 渲染?

在某些情况下,用户需要高精度、快速的渲染,而 EEVEE的诞生就是为了满足这种需求。Eevee(Extra Easy Virtual Environment Engine)是 Blender 最新的内部渲染引擎,由用于 Epic Games 开发的虚幻引擎的相同代码提供支持…

openldap介绍以及使用

参考文献:openldap介绍和使用 基本概念 官网:https://www.openldap.org 官方文档:https://www.openldap.org/doc LDAP是一个开放的,中立的,工业标准的应用协议,通过IP协议提供访问控制和维护分布式信息的…

【Linux】进程信号“疑问?坤叫算信号吗?“

鸡叫当然也算信号啦~ 文章目录 前言一、认识信号量二、信号的产生 1.调用系统函数向进程发信号2.由软件条件产生信号3.硬件异常产生信号总结 前言 信号在我们生活中很常见,下面我们举一举生活中信号的例子: 你在网上买了很多件商品,再等待不…

统计一个数的二进制中1的个数(三种方法)

那么好了好了&#xff0c;宝子们&#xff0c;今天给大家分享一篇经典例题的三种实现方法&#xff0c;来吧&#xff0c;开始整活&#xff01;⛳️ 一、基础法 #define _CRT_SECURE_NO_WARNINGS 1 #include <stdio.h> int number_of_one(int n) {int count 0;while(n){if…

VTKmimics Calculate Parts

前言&#xff1a;本博文主要研究mimics中Calculate Parts所采用的方法以及VTK中三维重建的方法&#xff0c;希望对各位小伙伴有所帮助&#xff0c;谢谢&#xff01; mimics-Calculate parts - Interpolation Gray Interpolation 灰度值插值是一种真正的3D插值&#xff0c;它考…

宝塔面板快速搭建贪吃蛇小游戏web网站 - 无需云服务器,网站发布上线

文章目录 前言视频教程1. 环境安装2. 安装cpolar内网穿透3. 内网穿透4. 固定http地址5. 配置二级子域名6. 创建一个测试页面&#x1f34e;总结 转载自远程内网穿透的文章&#xff1a;Linux使用宝塔面板搭建网站&#xff0c;并内网穿透实现公网访问 前言 宝塔面板作为简单好用的…

RoyalScope-总线工作状况和信号质量“体检”

海量存储、洞悉细微 无间断连续采样、波形和报文记录 内置100MHz示波器&#xff0c;采样率高达100MS/s&#xff0c;精确查看、分析和统计信号波形细节。 无间断连续采样总线上信号&#xff0c;全部无遗漏的解析成报文(包括数据帧、遥控帧、过载帧、错误帧、帧间隔和错误报文)和…

Vue3-黑马(十四)

目录&#xff1a; &#xff08;1&#xff09;vue3-进阶-router-令牌-前端路由 &#xff08;2&#xff09;vue3-进阶-router-令牌-前端路由 &#xff08;3&#xff09;vue3-进阶-pinia1 &#xff08;4&#xff09;vue3-进阶-pinia2 &#xff08;1&#xff09;vue3-进阶-rout…

ARM学习笔记_2 模式,寄存器,流水线

ARM arm体积小功耗低性能高&#xff0c;支持thumb ARM双指令集&#xff0c;兼容8/16位器件&#xff1b;大量使用寄存器&#xff0c;指令定长&#xff0c;寻址简单。 ARM是32位架构&#xff0c;Word 32bit&#xff0c; half Word 16bit. 模式 用户模式是用户程序的模式&#…

GPT-2(Transformer Decoder)的TensorFlow实现(附源码)

文章目录 一、GPT2实现步骤二、源码 一、GPT2实现步骤 机器学习模型的开发实现步骤一般都包含以下几个部分&#xff1a;   1. 遵照模型的网络架构&#xff0c;实现每一层&#xff08;Layer/Block&#xff09;的函数&#xff1b;   2. 将第1步中的函数组合在一起&#xff0c…

Typecho搭建和美化

概述 Typecho是一款轻量级的开源PHP博客系统&#xff0c;它简单易用&#xff0c;界面整洁&#xff0c;性能高效&#xff0c;主题、插件众多。我使用的是腾讯云轻量服务器&#xff0c;Typecho的应用模版&#xff0c;一键安装环境。构建自己的博客网站&#xff0c;记录生活、分享…

容器简单介绍

目录 一、容器简介​编辑 二、容器和虚拟化技术差异 三、容器基本概念 四、容器技术对企业优势 五、容器的工具 一、容器简介 docker只是容器工具&#xff0c;真正容器技术是LXC &#xff08;linux container&#xff09; 二、容器和虚拟化技术差异 虚拟机模式&#xff…

AI人工智能逻辑回归的原理、优缺点、应用场景和实现方法

逻辑回归&#xff08;Logistic Regression&#xff09;是一种常见的机器学习算法&#xff0c;它被广泛应用于分类问题。在人工智能&#xff08;Artificial Intelligence&#xff0c;简称AI&#xff09;领域中&#xff0c;逻辑回归是一种简单而有效的算法&#xff0c;可以用于许…

vue+elementui+nodejs高校校园在线打印预约系统

在线提交文档进行打印 首页简单介绍系统 语言 node.js 框架&#xff1a;Express 前端:Vue.js 数据库&#xff1a;mysql 数据库工具&#xff1a;Navicat 开发软件&#xff1a;VScode 顶部或主页按钮转到打印 用户可以登录 查看历史打印记录 用户分学生和非学生 学生可以享有优惠…

【C#】GridControl增加选择列(不用二次点击)

系列文章 【C#】单号生成器&#xff08;编号规则、固定字符、流水号、产生业务单号&#xff09; 本文链接&#xff1a;https://blog.csdn.net/youcheng_ge/article/details/129129787 【C#】日期范围生成器&#xff08;开始日期、结束日期&#xff09; 本文链接&#xff1a;h…

黑马Redis原理篇

黑马Redis原理篇 1、数据结构1.1、动态字符串SDS1.2、IntSet1.3、Dict1.4、ZipList1.5、QuickList1.6、SkipList1.7、RedisObject1.8、五种数据结构1. String&#xff08;小EMBSTR,大RAW (SDS),少量整数INT&#xff09;2. List&#xff08;Redis3.2之后使用QuickList实现&#…

electron 使用electron-packager打linux-x64包与linux-arm64包,解决打包缓慢问题

使用electron-packager打linux-x64包与linux-arm64包,解决下载zip打包缓慢问题 在使用electron-packager打包的过程中&#xff0c;需要在第一次下载electron版本对应的zip文件&#xff0c;下载很缓慢&#xff0c;而且还可能出现每次都在下载zip的情况 解决思路是提前下载好zip文…

【Jmeter第三章】Jmeter给请求添加请求头

给请求加上请求头最常见的场景就是在请求头上添加token了&#xff0c;这里也拿添加token来举例 1、添加某个请求的请求头 1、选中HTTP请求&#xff0c;右键添加 2、添加请求头 2、添加公共的请求头信息 其实步骤和上面是一样的&#xff0c;只不过是选择&#xff1a;线程组…

Midjourney提示词资源、使用技巧、艺术家资源网站收录

为了帮助艺术家们使用Midjourney更专业、准确地创作更完美的艺术作品&#xff0c;我们收录了一些Midjourney提示词资源分享、提示词书写技巧、相关专业工具&#xff0c;同时还有一些相关艺术家资源帮艺术家们找到创作灵感。有很多是社区内资深玩家分享的云文档&#xff0c;资源…

2023彩虹易支付最新原版安装教程(内附源码)

此源码已通过检查&#xff0c;确认无后门&#xff0c;且所有代码开源&#xff0c;无加密文件。 测试日期 2023年5月21日 源码已扫描无后门&#xff0c;不放心的也可以自己再去扫描一遍 2023年5月22日 各个功能接口测试完毕&#xff0c;均可用 选中下方可查看下载链接 http…
最新文章