Digitale Lieferketten
Die neue Logik der Logistik
Cognitive Computing, maschinelles Lernen und das industrielle Internet der Dinge untermauern im Zusammenspiel mit digitalen Applikationen die Entstehung einer neuen Art von Supply Chains, die fit für das Zeitalter der globalen Produktion und Märkte sind.
Über ein Jahrhundert lang hat sich der Charakter der Herstellungs- und Lieferketten nicht wesentlich verändert. In den letzten Jahren zeichnet sich allerdings eine Revolution in der Supply Chain ab – die Industrie verändert sich aufgrund der folgenden Faktoren.
Fünf Faktoren
- Globalisierung: Produkte werden für globale Märkte entwickelt und weltweit verkauft. Komponenten kommen von internationalen Zulieferern. Die Herstellung von Produkten erstreckt sich oft über weite Teile der Erde.
- Produktkomplexität: Alles – vom Staubsaugern bis hin zu Verkaufsautomaten, die auch kochen können – ist heute komplexer aufgebaut als noch vor zehn Jahren. Neue Technologien werden auch in viele traditionelle Produkte integriert.
- Kürzere Produktentwicklungszyklen: Auf der Jagd nach Wettbewerbsvorteilen haben sich die Erneuerungszyklen verkürzt, speziell bei technologischen Entwicklungen.
- Kundenspezifische Massenproduktion: Kunden verlangen nach individueller Anfertigung und Personalisierung in Bezug auf Gestaltung und Funktionen – auch bei Produkten, die traditionell in Massenfertigung hergestellt werden.
- Veränderungstempo: In einer globalen, digitalisierten Welt entwickeln sich die Geschäftsprozesse schneller als je zuvor. Produzenten und Lieferketten müssen darauf schnell reagieren und die Veränderungen umsetzen können, sei es bei den Produkten, der Kundennachfrage oder den vorherrschenden Geschäftsmodellen in den jeweiligen Märkten.
In den meisten Fällen wurden diese Faktoren durch technische Errungenschaften vorangetrieben. Von besonders großer Bedeutung ist die Technologie, mit der die Hersteller und andere Akteure in der Lieferkette ihre Angebote an die Bedürfnisse der Märkte von heute und morgen anpassen. Der Schlüssel liegt sowohl in der ‘smarten’ Fabrik und Lieferkette – in dieser sind Sensoren und Steuerungen miteinander verbunden – als auch im gestiegenen Volumen und der höheren Qualität der Daten, die eine solche Umgebung produziert. Letztendlich spielen noch die Verbesserungen der Analysefähigkeiten und das Cognitive Computing eine wichtige Rolle, um aus all diesen Daten Nutzen zu ziehen. Außerdem spielt die organisatorische Fähigkeit, all diese Komponenten in anwendbare Informationen und agile Prozesse umzuwandeln, eine wichtige Rolle bei der raschen Verbesserung der eigenen Arbeitsabläufe.
IIoT und smarte Supply Chain
Vielleicht das am häufigsten diskutierte Thema ist die Entstehung des industriellen Internet der Dinge (IIoT), bei dem Sensoren, Geräte und Steuerungen in industriellen Systemen kombiniert werden und miteinander kommunizieren. Durch den Zugang zu so vielen Daten und die Fähigkeit der einzelnen Komponenten, sich in direkter Verbindung miteinander gegenseitig zu beeinflussen, können Unternehmen heute ungleich bessere Entscheidungen treffen. Gleichzeitig sind die Auswirkungen auf die Effizienz und Profitabilität gewaltig. Die Logistik profitiert in besonderem Maße von den Vorteilen solcher verbundenen Ökosysteme. Einzelne Daten mögen für sich genommen nicht besonders informativ sein, aber die kombinierten Informationsflüsse von Zulieferern, Herstellern, Händlern und anderen Partnern ermöglichen es, aus disparaten Einzelteilen eine Geschichte zusammenzusetzen. Supply Chain Managern helfen solche Geschichten und Muster, Ineffizienzen in der Lieferkette zu entdecken. und Möglichkeiten zu identifizieren, Kapital freizusetzen, Kosten zu senken oder den Service zu verbessern. Strukturierte Daten können in standardisierten Datenbanken gefunden werden, aber Daten mit dem Potenzial, die Abläufe zu verbessern, finden sich überall. Stellen Sie sich vor, man könnte sämtliches Feedback von Endverbrauchern über ein bestimmtes Produkt sammeln, alles was dazu online, in Foren, auf Bewertungs-Webseiten oder in sozialen Medien veröffentlicht wurde. Diese unstrukturierten Daten würden nicht nur eine vorrausschauende Analyse von Nachfragemustern erlauben, sondern auch über die Komponentenproduktion. Denn es werden Funktionen und Elemente erkannt, die ergänzt oder weggelassen werden sollten. Die Lagerhaltung würde vom derzeitigen ‘Just-in-Time’-Modell zu einem übergehen, das die Bedürfnisse und Anforderungen von Herstellern vorwegnimmt, was Risiken und Überkapazitäten abbauen würde. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Riesige Datenmenge
In heutigen Fabriken arbeiten hunderte, wenn nicht tausende von Sensoren, Geräten und Maschinen, die alle zusammen eine die unvorstellbare Menge an Daten produzieren. Allerdings ist es noch eine große Herausforderung, das wahre Potential dieser Daten auszuschöpfen. Der wichtige erste Schritt zur Analyse ist eine reguläre, standardisierte Erfassung. Für Jabil ist diese Herausforderung ungleich größer, da das Unternehmen mit mehr als 250 Hauptkunden in 101 Fabriken und einer Lieferkette mit 17.000 Komponentenherstellern und etwa 700.000 Einzelteilen zusammenarbeitet. Dank eines ausgereiften Filters, der auf Jahrhunderte kollektiver Lieferketten-Erfahrung basiert und einem tiefen Verständnis dafür, was Daten fehlerverdächtig macht, kann das Jabil-Team die Qualität der eingehenden Daten überprüfen und sicherstellen, dass die unternehmenseigenen Daten und die der Partner konsistent und vergleichbar sind. Bei konstantem und hohem Volumen der Qualitätsdaten kann der wahre Wert durch Analyse festgestellt werden. Eine proprietäre, intelligente digitale Plattform namens ‘Incontrol’ überblickt alle gesammelten Daten, die Qualität und die Analyse. Die Lösung arbeitet mit vier Haupttypen von Analysen:
- Deskriptiv: Metrische Analysen, die den aktuellen Status des Geschäftes beschreiben.
- Prädiktiv: Analysen, die anhand von Daten aus der Vergangenheit und Gegenwart einen zukünftigen Status vorhersagen.
- Präskriptiv: Analysen die aufzeigen, welche Schritte nötig sind, um ein bestimmtes Ergebnis zu erzielen.
- Kognitiv: Die Fähigkeit, große Datensets zu analysieren und Muster zu erkennen.
Durch komplexe Prozessdaten und kognitive Analysen lässt sich die gesamte Lieferkette in einem Ökosystem orchestrieren. Mit dem Einsatz von prädiktiven und präskriptiven Analysen bei großen Datensätzen aus den Geschäftsprozessen und der Lieferkette, können viel bessere Einsichten gewonnen werden als früher. Ein großer Vorteil der Analyse liegt darin, dass sie agnostisch ist, also unabhängig vom individuellen Wissen oder Schätzungen zu konkreten und umsetzbaren Einsichten führt.
Change Management
Genauso wichtig wie technische Fähigkeiten ist die Firmenkultur. Das Change Management ist entscheidend, wenn ein Unternehmen seine Prozesse von manuell geführten Excel-Listen auf einheitliche digitale Prozesse umstellt, die durch eine einzige Plattform und Architektur verbunden sind. Das führt zu einer veränderten Arbeitsweise, neue Fähigkeiten und ein neuer Workflow werden gebraucht, man bewegt sich weg von der Abhängigkeit von Fachexperten. Stattdessen müssen Unternehmen ihr kollektives Wissen in digitalen Plattformen sammeln und durch kraftvolle Analysen praktisch nutzbar machen. Diese Veränderung muss gleichermaßen von oben nach unten und von unten nach oben erfolgen, alle Mitarbeiter sollen für die steigende Durchdringung der Digitalisierung und Datenanalysen in allen Geschäftsbereichen sämtlicher Abteilungen motiviert und für Erfolge belohnt werden.
