Mauro Adorno ist ein erfahrener Supply Chain Experte mit Schwerpunkt in den Branchen Internethandel, Automobilwirtschaft und Fertigungsindustrie. Mit diesem Hintergrund berichtet er über Themen rund um die Supply Chain Planung und die Nachfragevorhersage.
Die drohende Gefahr einer möglichen Unterbrechung veranlasste den Wälzlagerhersteller SKF dazu, das Management seiner globalen Lieferkette zu überdenken. Wie ein Digital Twin hier nun für mehr Zukunftssicherheit sorgen soll.
Wenn Ausnahmen die Regel sind, ist es an der Zeit, die Reife des S&OP-, Daten- und Planungssystems voranzutreiben. Je weiter ein Unternehmen auf der Reife-Skala vorangekommen ist, desto besser ist es positioniert, mit neuen Situationen fertig zu werden.
Im Gegensatz zu anderen Geschäftsbereichen, die sich digital verändern, operieren die meisten Supply Chains bislang mit physischen Objekten. Doch auch hier zeichnet sich eine Wende ab, die sich in fünf Punkten zusammenfassen lässt.
Maschinelles Lernen (ML) ist eine leistungsstarke Technologie. Falsch angewendet, werden mit ML jedoch nicht nur Zeit und Ressourcen verschwendet, sondern es kommt auch zu Fehlentscheidungen. Für welchen Bereich der Supply Chain ist der Einsatz von ML denn vielversprechend?
Beim Einsatz von IoT in der Supply Chain wird meist vor allem an die Logistik gedacht. Dabei kommt die Technologie auch der Supply-Chain-Planung zugute. Und das sogar beim zweit meist gehandelte Rohstoff der Welt - Kaffee.
Viele assoziieren das Thema Blockchain mit Bitcoin, dabei ist die verteilte Datenbanktechnologie nicht nur für Kryptowährungen und andere Finanzdienstleistungsanwendungen geeignet, sondern hat auch das Potenzial, die Planung der Lieferkette wesentlich zu beeinflussen.
Wir leben in Zeiten der Ungewissheit, in denen es schwierig geworden ist,
Vorhersagen zu treffen. Egal ob Brexit, extreme Wettersituationen oder Technologie-
Start-ups, die ganze Branchen durcheinanderwürfeln – wir haben es nicht
kommen sehen.
Supply Chains werden zunehmend komplexer, die Menge an auswertbaren Daten steigt stetig. Alte mathematische Vorhersagemodelle wie der „One-Number Forecast“ stoßen hier an ihre Grenzen und führen zu hohen Sicherheitsbeständen und Obsoleszenzen. Eine Lösung: neue probabilistische Vorhersagemethoden.
Egal ob selbstfahrende Autos, Gesichtserkennung oder Sprachassistenten – Künstliche Intelligenz (KI) ist auf dem Vormarsch. Doch wie sieht das in der Supply-Chain-Planung aus?
Von Robotern in der Lagerhalle (sehr gängig) bis hin zu Hirnsteuerung (im Frühstadium) - neue Technologien tauchen so regelmäßig auf, dass es schwer fällt, Science-Fiction und Realität auseinander zu halten. Wenn es um den Einsatz von 3D-Druck für Ersatzteile geht, trifft allerdings letzteres zu, denn diese Technologie ist mittlerweile gang und gäbe.
Die drohende Gefahr einer möglichen Unterbrechung veranlasste den Wälzlagerhersteller SKF dazu, das Management seiner globalen Lieferkette zu überdenken. Wie ein Digital Twin hier nun für mehr Zukunftssicherheit sorgen soll.
Laut einer in Nordamerika durchgeführte Umfrage* haben zwei Drittel der Unternehmen die digitale Transformation in der Supply-Chain-Planung noch nicht vollzogen. Nur 7 Prozent der Unternehmen sind bereits so weit, dass sie von der digitalen Transformation profitieren. Hierzulande dürften die Zahlen ähnlich oder sogar schlechter aussehen.
Im Gegensatz zu anderen Geschäftsbereichen, die sich digital verändern, operieren die meisten Supply Chains bislang mit physischen Objekten. Doch auch hier zeichnet sich eine Wende ab, die sich in fünf Punkten zusammenfassen lässt.
Wenn Ausnahmen die Regel sind, ist es an der Zeit, die Reife des S&OP-, Daten- und Planungssystems voranzutreiben. Je weiter ein Unternehmen auf der Reife-Skala vorangekommen ist, desto besser ist es positioniert, mit neuen Situationen fertig zu werden.
Von Robotern in der Lagerhalle (sehr gängig) bis hin zu Hirnsteuerung (im Frühstadium) - neue Technologien tauchen so regelmäßig auf, dass es schwer fällt, Science-Fiction und Realität auseinander zu halten. Wenn es um den Einsatz von 3D-Druck für Ersatzteile geht, trifft allerdings letzteres zu, denn diese Technologie ist mittlerweile gang und gäbe.
Die Beeinflussung der Nachfrage durch Preisgestaltung, Einführung neuer Produkte und Sonderaktionen hat zu starken Nachfrageschwankungen und hohen Verbrauchererwartungen geführt. Demand Sensing erlaubt es, diese Schwankungen zu verringern, indem aus dem Lärm der Nachfrage die wichtigen Signale extrahiert werden.
Viele assoziieren das Thema Blockchain mit Bitcoin, dabei ist die verteilte Datenbanktechnologie nicht nur für Kryptowährungen und andere Finanzdienstleistungsanwendungen geeignet, sondern hat auch das Potenzial, die Planung der Lieferkette wesentlich zu beeinflussen.
Maschinelles Lernen (ML) ist eine leistungsstarke Technologie. Falsch angewendet, werden mit ML jedoch nicht nur Zeit und Ressourcen verschwendet, sondern es kommt auch zu Fehlentscheidungen. Für welchen Bereich der Supply Chain ist der Einsatz von ML denn vielversprechend?
Supply Chains werden zunehmend komplexer, die Menge an auswertbaren Daten steigt stetig. Alte mathematische Vorhersagemodelle wie der „One-Number Forecast“ stoßen hier an ihre Grenzen und führen zu hohen Sicherheitsbeständen und Obsoleszenzen. Eine Lösung: neue probabilistische Vorhersagemethoden.
Die Auswirkungen der Corona-Pandemie legen Lieferketten weltweit lahm und zwingen Unternehmen fast täglich zu Neubewertungen ihrer Planungen. Wie drei verschiedene Unternehmen mit dieser Herausforderung umgehen – und sie bewältigen.
Egal ob selbstfahrende Autos, Gesichtserkennung oder Sprachassistenten – Künstliche Intelligenz (KI) ist auf dem Vormarsch. Doch wie sieht das in der Supply-Chain-Planung aus?
Beim Einsatz von IoT in der Supply Chain wird meist vor allem an die Logistik gedacht. Dabei kommt die Technologie auch der Supply-Chain-Planung zugute. Und das sogar beim zweit meist gehandelte Rohstoff der Welt - Kaffee.