IDC研究使AI驱动供应链预测案件
IDC.’s analysis of the need for improved forecasting pulls no punches, in explaining that manufacturers have been running supply chains for centuries, and, for nearly that entire period, it is something that they have agonized over, with this zinger to complete the working thesis: “The only thing that has been universally true about any forecast is that it will be wrong.”

在新闻中
Hartt运万博ag客户端app输系统被Bison运输公司收购 数据对于运行数字供应链至关重要 UPS地址假期返回头部 制造结束2021,具有连续下降,但仍然在增长轨道上 制造结束2021,具有连续下降,但仍在增长轨道上 更多新闻马萨诸塞州弗雷明汉(Framingham)最近发表的一份研究报告显示,这一研究结果与其他研究结果不同。总部位于美国的市场研究和咨询公司IDC强调了该公司的十大预测和潜在驱动因素,该公司预计这些因素将在2022年和未来几年对制造商的IT投资产生最大影响。
从顶层来看,这些预测涉及远程操作、供应链管理、产品和服务创新、安全性、数据和应用共享、B2B商务、低代码/无代码和可持续性。
也许是最多的全身预测,相对于我们的行业,预测第二名是下列第二名:“到2023年,所有供应链预测的50%将使用人工智能自动化,提高5个百分点的准确性。”
考虑到自2020年3月大流行开始以来供应链经历的一切,这一问题真的引起了我的注意。虽然情况一直不平衡,但公平地说,疫情确实凸显了在许多方面更好地预测供应链的必要性,比如供应链弹性、需求规划、库存管理、设备和劳动力可用性等。
IDC.’s analysis of the need for improved forecasting pulls no punches, in explaining that manufacturers have been running supply chains for centuries, and, for nearly that entire period, it is something that they have agonized over, with this zinger to complete the working thesis: “The only thing that has been universally true about any forecast is that it will be wrong.”
也许这有点苛刻(和幽默),但这也不是不正确的。
IDC继续观察到,供应链规划分为三类:短期,专注于运营规划;中期,注重战术规划;长期的,专注于战略规划
每一类的基本主题,它所观察到的,是他们每个人都参与决定司机等能力,供应商,和库存,但需要说明的是,随着供应链接近一个特定的事件,这导致精度的改善,但不是100%的准确性。
这导致IDC所做的这种有趣观察:“供应链满足意外需求的能力最终是关于在规划周期中提前做出的决定。由于缺乏任何容量,材料或广泛的灵活性,将无法响应预测的材料变化,这本身不会响应预测外部的材料变化。我们过去谈到了关于“倾斜”的供应链“脆弱”。
What’s more, this is helping to move the needle forward for manufacturers to “look outside the box” for what IDC described as innovative, technology-enabled new ways of approaching the challenge of replenishment, like AI, that are not limited to looking for “that next best algorithm.”
IDC供应链战略项目副总裁Simon Ellis在接受采访时明确表示了这一点。
据IDC预测,到2023年,制造商需要采取什么措施,才能利用人工智能实现供应链预测的自动化。埃利斯指出,人们普遍认为,目前的预测方法,尤其是短期预测,并不奏效。
他说:“对许多公司来说,他们今天的预测准确性比一段时间以来都要差。”“这主要是由于难以预测的需求大幅波动。所以,让我们停止这样做。并不是所有的公司都有他们需要的销售点(或可比数据),但这些数据大部分都在那里,所以它需要更广泛的数据收集工作。此外,企业也需要认识到,它们的响应能力可能不够。”
作为后续工作,Ellis说数据管理是标准化的,并在整个组织中进行测量,决策自动化工具是实时的,全面部署用于战术任务替换和过程增强。
至于制造商如何应对预测变得“脆弱”的观点,即如果他们无法对预测之外的材料变化做出反应,Ellis直截了当地说,如果他们无法做出反应,那么他们就无法做出反应。
他说,原因是,刚性地校准供应链以预测不再是最好的做法。
他说:“企业要想适应需求波动,就需要在预测和响应能力(或敏捷性)之间取得平衡。”“无论这意味着敏捷库存,还是生产能力灵活性。”
他还提供了一些与以下相关的想法:
- 数字化采购工具的应用可以更好地平衡大多数项目的成本和产能,提高供应灵活性;
- 备用供应的更广泛资格;
- 基于预测变化的柔性生产计划
- 现代延期功能;和
- 与所有企业系统完全集成,新的和遗留系统/设备都连接到供应链性能和需求的实时视图
就像许多其他事情一样,可以说供应链预测是一门不精确的科学。也就是说,在未来提高准确性和预测的道路上,我们可以做一些事情来缩小差距。它会在2023年之前实现吗?现在下结论可能还为时过早,但IDC的研究肯定有助于说明为什么应该这样做。

关于作者



亚当斯山果实自动化农场存放 联邦政府对卡车运输法规踩刹车 从此问题查看更多