其他声音:将数据驱动分析引入供应链问题

编者按:本文作者为有效，是现代的其他的声音专栏，一系列来自终端用户、分析师、系统集成商和原始设备制造商的想法、意见和见解。点击这里了解如何提交专栏以供考虑。

- - -

问一个制造经理他们是如何解决问题的，你可能会听到一大堆关于精益、六西格玛和其他数据驱动的改进技术。问供应链经理，你可能会听到一个不同的故事:一个涉及更少的分析和更多的灭火。

造成这种差异的原因之一是很难在供应链和物流运营中收集真实数据，因为大多数活动都发生在运营的四面墙之外。因此，与其他运营组织相比，数据驱动的方法在供应链中的吸引力较小。但是物联网供应链应用的发展使得收集真实数据变得更加容易，因此是时候让供应链专业人员开始考虑新的工具了。

引入DMAIC
在六西格玛工具箱中最流行的改进方法之一是DMAIC，它代表定义、测量、分析、改进和控制。让我们通过一个典型的例子来了解物联网数据如何使DMAIC方法应用于供应链。

定义
我们组织面临的问题是，我们看到从我们的制造工厂到客户配送中心的发货时间和损坏率范围很广。这种变化意味着客户要么持有太多库存(这会让他们不开心)，要么在需要产品时冒着没有产品的风险(这会让他们不开心)。我们的目标是减少交货时间和损坏率的变化，使我们的客户更满意。

测量
为了衡量运输货物的卡车的实际行为，我们使用了物联网驱动的供应链解决方案。我们在每批货物上都安装了一个蜂窝连接跟踪器，它可以实时报告货物的位置和状况，包括震动(可能损坏我们的产品)的数据。这为我们提供了每批货物的丰富的位置和状况数据集。

分析
使用这些数据，我们执行几种类型的分析，包括创建每个车道的直方图。这些直方图显示了特定车道上重冲击的时间和次数的变化。我们注意到哪些车道变化最大，并在这些路线上进行更深入的研究，以了解是什么导致了这种变化。我们看到，对于某些车道，航空公司使用的不同路线数量惊人——在一个案例中，最长路线和最短路线之间的差距是5倍。更糟糕的是，长距离运输在运输条件方面的结果最差，在高温和更强烈的冲击下花费的时间更多。

改善
有了这些数据，我们就开始与物流供应商讨论如何改进。我们以前也有过这样的对话，但由于数据有限，很多人只是耸耸肩，互相指责。这次我们带来了数据和地图，准确地显示了延误和损害发生的时间和地点。因此，我们能够对我们的服务协议进行修改，以确保避免“最糟糕”的路线。

控制
在接下来的几个月里，我们看到结果的变化有所下降。我们的物联网系统可以显示司机所走路线的变化，减少冲击事件和交付时间。当我们看到货物走了我们约定避免的路线时，我们会给物流合作伙伴发邮件，并得到他们犯错的承认。我们会定期监控出货情况，继续寻找改进的方法。

像DMAIC这样的工具不仅需要数据，还需要熟悉分析，了解数据可以为您做什么，不能为您做什么。在这个例子中，我们使用了直方图(一种常见的分析工具)来确定哪些车道在交付时间或损坏率方面有意外的大变化。我们还可以使用控制图来监视正在进行的过程，这种方法允许我们区分过程中的“正常”变化和可能由某些潜在问题引起的“异常”变化。

通过将新的物联网数据与许多制造组织使用的现有分析工具相结合，供应链团队可能会发现他们正在远离反应模式，转向更积极主动的分析驱动方法。当然，这种转变可能需要一些工作。使用直方图和控制图等工具需要你的团队熟悉一系列新工具，并了解何时应用每种工具。然而，其结果是，一个团队非常适合利用新的物联网应用，使构建和管理供应成为可能，最终以更少的努力提供更好的结果。我想说这是非常值得投资的。