サプライチェーンをより俊敏にするにはどうすればよいでしょうか?データクリーニングの問題はAIに引き継がれる

[[388276]]

昨年、COVID-19パンデミックが本格的に発生する前は、「サプライチェーン」という言葉はあまり一般的ではありませんでした。しかし、お気に入りのイーストやパン、さらには特定のブランドのトイレットペーパーさえも簡単に買えなくなったことに人々が気付いて初めて、この3つの言葉の背後にある深い意味について真剣に考え始めたのです。

この間、ソーシャルメディアを通じて、予想外の需要の急増と品不足の噂による買いだめが、生産計画、生産量、物流配送を含むサプライチェーンシステム全体にヒステリックな影響を与えたことを誰もが認識しました。悪い例として、サプライチェーンが需要の変化に追いつけず、特にリアルタイムのトレンドにタイムリーに対応できない場合に生じる混乱を私たちは実際に目撃しました。

2020年、COVID-19パンデミックは世界中の消費者に重要な教訓を与え、サプライチェーンが真に注目を浴びました。

理想的には、組織はデータを通じてサプライ チェーン全体を完全に可視化し、適切な製品と材料が適切な場所に適切なタイミングで届けられるようにする必要があります。しかし、世の中はそれほど理想的ではありません。サプライチェーンのビッグデータ（通常は何十年も企業内に蓄積されたもの）は、有効活用するには膨れ上がりすぎています。その結果、データへの信頼が失われ、ジャンク資産と化してしまうことさえあります。

この課題に対処するために、企業は従来、データ クレンジング プロジェクトを使用してきました。これは、構文エラーや無効なファイルを修復または削除して、元のデータを実用的な情報や使用可能な情報のみを含む形式に縮小するプロセスです。このクレンジング プロセスには通常、一連の集約、整理、分析、統合の手順が含まれ、これを継続的に繰り返す必要があります。単一の工場や作業場内でデータをクリーンアップすることさえも非常に困難であり、相互接続されていない産業ネットワーク データの計画を調整することはさらに困難です。

要約すると、データクリーニングプロセスは非常にコストがかかり、多くの時間、リソース、外部サポートが必要であり、多額の投資が必ずしも効果的な利益をもたらすわけではありません。そして、ほとんどの企業には継続的なデータクレンジング作業を行う余裕がないことが判明しました。この実現可能性の問題とデータクリーニングの必要性は絡み合っており、オペレーターにとっては頭痛の種となっていますが、データがなければビジネスの強化、プロセスの改善、さらにはコスト削減も不可能になるため、オペレーターは黙って見ているわけにはいきません。

明るい兆しとしては、COVID-19パンデミックの拡大が技術開発と実用化にとって重要な後押しとなっていることだ。企業が AI と ML の力を活用して従来のデータクリーニングによって設定された障壁を打ち破り始めたため、サプライ チェーンにも大きなプラスの影響が出ています。

従来のデータクリーニングなしでビジネス成果を向上

製造サプライチェーンは長い間、データに対する強い需要、データ供給の不足、新しいテクノロジーの導入の大きな困難というジレンマに直面してきました。 COVID-19の予期せぬ到来により、取り組みに新たな緊急性がもたらされ、改善された方法についての徹底的な研究が促されました。流行の変化を予測することはできませんが、サプライチェーン システムに柔軟性と俊敏性を提供することはできます。数か月にわたる実践的な調査の結果、サプライチェーンに敏捷性の要素を組み込む限り、リアルタイムの変化に柔軟に対応できることが証明されました。

感染症流行下での運用経験から、サプライチェーンのデータは常に混乱状態にあることがわかります。サプライ チェーン部門は、データのクリーニングに何ヶ月も費やすことはできません。結局のところ、この完了した古い状態では、現在の生産と配送のニーズをサポートするのに十分ではありません。しかし、メーカーがデータ管理を放棄すると、店舗や倉庫の実際のニーズに迅速に対応できなくなり、在庫や配送プロセスを的確に最適化することもできなくなります。

まとめると、この種の悪影響は主に 3 つのレベルで反映されていることがわかりました。 1 つ目はデータ品質の問題です。つまり、データが「汚い」、冗長で、品質が低いということです。さらに、データを保存する施設は互いに分離されていることが多く、相互に「通信」できません。さらに、柔軟性が低いため、実際の生産効率が著しく低下してしまうこともよくあります。

第二に、従来のデータは手動でしかクリーンアップできないことが多いため、リアルタイムの変更に対応することは不可能です。サプライチェーン技術の更新と反復の速度が遅すぎるために、在庫コストは増加し続け、在庫効率が現在の需要に追いつけないのです。多くの場合、事業部門はそれぞれ異なる目標と動機を持っているため、サプライ プロセスを合理化する方法と必要なデータの間に大きな乖離が生じます。

ここで、3 番目の問題である高コストが発生します。サプライチェーンのデータ管理が不十分だと、毎年数百万ドルの運用損失が発生する可能性があります。

COVID-19パンデミックは、サプライチェーンプロセスの改善の重要性を深く認識させただけでなく、データクリーニング機能を強化したいという人々の欲求も呼び起こしました。実際の問題に直面して、私たちは AI と ML という 2 つの新たな力に頼らなければなりません。

AIはデータクリーニングの必要性を排除し、スピードと規模を新たなレベルに引き上げると期待されている

ガートナーは、「2024年末までに、企業の74%が実験的なAIから運用AIに移行し、データフローと分析インフラストラクチャの規模が5倍に増加する」と予測しています。

しかし、私たちはただ座って2024年に「革命勝利の日」が自然に訪れるのを待つことはできません。 COVID-19 パンデミックは、私たちが積極的な行動を起こし、真にデジタル変革を完了するまで、プレッシャーが続くことを証明しました。サプライチェーンの遅れがもたらす深刻な影響は、どの企業もこの現実的なリスクを負う余裕がないことを意味します。

ここに AI と ML の価値が存在します。製造業やサプライチェーン業界では、AI は常に新しいものとして捉えられてきましたが、この分野での成果はすでに達成されており、比較的簡単に開始して使用できるソリューションが提供され始めています。サプライチェーンにおいては、AIや機械学習によってビッグデータに含まれる「ノイズ」を排除することができます。 AIは受信した需要シグナルを検査・分類し、リアルタイムの情報に基づいて自らを改善できるようになりました。データ分析プロセスは常にアクティブに実行され、データ パイプラインに積極的に介入して即時のニーズに応答します。以前は、データ クリーニング サイクルには 9 ～ 18 か月かかることが多く、データをスプレッドシートに挿入する必要もありましたが、現在では AI の助けにより、クリーニング時間が 2 年から 2 か月に短縮されると予想されています。その結果、初めて膨大な量のデータが理解可能になり、使いやすく、インテリジェントで、非常に実用的なものになります。

長い間、データクリーニングの泥沼にはまっていたのであれば、今こそ AI の力を体験するときです。 AI テクノロジーは、データの可視性、重複排除、在庫の最適化、データに基づく意思決定などの分野で比類のない利点を持っていることが、事実によって繰り返し証明されています。現在、サプライチェーンシステムにAIデータクリーニング機能を導入することは必須となっており、どんな「頑固な」組織も歴史の波に飲み込まれることは避けられません。