Wie KI die Lagerleistung verbessert und Unterbrechungen der Lieferkette mindert

Schließen Sie sich vom 26. bis 28. Juli der Transform AI und der Edge Week an. Hören Sie hochrangige Führungskräfte, die Themen rund um AL/ML-Technologie, Konversations-KI, IVA, NLP, Edge und mehr diskutieren. Buchen Sie jetzt Ihren kostenlosen Pass!

Die Verbesserung der Lagerleistung mit künstlicher Intelligenz (KI) und maschinellem Lernen (ML) trägt dazu bei, Lieferketten widerstandsfähiger zu machen und sich schneller von Störungen zu erholen. Leider nehmen die Schwere und Häufigkeit von Unterbrechungen der Lieferkette zu, wobei McKinsey feststellt, dass Unternehmen im Durchschnitt alle 3,7 Jahre eine Unterbrechung von ein bis zwei Monaten erleben.

Über ein Jahrzehnt können sich die finanziellen Folgen von Lieferkettenunterbrechungen in der Konsumgüterindustrie auf 30 % des Jahresgewinns vor Zinsen, Steuern und Abschreibungen (EBITDA) belaufen. Fortune-500-Unternehmen mit robusten Lieferketten verdienten jedoch einen Aufschlag von 7 % auf ihren Aktienkurs und ihre Marktkapitalisierung.

Belastbare Lieferketten sind die Stoßdämpfer, die es E-Commerce-, Einzelhandels-, Lebensmittel-, Post- und Paketunternehmen ermöglichen, trotz des immer schneller werdenden Tempos der Störungen zu funktionieren. Die Stärkung der Lieferketten, um sie widerstandsfähiger zu machen, zahlt sich aus.

Das Schließen von Lagerlücken stärkt Lieferketten

Unerwartete Verzögerungen und unentdeckte Lagerfehler kosten am meisten, um sie zu beheben und verheerende Auswirkungen auf die Lieferketten zu haben. Lagerverwalter, Planer und Verlader verlassen sich auf jahrzehntealte Prozesse auf Basis von Microsoft Excel-Tabellen. Aber angesichts der zunehmenden Kosten, des Tempos und der Schwere von Störungen können Lager mit diesen manuellen Systemen nicht schnell genug reagieren. Infolgedessen verbringen „Betriebsleiter Stunden damit, Daten zu sammeln und sie manuell in Excel-Tabellen einzugeben, was wertvolle Zeit für die Verwaltung und Optimierung des Lagerbetriebs verbraucht“, sagte Akash Jain, Geschäftsführer von Connected Enterprise Honeywell für das Connected Warehouse bei VentureBeat.

Vorfall

Transformation 2022

Melden Sie sich jetzt an, um Ihren kostenlosen virtuellen Pass für die Transform AI Week vom 26. bis 28. Juli zu erhalten. Hören Sie von den KI- und Datenführern von Visa, Lowe's eBay, Credit Karma, Kaiser, Honeywell, Google, Nissan, Toyota, John Deere und mehr.

hier registrieren

Die Lagergenauigkeit und -leistung verlangsamt sich weiter, da im Lager getroffene Entscheidungen, die sich auf Margen, Kosten und Ertragsabwägungen auswirken, es oft nicht bis in die oberste Etage schaffen. Führungskräfte müssen wissen, wie sich in Sekundenbruchteilen getroffene Entscheidungen darüber, welche Bestellungen versendet werden sollen, auf die Lagerhaltungskosten und den Gesamtbestandswert auswirken. Die zügellose Inflation macht die Bestandsbewertung zu einem der kostspieligsten Risiken, die es heute zu bewältigen gilt.

Supply-Chain-Stresstests zeigen oft die größten und kostspieligsten Lücken in der Lagerleistung bis hinunter auf die Anlagenebene. Asset Performance Management (APM) sollte das Herzstück der Lagerverwaltung sein, damit Kosten, Risiken und eingesetzte Maschinen mit Echtzeitdaten optimiert werden können.

Damit Lagerhäuser Störungen absorbieren und am Laufen bleiben können, benötigen die Manager, die sie betreiben, einen kontinuierlichen Strom von nahezu Echtzeitdaten aus überwachten ML-Algorithmen, um die vielen Einschränkungen ihres Betriebs zu optimieren. „Viele Vertriebsunternehmen wurden völlig überrascht, als die E-Commerce-Nachfrage zu Beginn der Pandemie stark anzog. Viele arbeiteten in mehreren Schichten, um mit der Nachfrage Schritt zu halten, und hatten wenig oder gar keine Zeit, Maschinen und Lager zu warten, damit sie nicht ausfallen“, sagte Jain gegenüber VentureBeat.