ETA เชิงพยากรณ์จะคุ้มค่าก็ต่อเมื่อมันถึงมือเวิร์กโฟลว์

เดินเข้าไปในศูนย์ปฏิบัติการใดก็ตามที่จัดการโปรแกรมสินค้าหลายสายผู้ขนส่ง และคุณจะได้ยินคำบ่นหลายรูปแบบเดิม: ข้อมูลไม่น่าเชื่อถือ การพยากรณ์ไม่ตรงกับสิ่งที่ทีมปฏิบัติการเห็น รายงานสินค้าคงคลังล้าหลังตำแหน่งจริงเป็นชั่วโมงหรือวัน การอัปเดตผู้ขนส่งมาในรูปแบบที่ต้องการการตีความด้วยตนเองก่อนที่จะส่งผลต่อการตัดสินใจ เมื่อความล่าช้าในที่สุดทำให้พลาดข้อผูกพันหรือค่าใช้จ่ายการเร่งรัดที่ไม่ได้วางแผน ความล้มเหลวถูกระบุว่าเป็นประสิทธิภาพของผู้ขนส่งหรือความซับซ้อนของ supply chain ปัญหาข้อมูลพื้นฐานที่นำหน้าเหตุการณ์ไปหลายสัปดาห์ไม่ได้รับการกล่าวถึง

นี่คือบริบทในการทำความเข้าใจ ETA เชิงพยากรณ์ ไม่ใช่ในฐานะความสามารถเชิงวิเคราะห์แบบเดี่ยว แต่เป็นผลิตภัณฑ์ที่มีประโยชน์เพียงเท่ากับโครงสร้างพื้นฐานข้อมูลที่ป้อนเข้ามา และมีคุณค่าเพียงเท่ากับการรวมเวิร์กโฟลว์ที่ส่งผลลัพธ์ไปยังสถานที่ที่สามารถดำเนินการได้

ปัญหาคุณภาพข้อมูลที่ซ่อนอยู่ในโมเดลเชิงพยากรณ์

การประมาณการมาถึงเชิงพยากรณ์ถูกสร้างจากอินพุต: ข้อมูลตำแหน่งเรือ ตัวชี้วัดความแออัดของท่าเรือ การพยากรณ์สภาพอากาศ ประวัติประสิทธิภาพของผู้ขนส่ง และเหตุการณ์ milestone แบบเรียลไทม์ แต่ละกระแสอินพุตเหล่านั้นมีลักษณะคุณภาพ ความล่าช้า และความครอบคลุมของตัวเอง เมื่อเหตุการณ์ milestone ของผู้ขนส่งมาถึงผ่าน EDI แบบชุดที่มีความล่าช้า 12 ชั่วโมง เมื่อตำแหน่ง AIS ของเรือล้าหลังการเคลื่อนที่จริงเป็นชั่วโมง เมื่อการประมาณเวลาอยู่ที่ท่าเรือพึ่งพาค่าเฉลี่ยประวัติศาสตร์แทนข้อมูลคิวการจอดเรือแบบเรียลไทม์ ผลลัพธ์ของโมเดลสะท้อนอินพุตที่ลดลงเหล่านั้น

ความเสี่ยงคือการพยากรณ์ดูแม่นยำโดยไม่แม่นจริง โมเดลที่แสดง ETA พร้อมวันและเวลาเฉพาะสร้างจุดยึดทางความรู้ความเข้าใจสำหรับผู้วางแผนและทีมบริการลูกค้าที่ใช้มัน เมื่อจุดยึดนั้นผิดเพราะข้อมูลอินพุตเก่า ทีมได้ตัดสินใจจริงๆ ได้แก่ การจัดตารางแรงงาน ข้อผูกพันของลูกค้า การจัดสรรสินค้าคงคลังใหม่ กับตัวเลขที่ไม่ได้สะท้อนความเป็นจริง ความเสียหายเกิดขึ้นปลายน้ำและมักถูกระบุว่าเป็นเหตุการณ์เองแทนที่จะเป็นปัญหาคุณภาพข้อมูล

ข้อมูล Supply Chain อาศัยอยู่ในไซโลโดยการออกแบบ

ปัญหาที่ลึกกว่าเบื้องหลังปัญหาคุณภาพข้อมูล supply chain ส่วนใหญ่เป็นเรื่องโครงสร้างมากกว่าเรื่องเทคนิค มันเกิดจากความจริงที่ว่าระบบที่ถือข้อมูลถูกสร้างขึ้นสำหรับฟังก์ชันของตัวเองและไม่ได้ออกแบบเพื่อกระทบยอดแบบเรียลไทม์ข้ามขอบเขตสายงาน

จัดซื้อถือระยะเวลานำของซัพพลายเออร์และข้อมูลใบสั่งซื้อ โลจิสติกส์ถือ milestone ผู้ขนส่งและข้อมูลเส้นทาง ปฏิบัติการถือตำแหน่งสินค้าคงคลังและข้อมูลตารางการผลิต บริการลูกค้าถือสถานะคำสั่งซื้อและข้อมูลข้อผูกพัน การเงินถือข้อมูลต้นทุนและกำไร ชุดข้อมูลแต่ละชุดสอดคล้องภายใน เมื่อต้องการการตัดสินใจข้ามสายงาน ไม่ว่าจะเร่งรัดการจัดส่ง แจ้งเตือนลูกค้าเรื่องความล่าช้า หรือปรับตารางการผลิต ต้องมีคนกระทบยอดชุดข้อมูลเหล่านั้นด้วยตนเอง ภายใต้แรงกดดันของเวลา พร้อมกับความล่าช้าที่หลีกเลี่ยงไม่ได้ที่แต่ละจุดส่งมอบ

การพยากรณ์ไม่ตรงกับคำสั่งซื้อ คำสั่งซื้อไม่ตรงกับการจัดส่ง การจัดส่งไม่ตรงกับการรับ ความไม่ตรงกันแต่ละอย่างคือสัญญาณว่าข้อมูลไม่ได้ไหลสะอาดระหว่างระบบที่ต้องการแบ่งปัน องค์กรมักตอบสนองโดยเพิ่มเครื่องมือวิเคราะห์อีกรายการหรือสร้างแดชบอร์ดอีกรายการ การซ้อนความสามารถเชิงวิเคราะห์บนอินพุตที่กระจัดกระจายและไม่น่าเชื่อถือไม่ได้แก้ปัญหาการกระจายตัว แต่มักขยายมันโดยสร้างคำตอบที่เร็วขึ้นและมั่นใจมากขึ้นที่สร้างบนรากฐานที่สั่นคลอนเดียวกัน

ความซับซ้อนของ AI

AI กลายเป็นเรื่องราวหลักในการลงทุนเทคโนโลยี supply chain และเรื่องราวส่วนใหญ่มุ่งเน้นความสามารถเชิงพยากรณ์และเชิงกำหนด: การพยากรณ์ความต้องการ การเพิ่มประสิทธิภาพเครือข่าย ETA เชิงพยากรณ์ การจัดอันดับข้อยกเว้นอัจฉริยะ ความสามารถเหล่านี้เป็นของจริง และในเงื่อนไขที่เหมาะสมพวกมันส่งมอบคุณค่าที่วัดได้

เงื่อนไขที่เหมาะสมถูกกำหนดโดยคุณภาพข้อมูล โมเดล AI ที่ฝึกบนข้อมูลประวัติศาสตร์ที่บกพร่องสร้างการพยากรณ์ที่บกพร่องด้วยความมั่นใจสูงกว่าวิธีที่ง่ายกว่า เครื่องมือเพิ่มประสิทธิภาพที่ทำงานบนอินพุตที่ไม่สมบูรณ์สร้างแผนที่ทำงานได้ดีบนอินพุตที่ให้ไว้และทำงานได้แย่เมื่อเผชิญกับความเป็นจริงที่อินพุตเหล่านั้นล้มเหลวในการจับภาพ องค์กรที่ดึงคุณค่าที่ยั่งยืนจาก AI ในการดำเนินงาน supply chain เกือบทั้งหมดโดยไม่มีข้อยกเว้นคือองค์กรที่แก้ไขการรวมข้อมูลและคุณภาพข้อมูลก่อนการนำโมเดลไปใช้

นี่ไม่ใช่ข้อโต้แย้งต่อการลงทุน AI แต่เป็นข้อโต้แย้งสำหรับการจัดลำดับ: รากฐานข้อมูลต้องมาก่อนเลเยอร์เชิงวิเคราะห์เพื่อให้เลเยอร์เชิงวิเคราะห์ทำงานได้ตามที่โฆษณา

ปัญหาการรวมเวิร์กโฟลว์

แม้เมื่อ ETA เชิงพยากรณ์แม่นยำ คุณค่าเชิงปฏิบัติการขึ้นอยู่กับว่าการประมาณการมาถึงที่อัปเดตไปถึงระบบและผู้คนที่สามารถดำเนินการตามมัน โดยอัตโนมัติ และในเวลาที่จะสร้างความแตกต่าง

โมเดลที่สร้าง ETA ที่อัปเดตและเขียนไปยังฐานข้อมูลวิเคราะห์ ซึ่งผู้วางแผนอาจหรืออาจไม่ตรวจสอบในช่วงการตรวจสอบตามกำหนดถัดไป ไม่ได้ปรับปรุงเวลาตอบสนองขององค์กรในทางที่มีนัยสำคัญ การปิดช่องว่างต้องการให้สัญญาณ ETA แพร่กระจายโดยอัตโนมัติตามเส้นทางที่กำหนด: ไปยัง WMS สำหรับการวางแผนแรงงานขาเข้า ไปยัง OMS สำหรับการตรวจสอบการสัญญาการส่งมอบลูกค้า ไปยังคิวการจัดการข้อยกเว้นในฐานะการแจ้งเตือนที่จัดลำดับความสำคัญเมื่อการประมาณการที่แก้ไขแล้วต่ำกว่าเกณฑ์ที่กำหนด และไปยังเครื่องมือกฎอัตโนมัติใดก็ตามที่ควรกระตุ้นการดำเนินการตอบสนอง

การออกแบบเส้นทางการแพร่กระจายเหล่านั้นคืองานสถาปัตยกรรมเวิร์กโฟลว์ ไม่ใช่งานวิทยาศาสตร์ข้อมูล มันต้องการความเข้าใจว่าระบบปลายน้ำใดต้องการสัญญาณ ETA ที่ความล่าช้าใด ในรูปแบบใด และกับเงื่อนไขการกระตุ้นใด องค์กรหลายแห่งลงทุนอย่างหนักในโมเดลเชิงวิเคราะห์และลงทุนเบาในการรวมที่ทำให้ผลลัพธ์ของโมเดลดำเนินการได้ ผลลัพธ์คือความสามารถที่น่าประทับใจทางเทคนิคและเล็กน้อยในเชิงปฏิบัติการ

จากแบบปฏิกิริยาสู่แบบคาดการณ์: สิ่งที่รากฐานเปิดใช้งาน

องค์กรที่แก้ไขทั้งสองด้านของปัญหา ได้แก่ ข้อมูลอินพุตที่สะอาดและทันสมัยและเส้นทางผลลัพธ์ที่รวมแล้ว อธิบายการเปลี่ยนแปลงเชิงคุณภาพในวิธีที่ทีมปฏิบัติการทำงาน ผู้วางแผนหยุดใช้เวลากระทบยอดข้อมูลที่ขัดแย้งจากระบบหลายระบบและเริ่มใช้มันกับการตัดสินใจที่ข้อมูลเตรียมไว้แล้ว ทีมบริการลูกค้าได้รับการแจ้งเตือนเชิงรุกเกี่ยวกับความเสี่ยงการส่งมอบที่กำลังจะมาถึงก่อนที่ลูกค้าจะโทรถาม คิวข้อยกเว้นประกอบด้วยเหตุการณ์ที่จัดอันดับตามผลกระทบทางธุรกิจจริงแทนที่จะเป็นเมื่อถูกตรวจพบ

โหมดปฏิบัติการนั้น ซึ่งเป็นแบบคาดการณ์แทนที่จะเป็นแบบปฏิกิริยา คือผลิตภัณฑ์ที่แพลตฟอร์ม supply chain visibility สัญญาไว้หลายปี มันต้องการข้อมูล milestone ผู้ขนส่งที่แม่นยำและทันเวลา กระแสเหตุการณ์ที่เป็นมาตรฐานในผู้ขนส่งทั้งหมดในโปรแกรม ตรรกะข้อยกเว้นที่ปรับเทียบกับกฎทางธุรกิจเฉพาะขององค์กร และการรวมผลลัพธ์ที่วางสัญญาณที่ถูกต้องในระบบที่ถูกต้องในเวลาที่ถูกต้อง

แพลตฟอร์มของ MGS กล่าวถึงข้อกำหนดทั้งสี่เหล่านั้นในฐานะแกนปฏิบัติการหลัก: การทำให้ milestone หลายสายผู้ขนส่งเป็นมาตรฐานแบบเรียลไทม์ในฐานะรากฐานข้อมูล ETA เชิงพยากรณ์ที่คำนวณบนอินพุตปัจจุบันแทนที่จะเป็นชุด และการกำหนดเส้นทางข้อยกเว้นที่กำหนดค่าได้ซึ่งส่งสัญญาณการมาถึงที่อัปเดตไปยังระบบปลายน้ำที่พวกมันขับเคลื่อนการตัดสินใจ

แหล่งที่มา: Logistics Viewpoints