Tahminsel ETA Ancak İş Akışına Ulaştığında Değer Üretiyor

Çok taşıyıcılı navlun programını yöneten hemen her operasyon merkezine gidin ve aynı şikayetin varyasyonlarını duyarsınız: verilere güvenilmiyor. Tahminler operasyon ekibinin gördüğüyle örtüşmüyor. Stok raporları gerçek pozisyonların saatler veya günler gerisinde kalıyor. Taşıyıcı güncellemeleri bir kararı etkileyebilmeden önce manuel yorumlama gerektiren formatlarda geliyor. Bir gecikme nihayet kaçırılan bir taahhüde ya da planlanmamış bir ekspres maliyetine yol açtığında, başarısızlık taşıyıcı performansına veya tedarik zinciri karmaşıklığına atfediliyor. Olayın haftalar öncesine uzanan altta yatan veri sorunu ise sessiz sedasız geçiştiriliyor.

Tahminsel ETA'yı anlamlandırmanın bağlamı bu: bağımsız bir analitik kapasite olarak değil, yalnızca onu besleyen veri altyapısı kadar kullanışlı ve yalnızca çıktısını eylemin alınabileceği yerlere ulaştıran iş akışı entegrasyonu kadar değerli bir ürün olarak.

Tahminsel Modellerin İçinde Saklanan Veri Kalitesi Sorunu

Tahminsel varış tahmini girdilerden üretiliyor: gemi pozisyon verisi, liman tıkanıklığı metrikleri, hava durumu tahminleri, taşıyıcı performans geçmişi ve gerçek zamanlı kilometre taşı olayları. Bu girdi akışlarının her birinin kendi kalite, gecikme ve kapsam özellikleri var. Taşıyıcı kilometre taşı olayları 12 saatlik gecikmeyle toplu EDI aracılığıyla geldiğinde, gemi AIS pozisyonları gerçek hareketten saatler geride kaldığında, liman bekleme tahminleri gerçek zamanlı yanaşma kuyruğu verisi yerine tarihsel ortalamalar üzerine dayandığında, modelin çıktısı bu bozulmuş girdileri yansıtıyor.

Risk şu: tahmin doğru olmadan hassas görünüyor. Belirli bir tarih ve saat içeren ETA sunan bir model, kullanan planlayıcılar ve müşteri hizmetleri ekipleri için bilişsel bir çıpa oluşturuyor. Bu çıpa, girdi verisi bayatlamış olduğundan yanlışsa ekip gerçek zamanlı kararlar almış demektir; iş gücü planlaması, müşteri taahhütleri, stok yeniden tahsisi, gerçeği yansıtmayan bir sayı üzerine. Zarar aşağı yönde gerçekleşiyor ve tipik olarak veri kalitesi sorununa değil olayın kendisine atfediliyor.

Tedarik Zinciri Verileri Tasarımsal Olarak Silolarda Yaşıyor

Çoğu tedarik zinciri veri kalitesi sorununun arkasındaki daha derin mesele teknik değil yapısal. Veriyi elinde tutan sistemlerin kendi işlevleri için inşa edilmiş ve gerçek zamanlı olarak işlevsel sınırlar genelinde uzlaştırılmak üzere tasarlanmamış olmasından kaynaklanıyor.

Tedarik tedarikçi teslim süresi ve satın alma sipariş verilerini tutuyor. Lojistik taşıyıcı kilometre taşı ve güzergah verilerini tutuyor. Operasyonlar stok pozisyonlarını ve üretim çizelgesi verilerini tutuyor. Müşteri hizmetleri sipariş durumu ve taahhüt verilerini tutuyor. Finans maliyet ve marj verilerini tutuyor. Her veri seti içsel olarak tutarlı. İşlevler arası bir karar gerektiğinde; bir sevkiyatı ekspres yapıp yapmayacağı, müşteriyi gecikmeden haberdar edip etmeyeceği veya üretim takvimini ayarlayıp ayarlamayacağı, birinin her aktarım noktasında kaçınılmaz gecikmeyle zaman baskısı altında bu veri setlerini manuel olarak uzlaştırması gerekiyor.

Tahminler siparişlerle örtüşmüyor. Siparişler sevkiyatlarla örtüşmüyor. Sevkiyatlar makbuzlarla örtüşmüyor. Her uyumsuzluk, verinin paylaşması gereken sistemler arasında temiz akmadığının sinyali. Kuruluşlar genellikle başka bir analitik araç ekleyerek ya da başka bir gösterge paneli oluşturarak yanıt veriyor. Parçalı, güvenilmez girdiler üzerine analitik kapasiteler katmanlamak parçalanma sorununu çözmüyor; aynı sallantılı temeller üzerine inşa edilmiş daha hızlı, daha kendinden emin yanıtlar üreterek çoğunlukla onu güçlendiriyor.

AI Komplikasyonu

Yapay zeka, tedarik zinciri teknoloji yatırımında baskın anlatı haline geldi ve bu anlatının büyük bölümü tahminsel ve reçeteli kapasitelere odaklanıyor: talep tahmini, ağ optimizasyonu, tahminsel ETA, akıllı istisna sıralaması. Kapasiteler gerçek ve doğru koşullarda ölçülebilir değer sunuyor.

Doğru koşullar veri kalitesiyle tanımlanıyor. Hatalı tarihsel verilerle eğitilmiş AI modelleri, daha basit yöntemlerden daha yüksek güvenle hatalı tahminler üretiyor. Eksik girdiler üzerinde çalışan optimizasyon motorları, sağlanan girdilerde iyi performans gösteren ve bu girdilerin yakalamayı başaramadığı gerçeklikle karşılaştığında yetersiz kalan planlar üretiyor. Tedarik zinciri operasyonlarında AI'dan sürdürülebilir değer elde eden kuruluşlar, neredeyse istisnasız, model dağıtımının öncesinde veri entegrasyonunu ve veri kalitesini ele alan kuruluşlar.

Bu AI yatırımına karşı bir argüman değil. Sıralama için bir argüman: analitik katmanın reklamı yapıldığı gibi çalışması için veri temeli analitik katmanın önüne geçmek zorunda.

İş Akışı Entegrasyonu Sorunu

Tahminsel ETA doğru olduğunda bile, operasyonel değeri güncellenmiş varış tahmininin üzerinde eylem alabilecek sistemlere ve kişilere otomatik olarak ve fark yaratacak zamanda ulaşıp ulaşmadığına bağlı.

Güncellenmiş ETA üreten ve onu, bir planlayıcının sonraki programlı kontrolde inceleyebileceği ya da incelemeyebileceği bir analitik veritabanına yazan bir model, organizasyonel yanıt süresini hiçbir anlamlı biçimde iyileştirmemiş demektir. Boşluğu kapatmak, ETA sinyalinin tanımlanmış yollar boyunca otomatik olarak yayılmasını gerektiriyor: gelen işgücü planlaması için WMS'e, müşteri teslimat taahhüdü incelemesi için OMS'e, revize tahminin tanımlanmış eşiğin dışına düştüğünde öncelikli uyarı olarak istisna yönetimi kuyruğuna ve yanıt eylemi tetiklemesi gereken otomatik kural motoruna.

Bu yayılma yollarını tasarlamak veri bilimi çalışması değil, iş akışı mimari çalışması. Hangi aşağı yönlü sistemlerin ETA sinyaline ihtiyaç duyduğunu, ne gecikmeyle, hangi formatta ve hangi tetikleme koşullarıyla olduğunu anlamayı gerektiriyor. Pek çok kuruluş analitik modele yoğun, entegrasyona ise modelin çıktısını eyleme dönüştüren hafif yatırım yapıyor. Sonuç, teknik açıdan etkileyici ancak operasyonel açıdan marjinal bir kapasite.

Reaktiften Öngörücüye: Temelin Mümkün Kıldıkları

Sorunun her iki tarafını da ele alan kuruluşlar; temiz, güncel girdi verisi ve entegre çıktı yolları, operasyon ekiplerinin çalışma biçiminde niteliksel bir kayma tarif ediyor. Planlayıcılar birden fazla sistemden çakışan verileri uzlaştırmaya zaman harcamayı bırakıp, verinin zaten hazırladığı kararlar üzerinde çalışmaya başlıyor. Müşteri hizmetleri ekipleri, müşteriler sormak için aramadan önce yaklaşan teslimat riskleri hakkında proaktif uyarılar alıyor. İstisna kuyrukları, ne zaman tespit edildiklerine göre değil gerçek iş etkisine göre sıralanan olayları içeriyor.

Bu operasyonel mod; reaktif değil öngörücü, tedarik zinciri görünürlük platformlarının yıllardır vaat ettiği ürün. Doğru, zamanında taşıyıcı kilometre taşı verisi; programdaki tüm taşıyıcılar genelinde normalleştirilmiş olay akışı; kuruluşun özgün iş kurallarına kalibre edilmiş istisna mantığı ve doğru sinyali doğru sistemde doğru zamanda kararları yönlendirecek şekilde yerleştiren çıktı entegrasyonu gerektiriyor.

MGS'in platformu bu dört gereksinimi operasyonel çekirdeği olarak ele alıyor: veri temeli olarak gerçek zamanlı çok taşıyıcılı kilometre taşı normalleştirmesi, toplu değil güncel girdiler üzerinde hesaplanan tahminsel ETA ve güncellenen varış sinyallerini kararların alındığı aşağı yönlü sistemlere ileten yapılandırılabilir istisna yönlendirmesi.

Kaynak: Logistics Viewpoints