Tại Sao Quản Lý Ngoại Lệ Đang Trở Thành Lớp Kiểm Soát Thực Sự

Thị trường khả năng hiển thị chuỗi cung ứng được xây dựng trên một giả thuyết đơn giản và phần lớn đúng đắn: các tổ chức nhìn thấy sự gián đoạn sớm hơn sẽ phản hồi tốt hơn. Một thập kỷ đầu tư vào các tháp kiểm soát, nền tảng theo dõi và các hệ thống quản lý sự kiện đã chứng minh giả thuyết đó—đến một mức độ nhất định. Hầu hết các doanh nghiệp lớn hiện nay có thể quan sát mạng lưới của mình với độ chi tiết và tốc độ cao hơn nhiều so với năm 2015. Câu hỏi thành thật là liệu sự quan sát cải thiện đó có chuyển thành phục hồi nhanh hơn tương xứng khi điều gì đó thực sự xảy ra hay không.

Đối với nhiều tổ chức, câu trả lời là có điều kiện. Khả năng hiển thị được cải thiện. Thời gian phản hồi và tính nhất quán của các phản hồi được cải thiện ít hơn.

Tính Chọn Lọc Của Sự Cố Chuỗi Cung Ứng

Chuỗi cung ứng không thất bại vì tất cả mọi thứ đều bất thường cùng một lúc. Chúng thất bại khi các điều kiện bất thường cụ thể—những điều kiện mang tác động kinh doanh cao nhất trong bối cảnh hiện tại—không được xác định và giải quyết đủ nhanh. Thách thức mang tính chọn lọc, không phải phổ quát.

Một lô hàng bị trễ trên một tuyến đường có hai tuần tồn kho an toàn là một ngoại lệ về sổ sách. Cùng một sự chậm trễ đó trên một linh kiện cung cấp duy nhất không có bao phủ tồn kho và thời điểm bắt đầu sản xuất trong 48 giờ là một sự kiện đường găng. Một biến thể hoạch định nằm trong ngưỡng dịch vụ là tiếng ồn nền. Cùng biến thể đó, kết hợp với một ràng buộc năng lực hãng vận chuyển đồng thời trong cùng khu vực, trở thành một sự leo thang đáng nhận được sự chú ý điều hành ngay lập tức.

Vấn đề kiểm soát do đó không phải là nhìn thấy nhiều sự kiện hơn. Đó là việc phân loại chính xác những sự kiện nào quan trọng, theo thứ tự nào, với mức độ khẩn cấp nào, và định tuyến từng sự kiện đến chức năng hoặc hệ thống có thể giải quyết nó hiệu quả nhất. Hầu hết các nền tảng khả năng hiển thị thế hệ đầu tiên tối ưu hóa bước phát hiện mà không giải quyết các bước phân loại và định tuyến quyết định liệu phát hiện có chuyển thành hành động hay không.

Những Gì Một Lớp Quản Lý Ngoại Lệ Hoạt Động Tốt Đòi Hỏi

Một khả năng quản lý ngoại lệ trưởng thành làm bốn điều một cách có hệ thống và đáng tin cậy.

Phát hiện sớm có nghĩa là phát hiện sự sai lệch trước khi tác động đã tích lũy. Một sự chậm trễ được gắn cờ 48 giờ trước khi nó ảnh hưởng đến sản xuất có các tùy chọn biện pháp khắc phục khác với cùng sự chậm trễ được gắn cờ tám giờ trước. Độ trễ trong luồng sự kiện—dù từ EDI theo lô, cập nhật hãng vận chuyển thủ công hay thu thập cổng thông tin—trực tiếp nén cửa sổ phản hồi.

Phân loại tác động kinh doanh có nghĩa là ánh xạ từng ngoại lệ được phát hiện với các ngưỡng đã xác định: các cấp ưu tiên khách hàng, mức độ bao phủ tồn kho, mức độ phơi bày SLA, biên lợi nhuận có nguy cơ. Phân loại này không thể được thực hiện bởi một nền tảng khả năng hiển thị mà không có quy tắc kinh doanh do tổ chức cung cấp. Ai đó phải xác định điều gì được coi là trọng yếu cho một tuyến đường nhất định, một khách hàng nhất định, một danh mục sản phẩm nhất định. Công việc định nghĩa đó là nơi hầu hết các chương trình quản lý ngoại lệ bị đình trệ, vì nó đòi hỏi sự đồng thuận đa chức năng về các ưu tiên kinh doanh mà các nhóm khác nhau thường đánh giá khác nhau.

Định tuyến có cấu trúc có nghĩa là chuyển ngoại lệ được phân loại đến người ra quyết định hoặc quy trình làm việc tự động phù hợp, không phải đến một hàng đợi cảnh báo chung nơi nó cạnh tranh với hàng trăm sự kiện ưu tiên thấp hơn. Logic định tuyến cần phản ánh thực tế tổ chức: ai sở hữu các ngoại lệ vận chuyển ở Khu vực X, ai có thẩm quyền phê duyệt khẩn cấp vượt qua một ngưỡng chi phí nhất định, các ngoại lệ nào đối mặt khách hàng đòi hỏi sự tham gia ngay lập tức của bộ phận bán hàng.

Ghi lại kết quả có nghĩa là ghi lại những gì đã được quyết định và những gì đã xảy ra, để các quy tắc phân loại có thể được xác thực theo kết quả và cải thiện theo thời gian. Các hệ thống quản lý ngoại lệ không đóng vòng phản hồi này có xu hướng suy giảm, khi các ngưỡng có ý nghĩa mười hai tháng trước không còn phù hợp với bối cảnh kinh doanh hiện tại.

Công Việc Tổ Chức Mà Nền Tảng Không Thể Làm

Một mô hình liên tục trong các đánh giá chương trình tháp kiểm soát là việc triển khai công nghệ đã hoàn thành, các cảnh báo bắt đầu chảy, và sau đó các cải thiện hiệu suất không vật chất hóa như mong đợi. Công nghệ hoạt động. Mô hình vận hành không thay đổi để phù hợp với nó.

Khả năng hiển thị mà không có trách nhiệm tạo ra các danh sách tồn đọng được thông tin tốt hơn thay vì các giải pháp nhanh hơn. Nếu quy trình xem xét thủ công và leo thang tương tự tồn tại trước khi nền tảng được triển khai vẫn là cơ chế mà theo đó các ngoại lệ được giải quyết, tháp kiểm soát đã di chuyển thông tin sớm hơn mà không di chuyển quyết định sớm hơn. Lợi ích là có thực nhưng hạn chế.

Thiết kế lại mô hình phản hồi—làm rõ ai sở hữu những danh mục ngoại lệ nào, họ có thẩm quyền gì và các quyết định của họ kết nối với các hệ thống thực thi như thế nào—là công việc thiết kế tổ chức. Nó không thể được mua như một tính năng phần mềm, và nó có xu hướng đòi hỏi sự tham gia của các cấp lãnh đạo thường không phải là một phần của các dự án triển khai công nghệ.

Nơi AI Tìm Thấy Ứng Dụng Hợp Lệ

Học máy có vai trò rõ ràng và có thể đo lường được trong quản lý ngoại lệ: cải thiện bước phân loại bằng cách tính điểm các ngoại lệ theo dữ liệu kết quả lịch sử, xác định các kết hợp tín hiệu tương quan với các sự kiện có tác động cao trước khi tác động vật chất hóa, và lọc tiếng ồn trước khi nó đến người ra quyết định của con người.

Giá trị đó là có thực. Một mô hình học được sự kết hợp chậm trễ lô hàng nào, khi kết hợp với các vị trí tồn kho cụ thể và hồ sơ đơn đặt hàng khách hàng, đã dẫn đến vi phạm SLA trong lịch sử hữu ích hơn một quy tắc kích hoạt theo thời gian trễ đơn thuần. Mô hình cải thiện độ chính xác phân loại; nó không thay thế nhu cầu về phân loại đầu ra được xác định rõ ràng và logic định tuyến rõ ràng.

Các tổ chức sử dụng AI hiệu quả nhất trong quản lý ngoại lệ có xu hướng đã thực hiện công việc định nghĩa nền tảng trước. Phân loại ngoại lệ sạch, dữ liệu kết quả lịch sử có cấu trúc và logic định tuyến rõ ràng cung cấp cho mô hình thứ để học từ và thứ gì có thể hành động để tạo ra.

Bài Kiểm Tra Đo Lường

Chẩn đoán rõ ràng nhất cho một chương trình quản lý ngoại lệ là thời gian giải quyết cho các sự kiện ưu tiên cao và tỷ lệ các sự kiện đó được giải quyết mà không cần leo thang thủ công. Các tổ chức theo dõi các số liệu này chặt chẽ có xu hướng thấy rằng những cải thiện lớn nhất đến không phải từ phát hiện tốt hơn—hầu hết các chương trình đã phát hiện đủ tốt—mà từ phân loại nhanh hơn và định tuyến rõ ràng hơn.

Đối với các chủ hàng và 3PL vận hành các chương trình đa hãng vận chuyển, vấn đề chất lượng dữ liệu thượng nguồn làm phức tạp thêm thách thức: dữ liệu mốc chuẩn hóa, độ trễ thấp trên các loại hãng vận chuyển là điều kiện tiên quyết để logic phân loại hoạt động nhất quán. Lớp chuẩn hóa mốc của MGS giải quyết điều kiện tiên quyết đó, chuyển đổi các sự kiện hãng vận chuyển không đồng nhất thành một phân loại ngoại lệ chung để các quy tắc định tuyến có thể được áp dụng đồng đều bất kể có bao nhiêu hãng vận chuyển trong chương trình.

Nguồn: Logistics Viewpoints