نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

11 اسفند 1402 2:05 ب.ظ

تولید مبتنی بر داده برای انعطاف پذیری و نوآوری

ارسال شده در 3 اکتبر 2022 توسط The Manufacturer

با وجود آشفتگی بازار، برنامه‌های تحول دیجیتال تولیدکنندگان بریتانیایی با تمرکز بر سرمایه‌گذاری‌هایی که به افزایش انعطاف‌پذیری و نوآوری کمک می‌کنند، در حال پیشروی هستند. رویکردهای مبتنی بر داده در تولید، نوید عملکردهای ناب تر، پایدارتر و پاسخ های چابک به اختلالات و تغییرات در تقاضای مشتری را می دهد.

استراتژی های هوشمند برای تولید هوشمند

برای تولیدکنندگان بریتانیایی، شرایط بازار همچنان چالش برانگیز است. برگزیت، تأثیر مداوم کووید-۱۹، تحولات ژئوپلیتیکی، افزایش هزینه‌های انرژی و اختلال در زنجیره تأمین جهانی، همگی برای ارسال کتاب‌های سفارش عرضه و تقاضا و خروجی در یک کانال هوایی توطئه کردند.

با ادامه عدم اطمینان در این بخش، رهبران این مشاغل در ماموریت ایجاد انعطاف پذیری بیشتر در عملیات خود و شناسایی فرصت های جدید برای رشد هستند.

بسیاری فناوری‌های دیجیتال را بهترین شانس خود برای دستیابی به این اهداف می‌دانند، دیدگاهی که به طور گسترده توسط همتایان جهانی آنها مشترک است. در نظرسنجی چشم انداز تولید جهانی KPMG در سال 2022 از مدیران عامل این بخش، ریسک زنجیره تامین توسط پاسخ دهندگان به عنوان بزرگترین خطر برای رشد سازمانی در نظر گرفته می شود. و مهمترین اولویت عملیاتی که آنها برای دستیابی به اهداف رشد قائل هستند، پیشبرد دیجیتالی کردن و اتصال همه مناطق عملکردی است.

داده‌های تولید شده توسط تجهیزات، کارمندان، وسایل نقلیه و شرکای تجاری کلیدی، سرنخ‌های ارزشمندی در مورد اینکه چگونه ممکن است واکنش‌های چابک‌تری به اختلال ایجاد کنند، در اختیار دارند. عملیات ناب تر و پایدارتر را اجرا کنید. و الگوهای تقاضای آینده و نیازهای مشتری را با دقت بیشتری پیش بینی کنید.

چالش

تولیدکنندگان بریتانیایی برای مقاومت در برابر شوک‌های زنجیره تامین و پاسخگویی به آن، نیاز فوری به انعطاف‌پذیری بیشتری دارند. این موارد در سال‌های اخیر با تأثیر کووید-19 بسیار رایج شده‌اند، اما مشکلات مداومی که با آن‌ها مواجه هستند، مشکلاتی مانند کمبود مواد اولیه/اجزای قطعات، تنگناهای حمل‌ونقل، تأخیر در ارسال و مشکلات کارکنان است.

اما این واقعیت باقی می‌ماند که تولید یک محصول و دستیابی به دست مشتریان معمولاً متکی به داده‌هایی است که در سیستم‌های متعددی قرار دارند. اینها نه تنها به خود سازنده، بلکه به اکوسیستم اشخاص ثالثی که با آنها کار می کند، از جمله مشتریان، تامین کنندگان و شرکت های لجستیک نیز تعلق دارند.

چالش این است که این داده ها را گرد هم بیاوریم تا دیدی «تصویر بزرگ» از موقعیت های بلادرنگ ایجاد کنیم، به طوری که شرکا بتوانند روی پاسخ های مؤثر با هم کار کنند – و در برخی موارد، خطرات زنجیره تأمین را پیش از بروز پیش بینی و کاهش دهند.

پاسخ داده محور

اولین هدف تولیدکنندگانی که قصد مقابله با اختلال زنجیره تامین را دارند باید دیده شدن باشد. به عبارت دیگر، آن‌ها باید داده‌های مرتبط را به گونه‌ای جمع‌آوری کنند که بتوان آن‌ها را برای شناسایی ریسک‌ها و شکست‌های احتمالی در زنجیره تأمین، ترجیحاً قبل از وقوع تجزیه و تحلیل کرد. این به طور بالقوه شامل طیف گسترده ای از داده ها است، نه فقط از منابع داخلی، بلکه از طرف شرکا: در دسترس بودن لوازم، محل کامیون های تحویل، تاریخچه سفارش مشتریان. ممکن است شامل داده‌هایی از حسگرهای موجود در قفسه‌های انبار و سیستم‌های تله‌متری خودرو، و همچنین از مدیریت موجودی پشتیبان و نرم‌افزار کاربردی زنجیره تامین باشد.

Snowflake Data Cloud مکانی را فراهم می کند که همه این داده ها را می توان به طور ایمن ذخیره و مدیریت کرد، صرف نظر از منشاء یا فرمت آن. مقیاس پذیری الاستیک ترکیب شده و عملکرد با قیمت گذاری مبتنی بر استفاده باعث می شود که تولیدکنندگان نیز می توانند شبکه را گسترده تر کرده و داده های بیشتری را از منابع متنوع تر جمع آوری کنند، بینش را تقویت کرده و منجر به تصمیم گیری بهتر می شود.

با استفاده از اشتراک‌گذاری امن داده‌ها، شرکا می‌توانند در غنی‌سازی مجموعه‌های داده با مشارکت‌های خود با یکدیگر همکاری کنند تا نمای انتها به انتها ایجاد کنند که همه را از آنچه در کل زنجیره تامین می‌گذرد مطلع می‌سازد. این رویکرد روش‌های سنتی اشتراک‌گذاری داده‌ها را بسیار بهبود می‌بخشد و نیاز به کپی کردن داده‌ها و جابجایی آن‌ها را از بین می‌برد، عملی که اغلب خطرات غیرقابل قبول امنیت داده و کیفیت داده را معرفی می‌کند.

هدف دوم چابکی است – توانایی تشخیص یک مشکل و اقدام سریع بر روی آن، بر اساس درک دقیق از موقعیت در زمان واقعی. این بستگی به بکارگیری فناوری‌های تحلیلی، از جمله هوش مصنوعی و یادگیری ماشینی دارد، به طوری که بتوان بینش‌ها را از داده‌ها استخراج کرد و به کسانی که در بهترین مکان برای عمل بر روی آن‌ها هستند، ارائه کرد، معمولاً در قالب گزارش‌های هوش تجاری، هشدارها و پیش‌بینی‌ها.

به این ترتیب، هنگامی که با اختلال مواجه می‌شوید، تولیدکنندگان می‌توانند به سرعت برنامه‌های خود را تغییر دهند – شاید به تامین‌کننده دیگری تغییر دهند، از ماده یا قطعه دیگری استفاده کنند، یا تاریخ‌ها یا مسیرهای تحویل را تنظیم کنند. در عین حال، به اشتراک گذاری داده به این معنی است که اکوسیستم گسترده تر شرکای تجاری را می توان در مورد هر تغییری به روز نگه داشت و مسیر را بر اساس آن تنظیم کرد. این همکاری ها، به نوبه خود، می تواند روابط تجاری را تقویت کند، زیرا شرکای یک اکوسیستم به درک بهتر و کمک به حل چالش های یکدیگر می رسند.

https://www.themanufacturer.com/articles/data-driven-manufacturing-for-resilience-and-innovation-renewal/?utm_campaign=Digital%20Briefing%202022&utm_medium=email&_hsmi=228293058&_hsenc=p2ANqtz-9XbFzxUnU2uDop5bxQxvF1kQ6fwUALVsFamYZ8WzE65fBD9l2PJdN9lDckv1HpKimqDMiUwMkI-AJb-bta9lG28-vyLw&utm_content=228293058&utm_source=hs_email

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *