物联网将对传统的供应链管理,带来意义深远的,无法撤销的改变。本文将向你提供如何利用这一潜力的建议,而不是处于落后。
物联网也许不是技术的终极领域,但它的确提供了新的探索领域。有些人,也许可以考虑扩展你的业务范围,但是所有人都需要考虑智能产品的爆炸式增长,将如何改变你的供应链。这就是为什么各级别的业务领导都需要开始创建一个物联网供应链战略。 以下是一些你需要知道的问题。
无论是构建物联网供应链, 或创建满足物联网需求的产品,创造性思维和高层参与都是必要的。CEO的团队需要采用适应业务模式和公司销售的产品和服务的企业方案。会面对的问题包括:
如何将产品进化为智能产品?
一旦在市场中投放智能产品,一个永远在线的企业需要有更高的意识,随时响应。内部流程和供应链要如何改变,才能更敏捷,更快做出响应?
让我们想象一个有传感器和其他设备的全新数码产品将要进入市场。 首先要考虑的,就是贸易伙伴和客户的参与。通常,制造商都远离市场,并且对他们的客户了解甚少。分销商和物流供应商也没有利用他们与客户之间的距离,而缺乏对于客户的理解。
物联网将促进通过新设备和软件而聚集的新的合作关系, 第三方平台,集成技术和分销渠道。所有这一切,连同扩展的产品,会增加供应链的复杂性,需要流程的重塑。一个物联网供应链需要包含产品的全面生命周期。以下是计划中必须解决的关键领域。
全面的生命周期管理。智能产品带来生命周期价值的信息,帮助产品开发、销售、供应链和服务管理的创新,提高产品和质量,并开发新的收入来源。
响应执行。物联网在这方面的影响是显著的。嵌入式产品需要实时补充、替换,当天发货,分销网络需要具备正确的库存战略,随时应对。
预测服务和维护。如何分析传感器和其他数据,才能减少故障,避免停机,并提高产品在客户眼中的性能和价值?智能产品将帮助公司解决这些问题,尽管也伴随着对于更好服务水平的期望。
灵活制造。物联网将推动更短的生产周期,更丰富的产品选择和定制。数字化制造商需要更快的响应。
智能的需求管理。 我们如何开发更丰富的数据源,并学会如何利用这些数据来理解客户和消费模式——根据地点,货品级别?物联网需要我们回答这个问题。
物联网世界新需求
无论你的企业是否有生产物联网产品的业务,这些产品都将迫使解决物联网供应链的问题。例如,不同的系统需要彼此交流,并且收集由物联网产生的大量数据的需 求也很紧迫。连通性和流数据还带来了响应的紧迫感,但这种响应必须是准确的,才能使物联网有益。这意味着不仅要合并数据和功能,但也要更加频繁的,更精确 的,更快响应的计划周期。供应链经理一直要求可视性,但是由于旧数据模型和系统,他们过时的系统不能实现这一点。
换句话说,传统的系统需要现代化,才能提供新的数据视图。你应该准备在两大方面进行彻底的改变:集成和响应性。
要完成集成,确保你处理以下这些领域。
传感器网络。提供“物”的源数据,包括运输公司,他们的设备,和其他库存和产品;卡车和集装箱;机器,半成品材料和其他与工厂相关的物理对象;还有人。传感器数据是一种新的数据类型,许多传统的软件产品并没有。因此传感器中间件或传感器网络需要成为IT平台的一部分。
大数据引擎和复杂事件处理器。 复杂事件处理器持续监测由物联网产生的,和相关的大量数据,发现模式,增加了解,以降低风险和提高性能。
统一集成。经常被忽略,但至关重要的是将企业对企业和应用对应用的场景相统一的集成。数据需要在整个供应链内实时共享和整合入应用。
应用程序编程接口(API)库。需要标准化产品和流程将企业连接到设备。
业务流程扩展。 用于共享数据和流程的applet的click-and-connect,就像API,但是使用业务语言,允许工作流渗入到数以百万计的端点。
物联网供应链需求
物联网供应链需要做到以下几点:
针对事件如何影响需求的需求管理,应该根据地点,预测货品等级。
利用物联网数据的库存计划,对于库存情况和现状,可以提供更好的见解,相应的,更高效的库存政策。
更灵活的生产调度,用于支持新产品的发布和定制。
在运输过程中提供可视性的物流。
服务物流,使用在人意识到不足之前,就请求服务的设备,——智能流程将具备服务请求所需要的所有技能,不再出现停机时间。
虽然物联网的中心是“物”,员工——也就是说,人——仍将是重要的。一定要鼓励使用新技术和流程,来探索和解决老问题的新方法。 这将有助于更快赶上物联网的脚步,并享受它带来的所有好处。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。