Bristlecone Inc. 副社長、Saroj Tripathi 氏による
サロジは、サプライチェーンの思想的リーダーであり、グローバル企業のデジタルトランスフォーメーションとテクノロジー活用の実現に向けたパートナーシップにおいて20年以上の経験を有しています。トリパティは、ブリスルコーン社での18年間で様々な役職を歴任しました。現在は北米のフィールドオペレーションとサプライチェーンアプリを統括し、顧客獲得から顧客満足度まで、あらゆる側面を担当しています。
2020年は、曖昧さ、不確実性、そして不安定さの代名詞となりました。パンデミックによって引き起こされた混乱は第三次世界大戦に例えられ、10年間の成長と発展を奪ったと言われています。
効率化の導入と実装はこれまで以上に重要であり、世界中の組織がサプライチェーンの運用とその管理方法を見直しています。インテリジェントで自動学習型、俊敏性、そしてレジリエンスを備えたサプライチェーンを構築するには、サプライチェーン管理における持続的かつ広範なイノベーションがこれまで以上に求められています。市場の現状を踏まえ、Bristleconeの社長兼CEOであるNirav Patel氏は次のように述べています。
「このブラックスワンイベントによって引き起こされる変化のスピードに対応するために、組織は時代遅れの従来のサプライチェーン管理の手法を捨て、デジタル耐性のあるサプライチェーンエコシステムの構築に向けて積極的に取り組む必要があります。」
AIは、デジタルサプライチェーンを実現する主要技術の中でも、最も有力なものです。AIは私たちの生活のほぼあらゆる側面に深く浸透していますが、企業内、特にサプライチェーンにおいては、AIソリューションの主流化はまだ始まったばかりです。「AIをテクノロジーそのものという視点ではなく、 3つの主要な機能という視点から考察することが有益です」（MIT運輸・物流センター）。
- 認知自動化 – 反復タスクのインテリジェントな自動化
- 認知的洞察 – パターンの検出、予測、および規範的な洞察
- 認知的エンゲージメント – さまざまなステークホルダーの関与
これらのうち、コグニティブ・インサイトは、今日のサプライチェーンに最も大きなインパクトをもたらす可能性があります。AI主導のインサイトは、サプライヤーから消費者に至るまで、サプライチェーン全体にわたる重要な疑問に組織が答えるのに役立ちます。
18 を超える業種にわたる 200 社を超える顧客との会話や取り組みに基づいて、いくつかの重要な問題とテーマが明らかに浮かび上がってきています。
1. サプライチェーンリスク管理
COVID-19の流行が私たちに教えてくれたことの一つは、不測の事態を予測することはできないものの、AIを活用して、そうした事態がサプライチェーンに与える影響を理解し、そこから導き出された知見をどのように活用してリスクを軽減できるかを考える必要があるということです。パンデミック以前から、悪天候、関税、規制変更、業界の変化、テクノロジーの進化などによる混乱に 直面し、サプライチェーンのリスク管理はリーダーたちの最優先事項となっていました。
AI は次のような方法で積極的なリスク管理を可能にします。
- 非構造化および半構造化データ ストリームを処理して、グローバルおよびローカルのイベントを継続的に監視します。
- 組織のサプライチェーンに対するリスクを文脈化し、リスクパラメータを定量化する
- 過去の出来事や主要なサプライチェーン運営変数の変化の影響を検討することで、リスク軽減と管理戦略に関する規範的な洞察を提供します。
従来のサプライチェーンリスク管理戦略は、静的なリスクレジスターの作成と、棚上げされたままの緩和戦略の作成に重点を置いていました。AIを活用することで、学習システムによる判断に加え、ほぼリアルタイムのデータ処理と予測機能により、サプライチェーンリスクを管理・緩和できます。例えば、悪天候は顧客への配送、物流コスト、従業員の安全に直接的な影響を及ぼします。多くの組織はこのような状況に対応するための標準業務手順（SOP）を整備していますが、実際の運用には困難が伴います。ある耐久消費財メーカーはAIを活用し、気象データと注文データをリアルタイムで分析しています。そのため、降雪時には、物流の直前のスケジュール変更コストを回避し、プロアクティブなアラートで顧客体験を向上させ、ドライバーと貨物の安全性を高めることができます。
サプライチェーンリスク管理におけるAIについて詳しく見る
2. 需要の変動
従来のサプライチェーン需要計画システムは、過去のデータからの外挿に大きく依存しています。これらの従来の手法では、季節性やプロモーションなどの予想される変動が考慮されています。しかし、単純な統計予測では現在の市場状況を予測することはできず、現在のデータに基づいて将来を予測することもできません。需要パターンは劇的に変化しています。
- 消費者は特定の商品を購入していない。例：高級家電、自動車
- 消費者は、化粧品やフォーマルな服など、特定の商品をより少量ずつ購入している。
- 消費者はより多くを購入し、より速く消費している。例：清掃用品
- 消費者は新しいチャネルから購入している（例：eコマース対実店舗）
AI は、不確実な時代において、次の 2 つの重要な方法で予測の精度を向上させることができます。
- 自己学習し、予測を徐々に改善する機械学習アルゴリズムで統計予測を強化する
- 業界、製品ライン、市場に関連する外部需要の推進要因をモデル化し、現状に基づいて修正を提供します。
新製品導入時など、過去のデータが利用できない場合、従来の故障予測手法はさらに迅速に対応できます。自動車アフターマーケットでは、新製品の需要は、稼働車両のプロファイル（年式、メーカー、モデル、故障率）、季節性、地域の稼働状況、部品の独占性、そして複数のチャネルによる複雑さ、そして熾烈な競争環境によって左右されます。AI技術の活用により、製品マネージャーはこれらの要因を特定できるだけでなく、要因の重み付けも理解できるようになり、予測精度の大幅な向上、在庫の最適化、運転資本収益率の向上につながりました。
需要変動の管理における AI について詳しく学びます。
3. サプライチェーンの可視性とトレーサビリティ
「注文はどこ？」は、サプライチェーンのプロフェッショナルがオフィスでも自宅でも尋ねられる唯一の質問かもしれません。2020年になっても、サプライチェーンの可視性の欠如は、サプライチェーン業務の最適化における大きなボトルネックとなっています。医薬品や食品・飲料などの規制の厳しい分野では、優れた顧客体験を提供するだけでなく、安全性を確保し、州および連邦のガイドラインを遵守する必要があるため、問題の複雑さはさらに増しています。重要な質問に答える能力：
- 私の資産はどこにありますか
- 私の資産はどうなっているのか
情報データ ストリームと物理的な移動データ ストリームを組み合わせることで得られます。
貨物の追跡は、バーコードからアクティブIoTセンサーに至るまで、様々な追跡技術を用いて行うことができます。AIは、グローバルサプライチェーンにおいて、3PLパートナーや運送業者、自社所有のトラック、海上輸送、現場センサー、そして数万もの貨物が輸送中の主要サプライチェーン取引などから得られる追跡データを大規模に処理するのに役立ちます。さらに、機械学習を用いることで、顧客体験に影響を与える商品の移動や、安全性とコンプライアンスに影響を与える商品の品質について、プロアクティブなアラートを生成できます。このように、AIは、もう一つの重要なサプライチェーンデジタル化技術であるIoTにとって、重要な付加価値、あるいは実現要因となります。
AI と IoT を使用してサプライ チェーンの可視性とトレーサビリティを強化する方法について詳しく学びます。
サプライ チェーンのデジタル化は、競合する業界に関係なく、世界中のリーダーにとって引き続き優先事項です。AI は、サプライヤーから消費者までのエンドツーエンドのサプライ チェーンの戦略的優位性を大幅に高めることができます。
マヒンドラグループの一員であるBristlecone Inc.は、サプライチェーン変革における信頼できるパートナーであり、組織がより高パフォーマンスな環境を構築し、優れた顧客体験を提供できるよう支援することに特化しています。多様な業界にわたる広範な顧客ネットワークと主要なテクノロジーパートナーを擁するBristlecone Inc.は、サプライチェーンに関する深い知識と最先端技術の専門知識を融合させることで価値を創造し、迅速なイノベーションサイクルと価値実現までの時間の短縮に重点を置いています。
