شریک مایکروسافت در پلتفرم نظارت بر موجودی

عنوان مقاله: CH Robinson, Microsoft partner on inventory visibility platform

نویسنده: Matt Leonard

برگردان: معصومه موسی (پژوهشگر موسسه مدیریت زنجیره تامین آمادگران)

به سفارش: موسسه مدیریت زنجیره تامین آمادگران

تاریخ انتشار: ۱۴ جولای سال ۲۰۲۰ میلادی

خلاصه مطلب:

• H. Robinson برای افزایش شفافیت در نظارت بر موجودی برای حمل‌ونقل‌کنندگان با استفاده از پلتفرم Navisphere با شرکت مایکروسافت مشارکت کرده‌ است. دو شرکت چشم‌انداز این پلتفرم را پیش‌بینی اختلالات بالقوه با بهره‌گیری از فن‌آوری نوین IoT , یادگیری ماشینی و تحلیل‌های پیشگویانه اعلام کرده‌اند. مایکروسافت نیز استفاده از این پلتفرم در زنجیره تامین خود را آغاز کرده ‌است.
• Jordan Kass، رئیس خدمات مدیریت شده در CH Robinson، در مصاحبه‌ای با Supply Chain Dive گفت: “پلتفرم ما قابلیت نظارت بر همه محموله‌های موجود در زنجیره‌تأمین را چه در حالت ایستا و چه در هنگام ترانزیت، فراهم می‌کند”. او همچنین گفت داده‌های موجودی با منابع اطلاعاتی بیرونی، از جمله آب‌وهوا و ترافیک هماهنگ شده و سیستم با استفاده از تجزیه‌وتحلیل‌های پیشگویانه در تلاش‌ هستند تا اختلالات زنجیره تأمین را پیش‌بینی کنند.
• تامین‌کنندگان می‌توانند به طور مستقیم یا از طریق فضای ابری به سیستم متصل شده و سفارشات خرید را به محض ورود به سیستم Navisphere ارسال کنند که روند پیگیری موجودی را آغاز می‌کند. در سمت بیرونی، سفارشات مشتری به سیستم ERP رابینسون ارسال می‌شود و به طور مستقیم توسط Navisphere برداشت می‌شود، که روند بهینه‌سازی مسیر و مدیریت انتخاب حامل را آغاز می‌کند.

شرح تفصیلی:

مشارکت با مایکروسافت به حاملان اجازه می‌دهد تا به قابلیت‌های موجود در اکوسیستم Azure متصل شوند که شامل فن‌آوری IoT می‌باشد . C.H. Robinson مجموعه‌ای از تجهیزات IoT خواهد داشت و مشتریان می‌توانند با شرکت قرارداد ببندند تا از آن‌ها برای حمل‌ونقل استفاده کنند.

C.H. Robinson توانسته است موقعیت مکانی فیزیکی محموله‌های خود را با استفاده از Navisphere  برای مدتی ردیابی کند، اما افزودن فناوری IoT به حاملان این امکان را می‌دهد تا متغیرهای اضافی مانند دما، شوک، رطوبت، نور و فشار حمل‌ونقل را هم مشاهده کنند.

Kass گفت: “این موضوع در مورد مایکروسافت نظارت از بالا(monitoring tilt)است. بنابراین برای آن‌ها به مواردی مانند سرورها و ایده‌ی چگونگی  استقرار در موقعیت عمودی، فکر می‌کنند. اگر دستگاه IoT یکی از این متغیرها را در محدوده‌ای که برای حمل‌ونقل خطرناک تلقی می‌شود، تشخیص دهد، سیستم می‌تواند یک هشدار در لحظه برای فرستنده ارسال کند.”

وی گفت: “شما می‌توانید آستانه‌هایی را برای هر یک از این ابعاد تعیین کنید و وقتی که آستانه عبور کرد، این پلتفرم به هرکدام از کاربران هشدار می‌دهد.” باربری‌ها می‌توانند با C.H. Robinson برای سازماندهی هشدارها به‌خصوص برای زنجیره‌ تأمین خود کار کنند و سیستم به آن‌ها اجازه می‌دهد تا فرکانس هشدارها(گزارش ماهانه، لحظه‌ای و غیره) را به همراه مکان ارسال هشدارها (پیامک، ایمیل و غیره) انتخاب کنند.

نمای اصلی برای یک حامل نمایی است که بتواند بر تمام موجودی خود در سراسر جهان نظارت داشته ‌باشد و سیستم  بخش‌هایی را که ممکن است تاخیر داشته یا در معرض خطر باشند را نشان ‌دهد.

این سیستم از یادگیری ماشینی برای تعیین اینکه آیا هر کدام از محموله‌ها با تطابق موقعیت جغرافیایی و داده‌های IoT با داده‌های آب‌وهوا و داده‌های ترافیک در خطر هستند، استفاده خواهد کرد . Kass گفت که اطلاعات گردآوری‌شده در مورد حمل‌ونقل‌ها برای آموزش الگوریتم یادگیری ماشین مورد استفاده قرار خواهدگرفت، به امید اینکه قادر به پیش‌بینی بهتر نقاط شکست زنجیره تامین در آینده باشد.

اما با مشاهده موجودی یا وضعیت آب و هوا یا ترافیک نمی‌توان از بروز همه اختلالات زنجیره تامین جلوگیری کرد. یک بررسی جدید نشان داد که اکثر حاملان عدم وضوح در مورد تقاضای مصرف‌کننده را بزرگترین گلوگاه زنجیره تأمین می‌دانند که در نتیجه همه‌گیری COVID-19 مشاهده می‌شود. بسیاری از مدل‌های تقاضای مصرف کننده باید از دور خارج شوند زیرا پیش‌بینی‌های مبتنی بر داده‌های تاریخی در محیط فعلی معنی چندانی ندارد.

John Aloysius، استاد بخش مدیریت زنجیره تأمین در دانشگاه Arkansas، ماه گذشته به “Supply Chain Dive” گفت: “این فقط یک روند رو به رشد و نوسانات فصلی قابل پیش‌بینی نیست.  همه چیز دقیقاً مانند یک داستان کاملاً متفاوت است و داده‌های تاریخی دیگر به اندازه گذشته مرتبط نیستند.”

قوانین مربوط به داده‌ها از کشوری به کشور دیگر متفاوت است و همه آنها را نمی‌توان بایگانی کرد و در سیستم ذخیره کرد. Kass گفت: “اگر در اروپا هستید و یک پیک تحویل سفارش به درب منزل هستید … شما نمی‌توانید آدرس آن خانه را ذخیره کنید، بنابراین مواردی از این دست از سیستم حذف می‌شوند. عناصر داده باقی‌مانده همان چیزی هستند که در حال تغذیه و تدریس و آموزش خود کامپیوتر هستند.”

منبع: https://www.supplychaindive.com/news/ch-robinson-microsoft-inventory-visibility-IoT