出品/聯商翻譯中心

來源/Financial Times

作者/Lucy Colback

編譯/邱景業、Kiko

引言：

疫情期間，供應鏈領域面臨嚴峻挑戰，而一批創新技術的涌現則仿佛是久旱甘霖，令行業重現希望。然而，對于供應鏈端而言，一擁而上并不是明智之選，弄清問題權重、解決當務之急方為上策。

當前，供應鏈行業亟待進一步優化。近年來，地緣政治風險加劇，不僅令準時制生產方式（JIT）形同虛設，還令全球化遭遇逆流。據《財富》雜志觀察，在新冠疫情爆發前期，財富1000強公司中就有94%的公司遭遇供應鏈中斷。

除此之外，英國有不少企業都因英國脫歐而陷入困境。對于跨國企業而言，其雄厚資源足以抵擋脫歐帶來的風險；在制藥等關鍵行業，受益于政府資助，許多跨國企業得以增加庫存并建立資源替代來源。然而，中小型企業就未受到眷顧，由于缺乏金融影響力，他們在此次危機中受到了嚴重沖擊。

鑒于當前處境，各商家希望有速度更快、價格更平、穩定性更高的供應鏈服務可供選擇。據聯合國貿易和發展會議所稱，當前，全球供應鏈中斷現象雖仍未解決，但2021年全球貿易額已創下歷史新高。為改變窘狀，供應商應采取因地制宜的思想，著眼于眼下需求與挑戰，不再唯成本與效率論，而需要將供應鏈韌性、可靠性和靈活度擺于更重要的位置。

一、供應鏈可視化是關鍵

實現供應鏈可視化（visibility），即對供應鏈環節進行精準概述，這意味著用戶能有效識別、處理供應鏈中斷。倫敦貝葉斯商學院供應鏈運營和管理教授曼莫漢·索迪（ManMohan Sodhi）表示，可視化有望帶來一定程度的彈性空間。在供應鏈的消費端，“可追溯”的特性有望實現消費者對于可持續性的需求。

實現可視化的重要性人盡皆知，但可實現者卻寥寥。2020年，供應鏈管理網站Supply Chain Brain表示，建議企業對其70%-90%鏈條實現可視化。但實際上，大多數企業的實現程度僅為20%。“若想將商業災難防范于未然，數字化行動‘避無可避’”。

Supply Chain Brain認為，倉儲自動化是未來的趨勢。圖源：iStock

為實現這一目標，相關企業數字化整合范圍應覆蓋最上游的商品、零部件供應商以及最終客戶；數據輸入也應從過往的人工轉為數字化。數據在系統中得以整合，就能顯得直觀、清晰。

同時，根據2021年的一項研究顯示，當前采用非數字化的系統運維成本相當之高。該公司表示，在其調查組內，手動錄入數據的公司年均成本為100萬美元，手動錄入供應商發票的年成本超60萬美元。同樣地，礙于數字化供應鏈部署繁復，多數公司都無法將其落實到位。

人工智能物流軟件提供商Transmetrics表示，因行業內大量使用手動流程，集中成本高的數據，物流行業早已聲名狼藉，這也導致了行業整體的數字集成難度愈發高。此外，供應鏈也會受到技術豎井（technology silos）（譯者注：公司與公司之間的技術壁壘）、數據標準化缺失的干擾。國際物品編碼組織（GS1）等機構正致力于實現數據標準化這一目標。

二、采用技術解決方案

軟件解決方案提供商SAP在其2022年一項調查中發現，未來一兩年內，有70%的英國企業計劃采用新型技術來攻克供應鏈難關。由此可見，諸多企業都有意部署技術支持的解決方案。

幾十年發展下來，機器人、供應鏈優化等解決方案成本均已降低、效率得以提高，悄然間，舊技術的價值已然提升。在舊版軟件的加持下，全新系統正式問世，供應鏈可視化則有了更多技術支持。英國供應鏈解決方案提供商Wincanton就開發了一款相關應用程序，其將新模塊應用于現有技術，系統即可跟蹤貨物自下單至運抵整合中心的全過程。目前，這些類“控制塔”的功能仍在開發中，部分手動操作功能得以保留。

Wincanton與英國本地的超市零售商合作，幫助其優化倉庫流程，以提高生產效率。圖源：Wincanton

一家企業如何實現數字化轉型？該問題是其實現成功的關鍵因素。人們應將“變革”視作一種機會，而非威脅，因此，企業也需要為技術改革的失利做好心理預備。來自國際智能供應鏈企業Blue Yonder的一位顧問邁克爾·費恩特（Michael Feindt）認為，人們通常認為技術更新換代會帶來不確定性，于是寧愿因循守舊；但值得注意的是，該想法在南美、非洲不是主流，有可能是因為欠發達市場利潤空間更大，企業才愿意放手逐利。

供應鏈更新換代應是一個循序漸進的過程，而非一個同時刻、全方位進行的“大型檢修”，因此，區塊鏈、人工智能、物聯網等新技術的部署也應該按部就班。況且人們對于這類技術的理解尚不全面，他們可能認為一旦采用這些技術，系統面貌將發生一百八十度的轉變；也由于這樣，越早采用新技術的企業也會越早感到失望。

正如索迪的研究所所強調，對于企業來說，最重要的是需要先搞清他們面臨的頭等大事，從而明確戰略目標。

誠然，新技術能協助企業策略更具適應性、靈活性，降低成本、減少錯誤，優化資產使用，加快流程推進與溝通效率；新技術也有利于將員工從重復的任務中解放出來，用于決策事項、分享經驗。然而，只有將合理的解決方案用于已獲定義的問題，供應鏈技術的功效才能發揮到位，才能針對性地解決問題。

索迪稱，“不論你的需求或預期利益權重如何，也不論你的組織面臨怎樣的困境，你要做的就是把情況展示給技術供應商，問他們能做到什么、不能做到什么”。他還強調，供應商還有責任確定解決方案，并在必要時自行進行試點計劃，以測試新型技術。

然而，擁有正確的組織架構有助于改善成果，以防實驗技術失利而對業務全局造成影響。Wincanton首席客戶及創新官保羅·杜爾金（Paul Durkin）表示，通過將技術職能一分為二，其公司取得了長足進步。其一解決了現有業務面臨的挑戰，其二則確定了基于新興技術的產品及相應機會。他認為：此舉為產品開發開辟了“快速道”，同時又不至于忽視當前項目，從而為客戶疑難提供了更多的解決方案。

這兩部分均隸屬于同一部門，他們需要結合起來實施可行解決方案。杜爾金表示：“我們采用的技術均符合預期設定，然而對于有些技術，我們也需要將其視為一個整體來接納”，

“有時從技術角度來看，我們已做好了準備；有時，我們需要結合客戶的角度來考量。只有將技術角度與客戶角度相結合，技術本身才能發揮好其應有的作用”。

三、了解技術的局限面

即便某一技術解決方案已被公認為合理方案，我們也不能坐享其成；了解其具體功能非常有必要。費恩特指出：“數據驅動之下，人工智能在短期內對技術發展有所裨益，但不適用于長遠發展。因為隨著時間的推移，我們將面臨更多未有先例可循之事。”換言之，人工智能不僅無法攻克統計數據的基本原理，也無法對不可預測之事做出準確評估。

關于軟件帶來的便利之處，費恩特稱：“真實工作環境中，一旦遭遇突發事件，相關軟件會幫助你迅速厘清狀況。它可以預測消費者行為發展和必要執行，還可以快速收集有關當前情況的數據，幫助公司迅速采取行動，尋找替代產品及供應商。比如，港口堵塞事件就適用于上述情況。”

疫情爆發初期，機器學習的表現可能優于人類，任由最新數據海量涌入，它依然能精密分析并且得出最佳響應。如果機器學習擁有人類思維，應該早就有所意識：這份工作好像怎么做也做不到頭。

借助技術設備，Costco得以將庫存數據共享給供應商，以便及時補貨。圖源：Costco

這跟一些客戶的想法如出一轍。起初，他們擔心軟件無法應對疫情期間前所未有的數據壓力。然而，事實證明，在理解并應對海量數據方面，機器比人類要快得多。工作期間，人工智能和機器學習還能將實際結果和預測結果進行對比，做到邊工作邊學習。

我們永遠無法避免不可預測之事，但有賴于技術制定情景規劃，供應鏈得以身披鎧甲、抵擋沖擊。相關技術有能力在未知中找尋邏輯，通過整合不確定因素優化庫存管理，幫助企業實現戰略目標，比如最大限度地減少資源浪費等。

最后要提到的是，若供應鏈的某一環節遭受“攻擊”，并衍生出突發狀況，供應鏈網絡可以依此進行備份方案的構想、設計和測試；同時，它也利于實現供應鏈的重新定位。拿一條路線為中國到亞洲其他地區的供應鏈舉例子，該系統會針對現場位置、產能、庫存管理和客戶進行相應優化。

為更深入地介紹一批重要技術，本報告還將著眼于典型供應鏈的各個環節，表明哪些解決方案有助于增加價值、在何處增加價值，哪些具有超前意識，于未來風險有所防范。

劍橋大學國際制造中心的觀點與索迪相仿，該機構建議，企業的關注點不應在于技術本身是什么，而是技術能干嘛；企業的戰略目標應著眼于推動企業做相關決策，具體來說，即供應鏈哪一環節需要投資？需要部署技術？因此，企業的戰略目標大方向應把握為：更好的交付、更好的產品以及更高的效率。

1 .采購和履行

在供應鏈中，采購和履行看似并無直接聯系，但他們實際上是相互交織的。企業先根據實際訂單或對訂單的預測來購置材料和貨品，這一環節即為采購，隨后需要確保通過履行來滿足用戶需求。企業的采購越數字化，就越能與供應商實現更好的整合。試想，如果供應鏈行業中數字化得以普及，那么全行業的可視化及相應能力都會獲得大幅飛躍。

根據愛立信2022年的一份報告顯示，截至2021年底，全球月移動數據流量達到了67 EB。預計到2027年，這一數字將翻兩番，達到每月282EB。可見，消費者行為的數據量正迅速增長。

通過整合供應商和客戶的信息，人工智能和機器學習可以做到比人類更快、更準確地提供需求預測和統計分析。就某一地區而言，如果能盡早探明人們對于某一新型產品有更高需求，就能越早為周邊市場提供發展思路，且將其應用其中。數據分析有助于幫助管理價格波動并找到更便宜的來源。

其實，供應鏈規劃早已不是什么新鮮事了，但采用數字化系統則有利于全面發展場景建模，這一舉動有助于企業在鏈條斷裂的情況下找到維續的方式，或者提前知曉何時需要找尋替代供應商。與“可視化”一樣，這類規劃可提高企業的恢復能力。因此，誰擁有了高質量數據，誰就掌握了上風。

如果可通過使用自然語言處理的自動監控來識別即將發生的供應故障，那么采購的彈性空間將會進一步增大，自線上獲取極端天氣預警、瀏覽政治新聞就是相應例子。在某種程度上，這類服務是由“控制塔”（control towers）提供服務的。基于自動化程度較低的云端數據庫，同時通過或自動或手動的來源，這些數據存儲庫可為公司提供更為高質的鏈視圖。比如，在供應商受到外部沖擊時，控制塔會發送即時預警。

基于自然語言處理和機器學習，自動化分析還可以優化供應商合同，提供可供審查和行動的項目，并確保采購條款保持統一格式以及符合標準。同樣，面對重復性任務時，自動化也可以減少人為錯誤，加快處理時間，如處理發票。機器學習還可以分析發票數據，以防欺詐行為。

2. 生產環節

生產過程無故障是商品實現高效生產的前提條件。設備故障、材料管理不善以及工期安排不當都會消耗大量時間和金錢成本。因此，生產環節的解決方案需最大限度地減少停機時間，優化時間與材料使用。

借助傳感器，企業可監控從設備功能到產品流程中的任意環節，并且有助于企業選擇更高效的生產計劃。與機器學習結合后，傳感器更可以預測設備維護的需求，預判某一部件在未來發生故障的時間點。

智能傳感器可根據數據不一致性探明產品質量問題，并自行規劃好時間以尋求人工勘漏。

您是否想要改善工廠布局，乃至于獲取最佳方案？不妨考慮數字孿生技術（digital twinning）。該技術可創建現有工廠及工作場所的虛擬版本，對最佳設計方案進行深度推演。使用場景包括安裝新機器等情況。

機器人技術是供應鏈應用中一門成熟度較高的技術，其功能日趨復雜，應用范圍已遠超汽車行業中的傳統功能。據美國自動化協會（The Association for Advancing Automation）數據顯示，由于疫情期間生產人力短缺，2021年，機器人銷售額同比增長28%，達20億美元，比2017年銷售額高出14%。另外，非汽車行業銷售額占到了總數的58%。

至于3D打印技術，對于那些處于終端市場的小批量生產企業極為重要。與此同時，該技術在高精度、低批量生產行業中的應用愈發普遍，如定制醫療設備、航空航天以及生產原型和零部件的行業。

3. 運輸

物聯網技術的發展日益壯大，然而RFID技術（射頻識別技術）同樣也在大放異彩；基于更為成熟的RFID技術，系統可對運輸中的貨物進行近乎實時的監控。利于準確安排貨物裝卸和交付，并最為有效地配置卡車、火車車隊。對于冷藏貨物，系統可幾近不間斷地追蹤溫度度數，從而加強質量管控。

此外，當前各類軟件商都提供了控制塔功能，可將第三方數據與算法相結合，綜合解決運輸問題。須知，技術能比人更快確定替代路線，尤其是在處理運輸延誤，或者交通擁堵等日常事件時。例如，該技術可追蹤風暴路徑，一旦航線遇阻，可立即重新規劃路線。

然而，該系統有個缺陷，即高度依賴于手動輸入的數據。2021年蘇伊士運河集裝箱貨輪擱淺事故就是個例證。當貿易干線受到人為阻礙，如果擔責一方的運輸流程未實現完全自動化，那么運輸方案重新配置就需要更長的時間成本。相反，一個系統擁有的數據越多，優化備選方案的速度就會越快。在未來某個階段，自然語言處理和標準化公告（例如新冠疫情）也有助于數據收集更自動化。

人工智能可進一步精簡日常工序的耗時，比如選擇運輸時間短的運載工具。它還能幫助物流公司縮短運輸路徑，通俗來講，就好像個人消費者通過谷歌航班來挑選更廉價的機票。另外，它還能借助預測算法來處置資產，給出合適的資產處置時間與地點。

至于前文提及的數字孿生，該技術結合了人工智能和物聯網，可用于提高運輸效率。例如，在鹿特丹港，采用數字孿生技術的傳感器可結合潮汐狀態和貨物重量，綜合規劃停泊與卸載時刻表。DHL（敦豪快遞）認為，就長遠考量來說，供應鏈全路徑裝載數字孿生技術并不是天方夜譚，屆時，全流程實時信息也會令自動配送服務更為可行。

據聞，區塊鏈有望通過提供交易驗證來對供應鏈體系進行大洗盤，然而實際情況卻不似預期。早前，就解決英國脫歐造成的邊境擁堵問題，區塊鏈技術被大眾賦予眾望，最后以失敗告終；該狀況實則有跡可循，早前，該技術早前并未取得任何應用價值高的成效。因而，在當前情況下，為避免造成投機行為，我們不該如此盲目、大規模地去部署類似技術。

4. 庫存及倉儲管理

Ocado是英國生鮮電商平臺巨頭，該企業的倉儲管理平臺搭載了智能系統，在設計之初僅供內部使用，其后則銷往全球各大超商。而這就向我們展示了何為端對端一體化，以及如何利用其發揮好價值所在。

從幾十年的發展來看，機器人之于供應鏈，有如如虎添翼、錦上添花，而且愈發精細化。搭載有傳感器、機器學習和人工智能的機器人甚至可進行一系列裝載活動，如裝卸棧板、箱子，甚至卡車。在Ocado，機器人可檢測自身的“健康狀況”，其新型倉庫的停機時間得以大幅減少。而在亞馬遜，機器人甚至“無所不能”，上到運載重物，下至分揀和包裝，都能準確而快速地完成。

為什么人工智能能降低企業成本？其中一大原因在于，人工智能下的庫存量是根據實際訂單和預測需求雙重標準來設定的。得益于分析歷史數據和模式分析，Ocado有效減少了企業食品浪費率，這一比例從2-3%的行業平均水平降至了0.6%。

5. “最后一英里”與顧客滿意度

對于任何一家面向消費者的企業來說，交付過程中的“最后一英里”都對客戶滿意度有著決定性作用。如上文所述，相關技術除了有助于預測需求并確保貨物順利交付，還可以在企業收到客戶訂單時優化送貨路線。在過去幾年間，街頭機器人已經在倫敦等歐洲城市隨處可見，他們穿街走巷提供快餐派送服務。不出幾年，我們也有望看到更多自動駕駛汽車與無人機投入使用。

供應鏈實現完全數字化后，不僅可以提高現有業務的效率，還可以通過關注客戶潛在期望購置的物品來提升企業收入。在采購環節中，基于客戶的購買模式，機器學習和算法可以幫助企業提高商品銷量。對于企業來說，屆時，數字銷售渠道就不再僅僅是“推薦使用”級別了，該渠道對于企業與數碼行家消費者接觸、為其銷售定制產品都發揮著至關重要的影響。

市場上，消費者對于可驗證產品的需求日益增多；誰先貫徹產品供應鏈可追溯性，誰就能奪得先機、搶占市場。

結論

新技術能助供應鏈企業一臂之力，共同應對面臨的挑戰。然而，若想將技術功效運用得當，企業就必須明確亟待解決、或將面臨的問題。他們必須有所意識，解決方案再前沿，那也只是一種工具，工具必須由經過培訓的專業人員之手才能得以正確應用和使用。

如果發現了供應鏈中存在的問題，就有必要盡早處理并解決。任解決方案再好，也無法省去溝通與透明度問題。對問題及早進行干預，有利于維系供應鏈企業與客戶之間的合作關系，從而實現共贏。