زنجیره عرضه‌تان را با بهره‌مندی بیشتر از داده‌های IoT و داده‌های ماشینی هوشمند‌تر کنید

زنجیره عرضه‌تان را با بهره‌مندی بیشتر از داده‌های IoT و داده‌های ماشینی هوشمند‌تر کنید
۲۴ مهر ۰۹:۰۰ ۱۳۹۸ پرینت گرفتن از این مقاله

درآمد بسیاری از کسب‌ و‌کارها از این راه است که چیزهایی را از نقطه الف به نقطه ب برسانند. برای تولید‌کنندگان این کار تضمین ساخت کالاها و ارسال آن به مشتریان یا تامین قطعات مورد نیاز سایر شرکت‌ها است؛ برای خرده‌فروش‌ها این شامل فروش کالاها به مصرف‌کنندگان از مجاری مختلف می‌باشد. ما بین تولیدکننده و خرده‌فروش، طیفی از شرکتها، توزیع‌کننده‌ها و اپراتورهای لجستیکی را داریم که درگیر این فرایند انتقال فیزیکی از یک نقطه به نقطه دیگر هستند. تمامی این کسب و کارها باید در این مسیر ارزش‌افزایی کنند وگرنه حذف خواهند شد.

به گزارش BACpress؛ اینترنت اشیاء (IoT) می‌بایست این فرایند را هوشمند‌تر کرده و برای شرکت‌هایی که در امتداد زنجیره عرضه کار می‌کنند، فرصتی عالی برای کاستن از هزینه‌ها و بهبود سرویس فراهم کند. سرمایه‌گذاری در این عرصه در حال افزایش است – به گزارش Accenture 72 درصد از شرکت‌های صنعتی در اروپا در حال افزایش مخارجی هستند که صرف پروژه‌های IoT می‌شود، Gartner هم پیش‌بینی کرده است که در سال ۲۰۱۹ ، ۱۴٫۲ میلیارد شیئ متصل به شبکه خواهیم داشت و این تعداد تا سال ۲۰۲۱ به ۲۵ میلیارد خواهد رسید.

شرکت‌ها می‌توانند با استفاده از IoT در مقاطع زمانی مختلف داده‌هایی درخصوص مکان قطعات یا محصولات نهایی خود کسب کنند، ضمن اینکه تحلیل این داده‌ها می‌تواند فرصت‌هایی برای بهبود کارایی فرایندها یا اتوماسیون بیش از پیش آنها آشکار سازد. طرح‌های بهبود مستمر می‌توانند از این داده‌ها برای یافتن منفعتهای حاشیه‌ای (marginal gains) استفاده کنند. از این داده‌ها می‌توان برای کاربست‌های امنیتی و نظارت بر انطباق (compliance tracking) درخصوص کالاها و مواد حساس نظیر محصولات دارویی استفاده کرد.

با این حال، این وعده‌ای است که هنوز تحقق نیافته است. مشکل اینجا است که متصل کردن تمامی این داده‌های جدید به گونه‌ای که بتوان استفاده مفیدی از آنها کرد سخت‌تر از آن است تصور می‌شود. چه مشکلاتی در این خصوص وجود دارند؟

رسیدن به تصویری صحیح و دقیق با استفاده از داده‌های ماشینی، و نه صرفا داده‌های IoT

یکی از چالش‌هایی که اغلب شرکت‌ها باید خود را آماده مواجه با آن کنند این است که چه میزان داده می‌توان از دستگاه‌های IoT یا حسگرها گرفت. برآورد سیسکو این است که تا پایان سال ۲۰۱۹، IoT سالانه بیش از ۵۰۰ زتابایت داده تولید خواهد کرد. انتظار می‌رود که در سالهای پس از آن، این عدد افزایشی تصاعدی پیدا کند.

اما داده‌های دستگاهی به خودی خود مطرح نیست. این قبیل داده‌ها در کنار سایر اپلیکیشن‌های مورد استفاده در امتداد زنجیره عرضه و ذیل کسب و کار جای می‌گیرند. خود داده‌های IoT می‌توانند برای نشان دادن داده‌های آماری درخصوص مکان دستگاه‌ها یا جایی که محصولات ارسال شده‌اند مفید باشند، ولی برای فهمیدن اینکه آن محصولات چرا به فلان مکان ارسال شده‌اند و پس از ورودشان به آنجا چه اتفاقی برایشان افتاده است، زمینه‌ای فراهم نمی‌کنند. برای دستیابی به چنین اطلاعاتی لازم است که داده‌هایی از اپلیکیشن‌های دیگر نظیر “برنامه‌ریزی منابع شرکتی” (ERP) و اپلیکیشن‌های عملیاتی و خدماتی دیگر کسب کنیم.

IOT

هوشمندی زنجیره عرضه با استفاده از داده‌های IOT

هر یک از این آپ‌ها متشکل از چندین مولفه خواهد بود و هر یک از این مولفه‌ها داده‌هایی درخصوص عملکرد و نتایج کار خود تولید می‌کنند. این داده‌ها – که معمولا به آن داده‌های ماشینی می‌گویند – می‌توانند آن زمینه‌ای را که برای شناخت چگونگی پیوند زنجیره عرضه و عملیات‌های لجستیکی به برخی فعالیت‌های مشتریان یا الگوهای سفارش‌دهی ضرورت دارد فراهم آورند. به علاوه، با توجه به داده‌های ماشینی می‌توان نسبت به عملکرد کسب‌وکار در حیطه‌ای گسترده‌تر آن و رشد و تحول آن شناخت پیدا کرد. برای دستیابی به این بینش گسترده‌تر باید تمامی واقعه‌نگاری‌ها (logs)، سنجه‌ها و آلارم‌‌هایی که اپلیکیشن‌های شرکت با استفاده از داده‌های IoT خلق کرده‌اند به یکدیگر پیوند خورده و سپس به طور خودکار در زمینه جای گیرند.

ایجاد بینش کسب‌و‌کاری درخصوص داده‌های IoT

برای کسب بیشترین بهره از مجموع این داده‌ها، مهم است که به چگونگی بهبود سویه لجستیکی عملیات‌ها و همچنین بهبود عنصر کسب‌و‌کاری قضیه توجه کنیم.

داده‌های IoT می‌توانند در سه عرصه اصلی به کاهش هزینه‌ها کمک کنند: هزینه عملیاتی؛ تحویل سریعتر و بهتر؛ و کسب‌و‌کار سبز.

کاستن از هزینه‌های عملیاتی:

تحلیل کردن داده‌های IoT حاصل از اقلامی چون حسگرهای انجین، ناظرهای زیست‌محیطی و سایر مولفه‌ها می توانند به افزایش کارآمدی برنامه‌های تعمیرات و نگهداری پیشگیرانه کمک کنند. به این ترتیب می‌توان موارد ازکارافتادگی ماشین‌آلات و تجهیزات را کاهش داد، ازکارافتادگی‌هایی که هزینه‌های تعمیراتشان بیش از هزینه رفع عیوب قبل از بروز ازکارافتادگی است.

تحویل سریعتر و بهتر:

با افت قیمت حسگرهای ردگیری از راه دور، شرکت‌ها می‌توانند از داده‌های IoT و حسگرها استفاده کرده و دید کاملتری نسبت به چرخه‌های تحویل خود پیدا کنند. با انجام این فعالیت ردگیری در سرتاسر زنجیره عرضه می‌توان از اینکه سرویس‌های شرکت در گذر زمان چگونه با فرایندهای گسترده‌تر چفت می‌شوند باخبر شد.

کسب‌و‌کار سبز:

بهبود کارایی درخصوص کنترل آب‌و‌هوایی و مصرف سوخت می‌تواند ضمن کاستن از مخارج حمل‌و‌نقل و لجستیک، منافع زیست‌محیطی قابل‌توجهی به همراه داشته باشد.

اما این حوزه‌ها را نمی بایست به طور مجزا از یکدیگر مور توجه قرار داد بلکه برای آنکه از مجموع داده‌های داخلی و داده‌های IoT بیشترین فایده را ببریم باید گستره وسیعتر فرایندها و فرصت‌های کسب‌ و‌کاری را مدنظر داشت. به طور مثال، توجه به تاثیر کمپین‌های بازاریابی بر سرویس‌ها و عملکرد لجستیک می‌تواند آشکار سازد که در چه شرایطی افزایش در میزان فروش محصول می‌تواند به بیشتر شدن هزینه‌های حمل و نقل منجر شود. شرکت‌ها می‌توانند با برنامه‌ریزی پیشینی و اتخاذ چنین رویکردی که بر زمینه گسترده کار مبتنی است، زنجیره عرضه و عملیات‌های لجستیک خود را بهبود بخشیده و هزینه‌ها را در همه عرصه‌های کسب وکار خود به نحو کارآمدتری مدیریت کنند.

موضوع مهم دیگری که باید در خاطر داشت این است که این مجموعه‌های داده‌ای ممکن است برای دیگران نیز مفید باشند.در دسترس قرار دادن داده‌ها و تسهیل استفاده از آنها می‌تواند به تحلیل‌گران و سایر تیم‌های کسب‌و‌کاری در تصمیم‌گیری‌ها کمک کند.برای شرکت‌هایی نظیر Samsung SmartThings که تولید‌کننده دستگاه‌های IoT است، استفاده گسترده از ابزارهای تحلیلی برای پیشبرد عملیات‌های شرکت ضرورت اساسی دارد، چنانکه تقریبا ۹۵ درصد کارکنان این شرکت از ابزارهای تحلیلی و داش‌بوردها در وظایف شغلی خود استفاده می‌کنند، از تولید نرم‌افزار گرفته تا ارائه خدمات به مشتری و عملیات‌های مالی.

چنانکه از آمارهای Gartner و Accenture پیدا است،رشد سرمایه‌گذاری در دستگاه‌ها و سرویس‌های IoT ادامه خواهد یافت. اما این سرمایه‌گذاری‌ها باید با یک راهبرد قوی درخصوص تحلیلیات داده‌های ماشینی همراه شود، راهبردی که دسترسی افراد به داده‌های IoT را آسانتر سازد. اگر نتوان داده‌های را به درستی در زمینه کار جای داد، پروژه‌های IoT همچنان به موارد خاص منحصر خواهند شد، به جای آنکه در خدمت تامین کل نیازهای سازمان‌ها باشند.

منبع: iotbusinessnews

  Article "tagged" as:
  Categories:

هیچ نظری ارسال نشده است!

شما می توانید یک مکالمه را شروع کنید.

ارسال دیدگاه

اطلاعات شما در امنیت کامل خواهد بود! آدرس ایمیل شما منتشر نخواهد شد.