Łańcuchy dostaw wraz z rozwojem zaawansowanych technologii, takich jak czujniki i sztuczna inteligencja (AI) podlegają nieustannej ewolucji. Dążą w ten sposób do celu, jakim jest odchudzenie łańcucha a więc uproszczenie i redukcję zbędnych procesów. Zmniejszanie ilości zapasów oznacza w logistyce najbardziej wydajne i opłacalne wykorzystywanie komponentów. Jednak wybuch pandemii COVID-19 spowodował niespotykane dotąd zakłócenia w globalnym łańcuchu dostaw – od tarcicy drzewnej po skrzydełka kurczaka, a także oczywiście komponenty elektroniczne.

Początkowy dramatyczny spadek popytu na produkty końcowe wywołał szok w systemie. Natomiast na późniejszych etapach pandemii doświadczyliśmy sytuacji dokładnie odwrotnej – stanęliśmy w obliczu gwałtownego wzrostu popytu na produkty oraz niedoboru dostaw i zapasów magazynowych. Ujawniło to poważne niedociągnięcia łańcucha dostaw – głównie brak solidności; podatność na problemy produkcyjne. Proces stał się na tyle scentralizowany, że gdy problemy dotknęły tylko jednego producenta, miało to szeroki wpływ na cały świat. Z kolei gdy nastąpiło gwałtowne rozbudzenie popytu, łańcuch dostaw nie był wystarczająco solidny ani zdywersyfikowany, by dostarczyć wystarczającą ilość surowców do fabryk – wiele z nich całkowicie zamknięto. Do zakłóceń przyczyniły się również niedobory siły roboczej – zamknięte firmy i braki kadrowe spowodowały opóźnienia w działaniu całego łańcucha dostaw.

Technologie, takie jak czujniki Internetu rzeczy (IoT) i sztuczna inteligencja (AI) mogą pomóc w stworzeniu solidniejszego systemu i naprawieniu wielu ujawnionych przez pandemię problemów. Nie można bowiem nie docenić wpływu, jaki przemysłowy Internet rzeczy (IIoT) już wywarł na przemysł produkcyjny i całość łańcucha. Zapewnia to nowe funkcje oraz bardziej inteligentne, predykcyjne i proaktywne systemy, które prowadzą do zwiększonej wydajności. Przyjrzyjmy się, jak te technologie zmieniają łańcuch dostaw na lepsze.

Lepsze śledzenie aktywów

Przemysłowy Internet rzeczy wynosi wykorzystanie czujników na nowy poziom, zwłaszcza jeśli chodzi o śledzenie aktywów w celu określania ich aktualnej lokalizacji. Na przykład, jeśli kontener wyposażono w urządzenie do śledzenia, to klient może sprawdzić, czy nadal znajduje się on na statku, czy też dotarł już do portu. Jednak sama wiedza o lokalizacji jednego konkretnego aktywa nie jest wystarczająca, gdyż do faktycznego wytworzenia produktu potrzeba np. 20 komponentów.

Ponieważ producenci często muszą zarządzać wieloma produktami, komponentami i surowcami, czujniki IoT pozwalają uzyskać ujednolicony wgląd we wszystkie dane dotyczące każdego z kontenerów. Kluczowe znaczenie ma również agregowanie wszystkich tych danych, co pozwala zwiększyć ich wartość dla firmy, ale także dla konsumenta śledzącego zamówienie z domu.

Oprócz śledzenia lokalizacji, do produktów stosuje się wiele innych czujników w celu zgromadzenia obszerniejszych danych w całym łańcuchu dostaw i usprawnienia śledzenia aktywów. Są to m.in. czujniki środowiskowe monitorujące temperaturę, wilgotność i ciśnienie, a także czujniki pozycji, takie jak akcelerometry i żyroskopy, które odczytują pozycję i orientację. Dzięki takim danym można określić czas i miejsce, w którym produkt mógł zostać uszkodzony na trasie.

Urządzenia do śledzenia aktywów i czujniki stają się coraz tańsze, więc ich stosowanie jest coraz bardziej powszechne. Wraz ze wzrostem liczby czujników, coraz ważniejsze staje się zarządzanie danymi.

Zarządzanie danymi za pomocą sztucznej inteligencji (AI)

Jeśli dyrektor operacyjny ma podjąć decyzję, czy fabryka może uruchomić produkcję w określonym czasie, musi wiedzieć, czy wszystkie niezbędne komponenty będą w zakładzie na czas. W przeszłości było to trochę „zgadywanką”, ponieważ nie było dostępu do precyzyjnych i aktualnych danych .

Dobra wiadomość jest taka, że dzięki przemysłowemu Internetowi rzeczy można teraz korzystać ze sztucznej inteligencji, co pozwala łatwo agregować i analizować wszystkie dane o aktywach.

Na potrzeby przewidywania czasu przybycia i opóźnień, system może korzystać z odczytów czujników podczas pobierania danych zewnętrznych, takich jak informacje o pogodzie i portach. Przetwarzanie brzegowe zebranych danych przez czujniki znajdujące się bliżej źródła, zamiast przesyłania do chmury, również znacznie zwiększa wydajność.

Ponieważ występuje wiele punktów pozyskiwania danych z czujników i danych zewnętrznych, analizę tych danych z reguły szybciej i dokładniej jest w stanie przeprowadzić sztuczna inteligencja. Ten inteligentny, zautomatyzowany system pozwala pracownikom poświęcać mniej czasu na wykonywanie żmudnych, ręcznych zadań. Zamiast tego mogą wykonywać bardziej kreatywną, wymagającą kwalifikacji pracę, taką jak zarządzanie systemem i klientami wewnętrznymi oraz przekazywanie opinii od żywych użytkowników.

Należy zauważyć, że taki system zarządzania danymi nie zastąpi pracowników. Służy raczej do przekazywania najbardziej znaczących informacji osobie zarządzającej systemem. Zarządzanie danymi przy wykorzystaniu sztucznej inteligencji ostatecznie wnosi nową wartość dzięki zwiększonej wydajności i dokładności we wszystkich obszarach.

Korzystanie z czujników do przewidywania zakłóceń

Czujniki IoT nabrały kluczowego znaczenia dla poprawy wydajności operacyjnej i zwiększenia bezpieczeństwa pracowników. Doskonałym przykładem są systemy ulepszające monitorowanie środowiska i ruchu drogowego. Na przykład niedawny wzrost liczby pożarów w Stanach Zjednoczonych spowodował, że wiele obszarów dotkniętych klęską miało wpływ na łańcuch dostaw w związku z niebezpiecznymi warunkami jazdy i zamknięciem dróg. Jednak firmy, które wykorzystują w swoich planach dane środowiskowe, były w stanie zmienić trasy i uwzględnić zakłócenia pogodowe. Pogoda i ruch drogowy są często postrzegane jako czynniki zewnętrzne, ale jeśli nie dysponujemy tego rodzaju inteligencją, mogą być przyczyną nieprzewidzianych przerw w łańcuchu dostaw.

Rozwój Digi-Key w dziedzinie oprogramowania

Rola firmy Digi-Key w transformacji łańcucha dostaw polega w dużej mierze na dostarczaniu sprzętu, ale firma koncentruje się również na funkcjach oprogramowania, zarówno wewnętrz firmy, jak i we współpracy z klientami. Największy postęp w ostatnich czasach firma Digi-Key zawdzięcza lepszym narzędziom do śledzenia oraz ustalania cen i realizacji zakupów, a dzięki tym systemom można szybko i łatwo wymieniać i analizować dane w całym magazynie i poza nim. Wspomniane nowe oprogramowanie i dane wpłyną na zwiększenie produktywności operatorów, zmniejszenie wad jakościowych i osiągnięcie poprawy analizy danych w czasie rzeczywistym.

Digi-Key skupił się również na sprzedaży oprogramowania razem ze sprzętem, dzięki czemu możliwe jest szybsze wdrażanie rozwiązań IoT, takich jak pierwsze prywatne rozwiązanie LoRaWAN-in-a-Box, które zostało wprowadzone we współpracy z Seeed Studio i Machinechat.

Co czeka łańcuchy dostaw?

Zestawienie pozyskiwania danych w czasie rzeczywistym z technologią sztucznej inteligencji, włączając w to zastosowanie nowych czujników, stworzyło szereg nieznanych dotąd możliwości wglądu w łańcuch dostaw i nadal będzie stanowić siłę napędową przyszłych działań w produkcji, spedycji i we wszystkich obszarach łańcucha.

Nowe technologie przemysłowego Internetu rzeczy (IIoT) obejmują masę nowych funkcji, a wdrożenie wielu z nich, takich jak tanie procesory, jest stosunkowo niedrogie. Z punktu widzenia kosztów, integracja czujników z różnymi rodzajami produktów w celu monitorowania danych jest teraz łatwiejsza niż kiedykolwiek. Dotychczas nie była wykonalna ze względu na aspekty finansowe. Na przykład czujniki wizyjne, czyli zasadniczo kamery, szybko osiągają kolejne etapy zaawansowania, a sztuczna inteligencja, korzystająca z coraz lepszego oprogramowania, może analizować wszystkie dane pochodzące z każdego piksela w kamerze.

Wszystkie urządzenia w naszym życiu, od samochodów, przez urządzenia śledzące stan zdrowia, po automatykę przemysłową, stały się bardziej inteligentne i bliższe dzięki wykorzystaniu czujników skojarzonych ze sztuczną inteligencją, uczeniem maszynowym i przetwarzaniem brzegowym. Ponieważ z tego typu czujników pozyskuje się coraz więcej danych, systemy będą jeszcze bardziej złożone, a wykorzystanie sztucznej inteligencji i uczenia maszynowego będzie miało kluczowe znaczenie dla wykonywania analiz wyższego poziomu wszystkich gromadzonych informacji. Omawiane innowacje będą nadal zapewniać nam bardziej holistyczny ogląd i kontrolę nad łańcuchem dostaw oraz, miejmy nadzieję, pomogą zapobiec zakłóceniom w globalnym łańcuchu dostaw, takim jak te, których doświadczyliśmy w ciągu ostatnich kilku lat.