光伏投资成本分析
服务详细...作者：chnmc编译 Steve Banker 来自：Steve Banker 点击： 次
大趋势是什么？疫情大流行和数字技术如何应对这些趋势？
电子商务和全渠道的增长速度已经是传统零售的两倍以上。大流行大大加速了这一趋势。
从供应链数字角度来看，电子商务的增长有：
加快了包括自动化移动机器人在内的每个采集自动化的增长。
带领一些供应链计划供应商创建新的数字孪生子-新的供应链模型-对这个供应链的建模比以前的建模要深得多。更精细的模型意味着更好的计划-计划可以更充分地反映这些供应链中存在的约束。
增加了对最后一英里解决方案的需求。我们仍在这里寻找更好的解决方案。在人行道上运行的无人机和自动移动机器人尚不存在。杂货零售商正在探索后台的商店，这些商店已转变为靠近客户的仓库，并支持更快和更低的交付成本。
这是不言而喻的，竞争更加激烈，数字技术为各种行业创造了新的强势进入者，并且行业变化的发生越来越快。长期以来，供应链应用一直是公司竞争的一种方式。这些应用程序在降低供应链成本的同时改善了服务质量。
但是，这并非完全正确。激烈的竞争可能会变得越来越无情。贸易壁垒开始上升，尤其是中美之间。来自低工资国家的公司的竞争可能开始减弱。但是贸易争端产生了自身的挑战。随着关税和贸易规则的变更更加频繁，对全球贸易管理应用需求也在增加。
个性化是根据客户需求定制产品或服务的行为。包括3D打印（也称为增材制造）在内的制造自动化使创建许多其他产品变型变得更加容易。公司开始探索按需制造而不是传统制造模式，这意味着他们可以保留较少的实际库存。使用零件的数字表示形式，制造商可以快速进行数字文件的小改动，而无需额外付费，从而在制造过程中提供了更大的灵活性。
库存单位（SKU）激增。当一家公司拥有通过传统制造方式创建的大量存货单位时，供应链就会变得更加复杂。许多公司仍在努力实现细分策略。细分策略反映了这样的想法，即公司不应仅具有适用于所有客户和产品的服务水平。一些客户或产品更重要，也更有利可图。这些产品或客户确实应该获得更高的服务水平。先进的供应链计划解决方案对此提供了支持。
从农村到不断膨胀的大都市中心一直有稳定的人口迁移。自1950年以来，世界城市人口增长了近六倍，从7.51亿增长到2018年的42亿。最后一英里的物流挑战不仅涉及电子商务，还涉及城市化。这些运动还会对环境造成影响，而城市化的大趋势造成了城市污染，这是许多消费者更喜欢购买产品的公司来接受可持续发展的另一个原因。
在供应链应用程序方面，在公共云中托管的软件即服务产品已经有了确定的趋势。公共云解决方案的投资回收期较短，并且可以更轻松，更快地实施。Covid-19还证明，只需在客户现场就可以使用更少的顾问来实施基于云的解决方案。供应链软件供应商告诉我，就实施而言，Covid绝非偶然。转向远程实施咨询并不困难。
在机器人技术和供应链管理方面，最大的问题是我们何时将拥有自动驾驶卡车？初创公司一直在为测试投入资金，但距离公路上看到无人驾驶卡车车队还有很长的路要走。在某些情况下，这项技术的投资开始枯竭。自动驾驶卡车技术领域最著名的公司之一是Starsky Robotics。它处于将自动驾驶卡车上路的最前沿。它的成就清单是惊人的。在2016年，它成为第一款在没有驾驶员的情况下进行实际工作即可获得报酬的街头合法车辆。在2018年，它成为第一辆完全无人驾驶的街头合法卡车。在2019年，它成为第一辆在高速公路上行驶的完全无人驾驶卡车。现在，即使有了这些成就，由于缺乏资金，该公司今年关闭。关于2024年，何时我们可能会看到无人驾驶卡车在无人驾驶的情况下自动搬运卡车的最佳猜测是2024年。这就是TuSimple员工正在投射的东西，它们看起来像是直射手。但是即使在2024年，这些卡车也不会在全国所有车道上行驶。而是将重点放在为特定客户提供跨目标通道上。但是，似乎很清楚的是，自动驾驶卡车的投资回报率可能非常好。这些卡车不会在全国所有车道上行驶。而是将重点放在为特定客户提供跨目标通道上。但是，似乎很清楚的是，自动驾驶卡车的投资回报率可能非常好。这些卡车不会在全国所有车道上行驶。而是将重点放在为特定客户提供跨目标通道上。但是，似乎很清楚的是，自动驾驶卡车的投资回报率可能非常好。
机器人流程自动化是用于自动化大量可重复任务的软件。随着时间的流逝，企业系统会开发出更好的自动化功能，用户可以更有效地完成工作。但是使用遗留系统的公司可能有机会使用外部RPA解决方案来自动化遗留系统内部的工作。RPA通过执行相同的计算机击键并打开人类执行的相同模块来实现此目的。我们知道3PL通过使用RPA自动化与旧式运输管理系统（TMS）中的规划优化相关的高度手动任务而获得了良好的回报。它还用于检查运营商网站以进行约会计划。
笛卡尔正在将RPA嵌入其路由解决方案中。笛卡尔指出，除了最简单的路线规划问题外，创建最佳规划并不像加载数据并点击“优化”按钮那样简单。相反，最好的计划者会通过多个步骤来产生最优结果。本质上，RPA可以对最佳计划者采取的步骤建模，以产生出色的结果。
连接到Internet的传感器提供供供应链应用程序使用的数据。从理论上讲，随着整个供应链和制造过程中越来越多的设备成为“物联网”的一部分，它们将产生令人难以置信的丰富数据流，该数据流将实时发送信号以触发各种事件。例如，使用5G网络，零件手提袋可以传达此SKU的零件手提袋已消耗80％的信息，这将触发必要零件的重新订购。这将是整个供应链的触发因素，这将导致仓库移动，可能是零担，合并，最后是重新供应的分发和交付。
5G的关注度不如去年，但我们仍处于炒作阶段。尽管电视广告暗示5G已经存在，但5G无线网络仍在美国各地才开始构建。目前并未听到供应链技术提供商利用此网络为客户提供新价值。
任何能够感知其环境并采取行动以最大程度地在某个目标上获得成功机会的设备都将以某种形式的人工智能（AI）参与其中。在供应链领域，机器学习是围绕人工智能的大多数活动的重点。当机器获取输出，观察输出的精度并更新其自身的模型以使输出更好时，就会发生学习。
当您以这种方式看待机器学习时，用于供应链管理的人工智能并不是什么新鲜事物。自2000年代初以来，机器学习已用于改善需求预测。需求计划应用程序依靠一系列算法来获取历史装运数据并将其转变为预测。一种算法对促销有效，另一种算法对寿命终止产品有效，依此类推。机器查看预测，将其与实际出货量进行比较，并建议何时应该将某个库存单位或产品系列的一种算法转换为另一种算法。
随着时间的流逝，更多的数据输入已被引入需求计划流程中，并且许多公司在不同的时间范围，产品以及运送到各个地点的情况下进行的预测要多得多。供应链计划一直是大数据解决方案。但是，机器学习越有效，数据越多。SCP正在成为巨型数据解决方案。
现在，人工智能也正在应用于改善供应计划。在供应计划中，有一些关键参数会极大地影响计划。例如，交货时间很关键。交货时间越长，或者与供应商的平均交货时间相关的差异越大，公司必须保留的库存越多。但是人类不是很擅长检测何时需要更改这些参数，并且在没有持续警惕的情况下，规划引擎的输出会变差。规划和执行之间的循环需要封闭以防止这种情况。人工智能解决方案可用于查看供应链交易数据并保持这些参数为最新。
