數字化供應鏈價值

供應鏈數字化通過改善企業敏捷性來提升企業運營質量和效率、降低生產成本、提高資金流的靈活性，推動企業卓越運營并成功實現轉型升級。

智能和數字化提升供應鏈管理和供應鏈服務能力。供應鏈管理人員可充分利用可用數據/信息，加強端到端的客戶參與，改善生產和服務各環節的互動方式。數字技術為供應鏈管理者提供前所未有的信息透明度，并可根據需求建立需求感知功能，預測未來生產或服務各環節的變化和趨勢，提高預測質量和運營效率。例如，供應鏈終端跟蹤系統可隨時發送有關訂單的詳細更新。

應用數字化的智能供應鏈實現自動化，大幅降低企業生產成本。根據麥肯錫的預測*，通過應用先進的方法計算和優化策略，對線路進行智能規劃，并優化運輸動態，運輸和倉儲成本可降低多達30%。同時借助先進的數字化系統支持，80%至90%的任務和工作計劃可以實現自動化*。

與人工操作相比，建立在實時更新的方案基礎上的自動化供應鏈決策流程，信息更加準確及時，同時系統還能檢測到需要即刻干預的異常狀況。自動化操作簡化供應鏈專業人員的工作，使他們能夠專注于更有價值的任務。例如，數字解決方案可以配置為自動處理實時信息、自動化準備和工作流程管理，從而消除收集、清理和輸入數據的手動工作。

企業應用數字化的智能供應鏈可緩解資金流壓力。 生產和商業企業的資金流壓力相當大部分來自于庫存。實施新的生產計劃算法，可精細化生產和制造過程中需求和供應的變化，實現庫存的最小化。

另外，由于需求/供應的預測準確度大幅提高，流程中的不確定性得以大幅降低，對安全庫存的考量也相應減少甚至消失，這使得零庫存計劃成為營運選擇之一。麥肯錫預測*，應用智能供應鏈管理，整體庫存將減少75%，極大緩解了企業的資金流壓力。

* Source： Supply Chain 4.0 – the next-generation digital supply chain， McKinsey， October 2016

數字化供應鏈特點

全球經濟在轉型升級，互聯網、物聯網、人工智能、機器學習和云計算的浪潮席卷全球，企業創新面臨的現代商業環境對精細化、精益化管理提出了更高要求。

傳統供應鏈中，數字垃圾/數據垃圾阻礙了智能化供應鏈應用的潛力。數字化供應鏈使用物聯網和其他先進技術，自動收集和處理信息，利用人工智能和大數據算法提升價值數據，減少數字垃圾的產生，并自動支持決策制定和其他活動。

不斷擴展的數字技術和人工智能、物聯網、大數據實現云端智能供應鏈服務，提供越來越多的數字解決方案滿足供應鏈管理需求。

機器學習系統可以為供應鏈管理者建議如何處理特定情況，例如根據新客戶訂單更改物料計劃和計劃，或者完全自動化進行決策。

自動化決策系統可以跨職能部門進行調整，以提升效率。功能強大且用戶友好的分析工具可以編譯大量非結構化數據，并從中提取有用的見解。

人工智能應用程序可以自動跟蹤性能問題，查找根本原因，然后向管理人員推薦糾正措施。云端數字技術的另一個好處是它們比以前更容易設置和使用，也更能提供個性化的產品和服務。

例如，基于云的產品可以隨時進行試點，然后在各組織之間快速擴展。許多新技術可以使用標準應用程序編程接口（API）連接到ERP系統，與現有系統或軟件包輕松集成。

AWS針對供應鏈的服務組合和價值

針對智能供應鏈，面向工業、消費者和商業解決方案的AWS物聯網產品可跨越云端，通過各種設備，為幾乎所有物聯網應用案例構建供應鏈解決方案。基于 AWS 物聯網與人工智能卓越的集成能力，供應鏈設備更智能。此外，利用AWS設備軟件，哪怕沒有網絡，供應鏈管理人員依然可以安全地連接設備、收集數據，通過大數據分析和人工智能算法在本地執行智能化操作。

Georgia-Pacific優化制造和供應鏈流程

Georgia-Pacific是世界上最大的紙漿、毛巾、薄紙木材和石膏建筑產品的制造商和分銷商之一。Georgia-Pacific使用Amazon Kinesis將實時數據從制造設備傳輸到基于Amazon S3的中央數據湖，使其能夠大規模地獲取和分析結構化與非結構化數據。

同時，Georgia-Pacific使用基于AWS的高級分析解決方案，優化了工廠的關鍵制造流程，增加了數百萬的利潤。例如，對于生產線，AWS數據分析技術預測紙張母紙卷的質量，消除了40%的紙卷撕裂，一條生產線即可增加數百萬美元的利潤。

Georgia-Pacific的定向刨花板（OSB）工廠，通過優化切削過程，使生產過程中相關的廢物減少了30%。利用人工智能進行預測，Georgia-Pacific現在可以提前60-90天預測設備故障，這意味著可以計劃設備停機時間，提高資產利用率和造紙廠安全性，并幫助工廠避免計劃外生產停工造成的收入損失。

Georgia-Pacific使用Amazon EMR通過Amazon Redshift以結構化方式對數據進行轉換。分析師使用Amazon Athena在Amazon Simple Storage Service（S3）之上查詢原始數據，其中包括制漿機制、造紙機、轉換生產線、振動趨勢、產量和紙張質量等信息。

Georgia-Pacific還使用AWS SageMaker來大規模構建、培訓和部署ML模型。使用基于原始生產數據構建的ML模型，Amazon SageMaker可為機器操作員提供有關最佳機器速度和其他可調變量的實時反饋，使經驗不足的操作員能夠更早地檢測到潛在質量問題。

AWS幫助Georgia-Pacific優化供應鏈流程，大大降低了成本開支。

AWS協同大眾汽車集團整合其全球供應鏈

大眾汽車計劃通過工業云把其在全球122個制造工廠內的生產設備互連，以存儲、收集設備上的運營數據，并對其進行分析以優化生產。

這一工業平臺計劃將大約1，500名大眾供應商的數據也添加到互聯組合中。來自所有工廠的數據組合將為工藝優化提供新的能量。這些措施包括更有效地控制物料流、早期發現和消除供應瓶頸和生產過程中斷、優化工廠中機器和設備的運行、建立生產計劃和庫存管理、削減生產過程中的設備浪費、監控轎車零部件在整個供應鏈中的活動狀況、跟蹤工廠內外貨物轉移、車輛定位服務、跨系統分析效率等等。

大眾汽車選擇了AWS服務組合，包括物聯網（IoT）、Amazon Simple Storage Service （S3）的企業級數據湖、AWS的連接設備和Amazon SageMaker人工智能開發工具包、機器學習分析和計算服務、智能機器人和數據分析功能等。這些服務專為生產環境開發，并可根據其他具體要求擴展到汽車行業。另外，該方案部分將構建在AWS Outposts上。該平臺實現了系統與工廠之間數據交換的標準化和簡化。通過大眾工業云的發展，大眾汽車所有122個生產工廠將實現標準化和網絡化，為其生產和物流的無縫數字化奠定基礎。

大眾汽車和AWS的合作將對大眾汽車全球供應鏈的生產效率和質量產生深遠的影響。利用物聯網、機器學習、云計算，大眾汽車的目標是提高工廠的生產率，長期整合大眾汽車在工業云中的供應鏈（ 遍布全球的1，500多家供應商和合作伙伴的30，000多個地點）。大眾和AWS建立的開放行業平臺，未來也可應用于其他合作伙伴。

智能化的欣和食品供應鏈

中國煙臺欣和企業食品有限公司（以下簡稱“欣和”）經過26年的不斷發展，已經成為一家生產多品類食品的大型企業，擁有十多家子公司，并采用集團化統一管理實現可靠的飲食供應鏈、創新的產品研發、高標準的生產制造、便捷的零售渠道、極致的飲食體驗以及全方位食物教育。

隨著生產規模的擴大，欣和原有的IT架構開始遇到瓶頸，無法滿足業務快速發展的需求。產品研發、市場推廣、消費者溝通、營銷渠道管理對大規模的數據分析和處理提出了更高的要求，欣和選擇以AWS云平臺為基礎進行整體的大數據戰略規劃。

當前欣和的經銷商供應鏈、消費者服務、電商平臺都建立在AWS上。AWS云平臺提供了豐富的功能來支持大數據湖的建設，包括Amazon S3、Amazon EMR、Amazon RDS、Amazon DynamoDB、Amazon Redshift等，這些功能涵蓋了數據存儲、安全保護、分析、處理等各個方面。

AWS幫助欣和快速利用數字做決策，實現數據業務化;業務上完善精準投入，實現精準營銷。

最新的數字技術使企業全面改變其供應鏈的運作方式。Georgia-Pacific利用供應鏈帶來的自動化，提高剛性效率，智能化滿足差異化、個性化需求，為供應鏈帶來新的速度、效率和靈活性。AWS全球的云平臺整合了大眾集團全球供應鏈資源和用戶。欣和以信息流為中心，帶動物流和資金流的運轉。應用AWS的全球服務網絡，數字化的智能供應鏈全面互聯，在技術上力推企業出海，業務模式上助力企業擴展新市場，發掘價值點。

來源：中橋數據談