Vidējam mazajam ražotājam noliktava nav tikai uzglabāšanas telpa; tā ir likviditātes kapsēta. Esmu apmeklējis simtiem šādu objektu, un stāsts gandrīz vienmēr ir viens un tas pats: plauktu rindas, kas piepildītas ar 'drošības krājumiem' — materiāliem un komponentiem, kas tiek glabāti 'katram gadījumam' (Just-in-Case), ja piegādātājs pieviltu vai pēkšņi pieaugtu pasūtījumu skaits.
Šis ir sākumpunkts jēgpilnai AI transformācijai. Lai gan ziņu virsrakstos galvenā uzmanība tiek pievērsta humanoīdiem robotiem vai ģeneratīvajam dizainam, reālais un tūlītējais komerciālais ieguvums maza mēroga ražošanā slēpjas inteliģencē, kas pārvalda to, ko jūs nepērkat. Pārejot no reaktīva 'Just-in-Case' modeļa uz paredzamu 'Just-in-Time' (tieši laikā) darbību, uzņēmumi atbrīvo tūkstošiem iesprostotā kapitāla, kas iepriekš tikai krāja putekļus.
Krājumu inerces paradokss
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Strādājot ar MVU vadītājiem, esmu identificējis to, ko saucu par Krājumu inerces paradoksu: jo vairāk uzņēmums baidās no piegādes ķēdes nepastāvības, jo vairāk kapitāla tas iesaldē krājumos, kas savukārt padara uzņēmumu mazāk izturīgu pret ekonomiskiem šokiem, jo tā nauda ir bloķēta.
Vēsturiski 'Just-in-Time' (JIT) bija greznība, kas bija pieejama tikai tādiem milžiem kā Toyota vai Apple — uzņēmumiem ar pietiekamu mērogu, lai piespiestu piegādātājus pakļauties savai gribai. Mazajiem ražotājiem trūka datu pārredzamības un sviru, lai to īstenotu. Viņi paļāvās uz ražošanas vadītāja 'iekšējo sajūtu' vai labākajā gadījumā uz izklājlapu, kurā tika analizēti pagājušā gada vidējie rādītāji.
AI transformācija maina šo matemātiku. Jums vairs nav nepieciešama simts cilvēku iepirkumu komanda, lai darbinātu sarežģītu JIT modeli. Jums ir nepieciešama tīra datu plūsma un prognozēšanas modelis, kas saprot atšķirību starp tendenci un nejaušību.
'Drošības krājumu nodoklis'
Katrai lieko krājumu paletei, kas atrodas jūsu noliktavā, ir slēptas izmaksas. Es to saucu par Drošības krājumu nodokli. Tā ir kapitāla izmaksu summa (procenti, ko maksājat, vai zaudētā investīciju atdeve), uzglabāšanas izmaksas, apdrošināšana un reāls novecošanās vai bojāšanās risks.
Uzņēmumiem nozarēs ar lielu apgrozījumu šis nodoklis ir graujošs. Piemēram, pārtikas vai dzērienu ražošanā bojāšanās risks piešķir steidzamību, ar kuru izklājlapas vienkārši nespēj tikt galā pietiekami niansēti. Skatiet mūsu ceļvedi par pārtikas un dzērienu ražošanas ietaupījumiem, lai uzzinātu, kā prognozējošā derīguma termiņa modelēšana ietaupa ražotājiem 15% izejvielu atkritumu.
AI neanalizē tikai jūsu vēsturiskos pārdošanas datus. Tas analizē pasauli. Mūsdienīgs prognozējošais pieprasījuma rīks sintezē:
- Makrotendences: Inflācijas spiedienu vai izmaiņas patērētāju tēriņos.
- Ārējos mainīgos: Laikapstākļus, kas ietekmē izpildes laikus, vai piegādes kavējumus konkrētās ostās.
- Sezonalitāti: Ne tikai 'tie ir Ziemassvētki', bet arī smalkas izmaiņas pieprasījumā starp nedēļas vidu un nogali, ko cilvēka acs bieži nepamana.
Ietvars: AI piegādes ķēdes pārejas 3 posmi
Kad es vadu uzņēmumu šajā pārejā, mēs nepārslēdzam slēdzi vienā naktī. Mēs ievērojam strukturētu, pakāpenisku pieeju, lai nodrošinātu, ka 'Just-in-Time' modelis nekļūst par 'Just-too-Late' (tikai par vēlu).
1. posms: Redzamības audits
Jūs nevarat automatizēt to, ko neredzat. Lielākajai daļai mazo ražotāju ir 'tumšie dati' — informācija, kas atrodas papīra žurnālos, izolētos e-pastos vai ilggadējo darbinieku galvās. Pirmais AI transformācijas solis ir šo datu centralizēšana mašīnlasāmā formātā. Mēs pētām izpildes laikus, piegādātāju uzticamības rādītājus un vēsturiskos krājumu iztrūkumus.
2. posms: Paralēlais pilots
Mēs neaizstājam pircēju-cilvēku nekavējoties. Fonā 60 līdz 90 dienas darbinām AI pieprasījuma prognozēšanas rīku. Mēs salīdzinām cilvēka 'iekšējo sajūtu' ar AI prognozēm. Gandrīz katrā gadījumā AI identificē 'spoku pieprasījumu' (Ghost Demand) — krājumus, kas pasūtīti, pamatojoties uz vienreizēju anomāliju pirms trim gadiem, kurus vadītājs joprojām glabā 'katram gadījumam'.
3. posms: Automatizēta papildināšana
Tiklīdz uzticība ir izveidota, mēs savienojam prognozēšanas modeli ar iepirkumu sistēmu. AI ierosina pirkuma pasūtījumus, pamatojoties uz reāllaika patēriņu un prognozēto vajadzību. Šeit notiek brīnumi. Sīkāku informāciju par specifiskiem rīkiem šim nolūkam varat atrast mūsu ražošanas piegādes ķēdes analīzē.
Ārpus noliktavas: loģistika un autoparks
AI transformācija nebeidzas pie iekraušanas rampas. Ražotājiem, kuri paši nodarbojas ar izplatīšanu, neefektivitāte produktu pārvietošanā bieži vien ir tikpat dārga kā to uzglabāšana. Prognozēšanas rīki tagad var optimizēt maršrutu blīvumu un transportlīdzekļu apkopes grafikus, nodrošinot, ka 'Just-in-Time' ražošanu nesabojā 'Late-in-Transit' (kavēšanās tranzītā) piegāde. Ja ekspluatējat savus transportlīdzekļus, autoparka pārvaldības izmaksu analīze ir ļoti efektīvs veids, kā atrast papildu ietaupījumus, kas tieši palielina jūsu peļņas maržu.
Otrās kārtas efekts: stratēģiskā veiklība
Būtiskākais rezultāts drošības krājumu samazināšanai nav tikai nauda — tas ir ātrums. Ja jums nav sešu mēnešu vecu komponentu krājumu, jūs varat pielāgoties. Ja tirgū parādās jauns, efektīvāks materiāls, varat to ieviest jau nākamnedēļ. Ja mainās patērētāju gaume, varat mainīt savu produktu līniju bez vērienīgas veco krājumu norakstīšanas.
AI prioritātes laikmetā uzvar vismobilākais uzņēmums. Nevis tāpēc, ka tiem būtu visdārgākā programmatūra, bet gan tāpēc, ka tiem ir visaktīvākais kapitāls.
Penny noslēguma vārds
Ja jūsu noliktava šķiet pilna, bet bankas konts — tukšs, jūs maksājat Drošības krājumu nodokli. Lai sāktu savu AI transformāciju, jums nav nepieciešama kapitāla rūpnīcas pārbūve. Jums jāsāk ar viena jautājuma uzdošanu: Kāds ir mazākais krājumu daudzums, ko mēs varētu turēt, ja precīzi zinātu, kādi būs rītdienas pasūtījumi?
Rīki, lai atbildētu uz šo jautājumu, beidzot ir pieejami jūsu mēroga uzņēmumiem. Neļaujiet savam kapitālam palikt iesprostotam kastē.