出品/联商翻译中心

来源/Financial Times

作者/Lucy Colback

编译/邱景业、Kiko

引言：

疫情期间，供应链领域面临严峻挑战，而一批创新技术的涌现则仿佛是久旱甘霖，令行业重现希望。然而，对于供应链端而言，一拥而上并不是明智之选，弄清问题权重、解决当务之急方为上策。

当前，供应链行业亟待进一步优化。近年来，地缘政治风险加剧，不仅令准时制生产方式（JIT）形同虚设，还令全球化遭遇逆流。据《财富》杂志观察，在新冠疫情爆发前期，财富1000强公司中就有94%的公司遭遇供应链中断。

除此之外，英国有不少企业都因英国脱欧而陷入困境。对于跨国企业而言，其雄厚资源足以抵挡脱欧带来的风险；在制药等关键行业，受益于政府资助，许多跨国企业得以增加库存并建立资源替代来源。然而，中小型企业就未受到眷顾，由于缺乏金融影响力，他们在此次危机中受到了严重冲击。

鉴于当前处境，各商家希望有速度更快、价格更平、稳定性更高的供应链服务可供选择。据联合国贸易和发展会议所称，当前，全球供应链中断现象虽仍未解决，但2021年全球贸易额已创下历史新高。为改变窘状，供应商应采取因地制宜的思想，着眼于眼下需求与挑战，不再唯成本与效率论，而需要将供应链韧性、可靠性和灵活度摆于更重要的位置。

一、供应链可视化是关键

实现供应链可视化（visibility），即对供应链环节进行精准概述，这意味着用户能有效识别、处理供应链中断。伦敦贝叶斯商学院供应链运营和管理教授曼莫汉·索迪（ManMohan Sodhi）表示，可视化有望带来一定程度的弹性空间。在供应链的消费端，“可追溯”的特性有望实现消费者对于可持续性的需求。

实现可视化的重要性人尽皆知，但可实现者却寥寥。2020年，供应链管理网站Supply Chain Brain表示，建议企业对其70%-90%链条实现可视化。但实际上，大多数企业的实现程度仅为20%。“若想将商业灾难防范于未然，数字化行动‘避无可避’”。

Supply Chain Brain认为，仓储自动化是未来的趋势。图源：iStock

为实现这一目标，相关企业数字化整合范围应覆盖最上游的商品、零部件供应商以及最终客户；数据输入也应从过往的人工转为数字化。数据在系统中得以整合，就能显得直观、清晰。

同时，根据2021年的一项研究显示，当前采用非数字化的系统运维成本相当之高。该公司表示，在其调查组内，手动录入数据的公司年均成本为100万美元，手动录入供应商发票的年成本超60万美元。同样地，碍于数字化供应链部署繁复，多数公司都无法将其落实到位。

人工智能物流软件提供商Transmetrics表示，因行业内大量使用手动流程，集中成本高的数据，物流行业早已声名狼藉，这也导致了行业整体的数字集成难度愈发高。此外，供应链也会受到技术竖井（technology silos）（译者注：公司与公司之间的技术壁垒）、数据标准化缺失的干扰。国际物品编码组织（GS1）等机构正致力于实现数据标准化这一目标。

二、采用技术解决方案

软件解决方案提供商SAP在其2022年一项调查中发现，未来一两年内，有70%的英国企业计划采用新型技术来攻克供应链难关。由此可见，诸多企业都有意部署技术支持的解决方案。

几十年发展下来，机器人、供应链优化等解决方案成本均已降低、效率得以提高，悄然间，旧技术的价值已然提升。在旧版软件的加持下，全新系统正式问世，供应链可视化则有了更多技术支持。英国供应链解决方案提供商Wincanton就开发了一款相关应用程序，其将新模块应用于现有技术，系统即可跟踪货物自下单至运抵整合中心的全过程。目前，这些类“控制塔”的功能仍在开发中，部分手动操作功能得以保留。

Wincanton与英国本地的超市零售商合作，帮助其优化仓库流程，以提高生产效率。图源：Wincanton

一家企业如何实现数字化转型？该问题是其实现成功的关键因素。人们应将“变革”视作一种机会，而非威胁，因此，企业也需要为技术改革的失利做好心理预备。来自国际智能供应链企业Blue Yonder的一位顾问迈克尔·费恩特（Michael Feindt）认为，人们通常认为技术更新换代会带来不确定性，于是宁愿因循守旧；但值得注意的是，该想法在南美、非洲不是主流，有可能是因为欠发达市场利润空间更大，企业才愿意放手逐利。

供应链更新换代应是一个循序渐进的过程，而非一个同时刻、全方位进行的“大型检修”，因此，区块链、人工智能、物联网等新技术的部署也应该按部就班。况且人们对于这类技术的理解尚不全面，他们可能认为一旦采用这些技术，系统面貌将发生一百八十度的转变；也由于这样，越早采用新技术的企业也会越早感到失望。

正如索迪的研究所所强调，对于企业来说，最重要的是需要先搞清他们面临的头等大事，从而明确战略目标。

诚然，新技术能协助企业策略更具适应性、灵活性，降低成本、减少错误，优化资产使用，加快流程推进与沟通效率；新技术也有利于将员工从重复的任务中解放出来，用于决策事项、分享经验。然而，只有将合理的解决方案用于已获定义的问题，供应链技术的功效才能发挥到位，才能针对性地解决问题。

索迪称，“不论你的需求或预期利益权重如何，也不论你的组织面临怎样的困境，你要做的就是把情况展示给技术供应商，问他们能做到什么、不能做到什么”。他还强调，供应商还有责任确定解决方案，并在必要时自行进行试点计划，以测试新型技术。

然而，拥有正确的组织架构有助于改善成果，以防实验技术失利而对业务全局造成影响。Wincanton首席客户及创新官保罗·杜尔金（Paul Durkin）表示，通过将技术职能一分为二，其公司取得了长足进步。其一解决了现有业务面临的挑战，其二则确定了基于新兴技术的产品及相应机会。他认为：此举为产品开发开辟了“快速道”，同时又不至于忽视当前项目，从而为客户疑难提供了更多的解决方案。

这两部分均隶属于同一部门，他们需要结合起来实施可行解决方案。杜尔金表示：“我们采用的技术均符合预期设定，然而对于有些技术，我们也需要将其视为一个整体来接纳”，

“有时从技术角度来看，我们已做好了准备；有时，我们需要结合客户的角度来考量。只有将技术角度与客户角度相结合，技术本身才能发挥好其应有的作用”。

三、了解技术的局限面

即便某一技术解决方案已被公认为合理方案，我们也不能坐享其成；了解其具体功能非常有必要。费恩特指出：“数据驱动之下，人工智能在短期内对技术发展有所裨益，但不适用于长远发展。因为随着时间的推移，我们将面临更多未有先例可循之事。”换言之，人工智能不仅无法攻克统计数据的基本原理，也无法对不可预测之事做出准确评估。

关于软件带来的便利之处，费恩特称：“真实工作环境中，一旦遭遇突发事件，相关软件会帮助你迅速厘清状况。它可以预测消费者行为发展和必要执行，还可以快速收集有关当前情况的数据，帮助公司迅速采取行动，寻找替代产品及供应商。比如，港口堵塞事件就适用于上述情况。”

疫情爆发初期，机器学习的表现可能优于人类，任由最新数据海量涌入，它依然能精密分析并且得出最佳响应。如果机器学习拥有人类思维，应该早就有所意识：这份工作好像怎么做也做不到头。

借助技术设备，Costco得以将库存数据共享给供应商，以便及时补货。图源：Costco

这跟一些客户的想法如出一辙。起初，他们担心软件无法应对疫情期间前所未有的数据压力。然而，事实证明，在理解并应对海量数据方面，机器比人类要快得多。工作期间，人工智能和机器学习还能将实际结果和预测结果进行对比，做到边工作边学习。

我们永远无法避免不可预测之事，但有赖于技术制定情景规划，供应链得以身披铠甲、抵挡冲击。相关技术有能力在未知中找寻逻辑，通过整合不确定因素优化库存管理，帮助企业实现战略目标，比如最大限度地减少资源浪费等。

最后要提到的是，若供应链的某一环节遭受“攻击”，并衍生出突发状况，供应链网络可以依此进行备份方案的构想、设计和测试；同时，它也利于实现供应链的重新定位。拿一条路线为中国到亚洲其他地区的供应链举例子，该系统会针对现场位置、产能、库存管理和客户进行相应优化。

为更深入地介绍一批重要技术，本报告还将着眼于典型供应链的各个环节，表明哪些解决方案有助于增加价值、在何处增加价值，哪些具有超前意识，于未来风险有所防范。

剑桥大学国际制造中心的观点与索迪相仿，该机构建议，企业的关注点不应在于技术本身是什么，而是技术能干嘛；企业的战略目标应着眼于推动企业做相关决策，具体来说，即供应链哪一环节需要投资？需要部署技术？因此，企业的战略目标大方向应把握为：更好的交付、更好的产品以及更高的效率。

1 .采购和履行

在供应链中，采购和履行看似并无直接联系，但他们实际上是相互交织的。企业先根据实际订单或对订单的预测来购置材料和货品，这一环节即为采购，随后需要确保通过履行来满足用户需求。企业的采购越数字化，就越能与供应商实现更好的整合。试想，如果供应链行业中数字化得以普及，那么全行业的可视化及相应能力都会获得大幅飞跃。

根据爱立信2022年的一份报告显示，截至2021年底，全球月移动数据流量达到了67 EB。预计到2027年，这一数字将翻两番，达到每月282EB。可见，消费者行为的数据量正迅速增长。

通过整合供应商和客户的信息，人工智能和机器学习可以做到比人类更快、更准确地提供需求预测和统计分析。就某一地区而言，如果能尽早探明人们对于某一新型产品有更高需求，就能越早为周边市场提供发展思路，且将其应用其中。数据分析有助于帮助管理价格波动并找到更便宜的来源。

其实，供应链规划早已不是什么新鲜事了，但采用数字化系统则有利于全面发展场景建模，这一举动有助于企业在链条断裂的情况下找到维续的方式，或者提前知晓何时需要找寻替代供应商。与“可视化”一样，这类规划可提高企业的恢复能力。因此，谁拥有了高质量数据，谁就掌握了上风。

如果可通过使用自然语言处理的自动监控来识别即将发生的供应故障，那么采购的弹性空间将会进一步增大，自线上获取极端天气预警、浏览政治新闻就是相应例子。在某种程度上，这类服务是由“控制塔”（control towers）提供服务的。基于自动化程度较低的云端数据库，同时通过或自动或手动的来源，这些数据存储库可为公司提供更为高质的链视图。比如，在供应商受到外部冲击时，控制塔会发送即时预警。

基于自然语言处理和机器学习，自动化分析还可以优化供应商合同，提供可供审查和行动的项目，并确保采购条款保持统一格式以及符合标准。同样，面对重复性任务时，自动化也可以减少人为错误，加快处理时间，如处理发票。机器学习还可以分析发票数据，以防欺诈行为。

2. 生产环节

生产过程无故障是商品实现高效生产的前提条件。设备故障、材料管理不善以及工期安排不当都会消耗大量时间和金钱成本。因此，生产环节的解决方案需最大限度地减少停机时间，优化时间与材料使用。

借助传感器，企业可监控从设备功能到产品流程中的任意环节，并且有助于企业选择更高效的生产计划。与机器学习结合后，传感器更可以预测设备维护的需求，预判某一部件在未来发生故障的时间点。

智能传感器可根据数据不一致性探明产品质量问题，并自行规划好时间以寻求人工勘漏。

您是否想要改善工厂布局，乃至于获取最佳方案？不妨考虑数字孪生技术（digital twinning）。该技术可创建现有工厂及工作场所的虚拟版本，对最佳设计方案进行深度推演。使用场景包括安装新机器等情况。

机器人技术是供应链应用中一门成熟度较高的技术，其功能日趋复杂，应用范围已远超汽车行业中的传统功能。据美国自动化协会（The Association for Advancing Automation）数据显示，由于疫情期间生产人力短缺，2021年，机器人销售额同比增长28%，达20亿美元，比2017年销售额高出14%。另外，非汽车行业销售额占到了总数的58%。

至于3D打印技术，对于那些处于终端市场的小批量生产企业极为重要。与此同时，该技术在高精度、低批量生产行业中的应用愈发普遍，如定制医疗设备、航空航天以及生产原型和零部件的行业。

3. 运输

物联网技术的发展日益壮大，然而RFID技术（射频识别技术）同样也在大放异彩；基于更为成熟的RFID技术，系统可对运输中的货物进行近乎实时的监控。利于准确安排货物装卸和交付，并最为有效地配置卡车、火车车队。对于冷藏货物，系统可几近不间断地追踪温度度数，从而加强质量管控。

此外，当前各类软件商都提供了控制塔功能，可将第三方数据与算法相结合，综合解决运输问题。须知，技术能比人更快确定替代路线，尤其是在处理运输延误，或者交通拥堵等日常事件时。例如，该技术可追踪风暴路径，一旦航线遇阻，可立即重新规划路线。

然而，该系统有个缺陷，即高度依赖于手动输入的数据。2021年苏伊士运河集装箱货轮搁浅事故就是个例证。当贸易干线受到人为阻碍，如果担责一方的运输流程未实现完全自动化，那么运输方案重新配置就需要更长的时间成本。相反，一个系统拥有的数据越多，优化备选方案的速度就会越快。在未来某个阶段，自然语言处理和标准化公告（例如新冠疫情）也有助于数据收集更自动化。

人工智能可进一步精简日常工序的耗时，比如选择运输时间短的运载工具。它还能帮助物流公司缩短运输路径，通俗来讲，就好像个人消费者通过谷歌航班来挑选更廉价的机票。另外，它还能借助预测算法来处置资产，给出合适的资产处置时间与地点。

至于前文提及的数字孪生，该技术结合了人工智能和物联网，可用于提高运输效率。例如，在鹿特丹港，采用数字孪生技术的传感器可结合潮汐状态和货物重量，综合规划停泊与卸载时刻表。DHL（敦豪快递）认为，就长远考量来说，供应链全路径装载数字孪生技术并不是天方夜谭，届时，全流程实时信息也会令自动配送服务更为可行。

据闻，区块链有望通过提供交易验证来对供应链体系进行大洗盘，然而实际情况却不似预期。早前，就解决英国脱欧造成的边境拥堵问题，区块链技术被大众赋予众望，最后以失败告终；该状况实则有迹可循，早前，该技术早前并未取得任何应用价值高的成效。因而，在当前情况下，为避免造成投机行为，我们不该如此盲目、大规模地去部署类似技术。

4. 库存及仓储管理

Ocado是英国生鲜电商平台巨头，该企业的仓储管理平台搭载了智能系统，在设计之初仅供内部使用，其后则销往全球各大超商。而这就向我们展示了何为端对端一体化，以及如何利用其发挥好价值所在。

从几十年的发展来看，机器人之于供应链，有如如虎添翼、锦上添花，而且愈发精细化。搭载有传感器、机器学习和人工智能的机器人甚至可进行一系列装载活动，如装卸栈板、箱子，甚至卡车。在Ocado，机器人可检测自身的“健康状况”，其新型仓库的停机时间得以大幅减少。而在亚马逊，机器人甚至“无所不能”，上到运载重物，下至分拣和包装，都能准确而快速地完成。

为什么人工智能能降低企业成本？其中一大原因在于，人工智能下的库存量是根据实际订单和预测需求双重标准来设定的。得益于分析历史数据和模式分析，Ocado有效减少了企业食品浪费率，这一比例从2-3%的行业平均水平降至了0.6%。

5. “最后一英里”与顾客满意度

对于任何一家面向消费者的企业来说，交付过程中的“最后一英里”都对客户满意度有着决定性作用。如上文所述，相关技术除了有助于预测需求并确保货物顺利交付，还可以在企业收到客户订单时优化送货路线。在过去几年间，街头机器人已经在伦敦等欧洲城市随处可见，他们穿街走巷提供快餐派送服务。不出几年，我们也有望看到更多自动驾驶汽车与无人机投入使用。

供应链实现完全数字化后，不仅可以提高现有业务的效率，还可以通过关注客户潜在期望购置的物品来提升企业收入。在采购环节中，基于客户的购买模式，机器学习和算法可以帮助企业提高商品销量。对于企业来说，届时，数字销售渠道就不再仅仅是“推荐使用”级别了，该渠道对于企业与数码行家消费者接触、为其销售定制产品都发挥着至关重要的影响。

市场上，消费者对于可验证产品的需求日益增多；谁先贯彻产品供应链可追溯性，谁就能夺得先机、抢占市场。

结论

新技术能助供应链企业一臂之力，共同应对面临的挑战。然而，若想将技术功效运用得当，企业就必须明确亟待解决、或将面临的问题。他们必须有所意识，解决方案再前沿，那也只是一种工具，工具必须由经过培训的专业人员之手才能得以正确应用和使用。

如果发现了供应链中存在的问题，就有必要尽早处理并解决。任解决方案再好，也无法省去沟通与透明度问题。对问题及早进行干预，有利于维系供应链企业与客户之间的合作关系，从而实现共赢。