供应链数据分析可能是一个重要的调查领域，但明显缺乏展示其实际应用的案例研究。供应链分析 (SCA) 并不是什么新鲜事，制造商一直热衷于采用数据驱动技术。那么，除了这个花哨的名字，还有什么新鲜事呢？剑桥大学制造研究所数字制造讲师 Alexandra Brintrup 在 2019 年工业数据峰会上登台探索供应链中断管理的数据驱动方法，并突出机遇和潜在陷阱。根据 Brintrup 的说法，供应链分析是从以下方面获取数据的能力：结构化的传统企业来源您的内部和外部供应链非结构化的、多样化的来源和其他智能供应链服务三个发展正在使实时收集和分析可能：计算al 强大的算法和 AI 计算范式，以及——至关重要的——新的、以前未开发的信息来源。
单击下面的链接以阅读峰会小组讨论、主题演讲和圆桌会议的概述：
工业2019 年数据峰会：要点
主题演讲：数字连续性到底是什么，为什么它对工业企业如此重要？
小组讨论：有效的变革管理是数字化成功的关键转型？
想要打破您的业务孤岛？停止使用电子表格！
主题演讲：制造商需要了解的人工智能趋势
主题演讲：质量控制——大数据分析与人工智能的交汇点
圆桌会议：工业物联网、大数据和供应链洞察
圆桌会议：互联产品和人工智能
供应链分析
Brintrup 认为 SCA 是一个涵盖众多领域的总称能力。不是所有功能都将适用于每个组织，也不应将其视为待办事项清单；相反，企业应该混合和选择适合特定供应链功能的功能。第 1 步：有多少数据以及来自什么来源？传统上，供应链利用 ERP 信息，这是一种结构化的源数据，主要通过一些低级自动化（即 RFID 跟踪）手动填充。如今，智能产品监控和跟踪自身的使用、位置和健康状况，将信息实时传回中央枢纽。社交媒体也成为消费者信息和市场洞察力的重要来源，但其中包含的数据是非结构化的，工作量大且具有挑战性。第 2 步：意识“您是否正在使用这些数据来了解正在发生的事情？” Brintrup 问道。 “至少，您可以整合这些不同的流，以提供对正在发生的事情的动态概览。这个使您能够开始探索当前状态分析和预测分析。”第 3 步：决策能力“您的数据为您提供了一个阶梯，可以让您更上一层楼并查看您所连接的不同系统。你如何处理新发现的意识？你能为你现在所做的事情，甚至是未来可能发生的事情找到最佳解决方案吗？你能学习并采用这种学习来改变吗？您能否将整个供应链整合在一起，并在这些不同的层次上进行纵向和横向优化？第 4 步：自治和控制 Brintrup 将日常供应链任务的自动化或半自动化描述为“圣杯”，研究数据以揭示、解释并根据隐藏的模式和趋势采取行动，以改善供应链运营。现实世界的经验教训
制造研究所ng (IfM) 最近对全球汽车行业进行了一项研究，该研究由一家英国 OEM 资助。快速消费品和航空航天领域的其他人紧随其后进行了这项研究。他们的目标是绘制供应链结构图，了解中断如何级联并影响该结构，然后利用这些知识注入弹性。这些研究产生了一些关键的经验教训，Brintrup与观众分享：第 1 课：不要低估描述性分析的力量，因为它会导致更现实的解决方案第 2 课：不要发疯！极简主义的方法可能会产生最好的结果第 3 课：一种解决方案并不适合所有人第 4 课：领域知识是黄金第 5 课：努力创建可追溯性、问责制和支持
