Welke technologische ontwikkelingen geven serviceketens energie? Die vraag stond centraal tjjdens de Service Leadership Summit van SLF die 2 juni plaatsvond. Districonners Jack Pool en Olaf Witsen deelden deze summit inspirerende cases waarin data-driven decision making een sleutelrol speelde.
Doel van hun bijdrage? Bedrijven laten zien hoe je jouw logistieke organisatie optimaal voorbereid op onverwachte ontwikkelingen. Hoe creëer je supply chain resilience en welke rol kan AI daarin spelen? In een carrousel met kleine groepen (en dus veel interactie) gingen zij hierover met bedrijven in gesprek.
Verstoringen supply chain
De rondvraag nam elke sessie veel tijd in beslag. De aanwezige bedrijven deelden hun cases over verstoringen in hun supply chain. En dat waren er veel. Zoals een schokkende kwestie met beademingsapparatuur die de douane niet doorkwam terwijl de druk vanuit ministeries om te leveren toenam. Of een bedrijf dat tractoren produceert en door een tekort aan onderdelen koelkasten opkocht om te blijven produceren. En leveringen die op zich lieten wachten door het sluiten van de haven van Shanghai.
“Deze voorbeelden bevestigen de behoefte aan een oplossing voor het omgaan met onzekere factoren die tot verstoringen in de supply chain leiden”, legt Olaf uit. “We onderscheiden 3 typen verstoringen:
- normale onzekerheden, zoals vertragingen
- incident gedreven onzekerheden, zoals het geblokkeerde Suezkanaal
- verstoringen waar je langere termijn last van hebt, zoals de gevolgen van de oorlog in de Oekraïne en ontwikkelingen door corona.
AI kan de schade beperken
De tijd van het zo lean mogelijk inrichten van logistieke processen lijkt hiermee op een keerpunt te zijn beland. Maar moet je als bedrijf dan extra voorraden aanleggen? En hoe bereken je dan de juiste hoeveelheden? Wat doe je met je contracten? Vragen waar veel van onze opdrachtgevers mee worstelen. Dit proberen we met AI beter voor hen in kaart te brengen.”
Jack: “Wat voor effecten hebben verstoringen op je supply chain? Met data-driven decision making tonen we variaties in wat kan gebeuren. Waar dit in geval van paniek vaak handmatig wordt gedaan, maak je via de app een veel reëlere inschatting. Je kunt het beter onderbouwen omdat megaveel scenario’s worden doorgerekend. Dit maakt het minder foutgevoelig. Daarnaast is het te veel werk om handmatig te doen. Met AI kun je deze scenario’s op dagbasis berekenen, gevoed vanuit databases.
Supply chain resilience
De methode van data-driven decision making zijn we momenteel verder aan het ontwikkelen. Het geeft onze opdrachtgevers inzicht in de juiste inrichting van hun supply chain. Moeten zij bijvoorbeeld extra contracten afsluiten? Of op een spotmarkt inkopen? Beslissingen die zij hiermee goed kunnen nemen. Met deze methode kwantificeer je risico’s. Hierdoor kun je beter inschatten hoe groot bij een bepaalde verstoring de kans is dat je wel of geen productie kan draaien. Dit geeft bedrijven weer meer zekerheid”.
Data-driven descision making helpt bedrijven dus om goed voorbereid te zijn op mogelijke verstoringen. Voor genoemde cases geldt dat een bepaalde structuur in hun supply chain deze bedrijven zeker had geholpen. Het geeft beter inzicht in hoe je er als bedrijf voor staat en kunt anticiperen. Data-driven decision making vergroot je supply chain resilience.