何时才适合引入自主性供应链信息化系统？【下篇】

之前我们有谈到要想实现自主性供应链的信息化系统该以什么标准为考虑？何时才适合引入自主性供应链信息化系统？【上篇】。本次我们将分享下篇，和大家继续探讨这个热点话题。
目前很多企业内部已经具备许多的信息化系统，如 ERP与 CRM 等，那是不是就代表具备实践自主性供应链的条件？如果这些系统的数据没有有效目的性的串联甚至整合在一起，这些数据就像组织内各部门彼此间的壁垒一样，对更先进的自动化是没有帮助的。因此首先我们需要先找出关键的议题或是目前已知对供应链运作可以产生最大效益或是最大问题所在。

一、所有跟库存相关的信息
这些信息必须已经是数据化的存在各信息化系统内 （其中或许也会包含 IoT 或支持边缘计算所得到的数据）。其中不仅要能确保信息化也必须确保其准确性。例如在不同的实体地点，包含各种类别的仓库以及销售点，还有运输途中也都存在的库存信息。如果某些成品是由供应商直接提供或是包含物料供应商，这样子的一整串活动都是我们在提升这一条供应链运作效率需要考虑到的。
而解读这些现状就需要透过信息系统读取已数字化的数据来达到。为了要能够针对眼前以及未来的数据分别作出分析以便确保供应链的执行效率与准确性，首先这些相关的数据必须要能够经过搜集并整合起来，这部份也就是部份数字化供应链需要做到的工作。而数据的搜集与整合过程中势必得确保数据是正确且能够实时的搜集得到。而且要注意这些被搜集的数据必须是已经经过分析确认要被搜集起来，而不是一股脑把所有可以被搜集到的数据都储存起，因为许多数据跟最后要达到的目标并没有关联。

另外数据都是带有时间注记的，因为不同的需求，需要用到的数据其时间刻度必须做过过滤，否则拿到一堆不符合需求的数据，之后再将这些数据储存到一个 (或数个) 数据库，并搭配相关联的 API (应用程序接口) 的开发，透过事先设计的 API 这些被搜集与整合的数据可以被容易的访问也是自主性供应链的重要需求。

二、安全库存的量以及其他会影响库存数量增减的因素    
譬如成品的销售订单，因为简单的说，当卖出一定数量的成品就意味着必须要补进特定数量的成品进到库存里。但为了确定目前的库存是不是真的可以应对未来的需求，我们得先知道未来大概的需求是多少？以及未来可能会发生影响库存数量的因素有哪些？既然谈到需求，其中一个重要的需求就是我们未来的销售数量是多少？在获得预测的销量后：
a) 把预测销量扣除现有的成品库存以及扣除可以满足交期的在途库存就可以得到我们还需补足的成品数量，如果这个成品数量是正值就表示目前的库存是不够满足预计的未来销量，这个成品数量也可以说就是预计的生产量。
或者b) 除了前述简单的计算外，还要把不同的区域以及不同的渠道，依照仓库的地点以及运送的难易与时间长短的限制，进一步规划出哪个工厂需要生产什么样的产品各多少。而这些生产的需求，依照制造产品的物料需求，就可以进一步得出要跟各供应商采买物料的数量以及要求的交期。
以上基本上都是得透过预测的软件系统，依照已收集到的数据进行分析，经过选定的算法计算出未来的需求数量，之后才逐一的推演出其他关联数量与时间等信息。目前可以利用到的预测系统的算法有很多选择，不论是已经使用许久的统计模型或是近几年正在被大量利用的机器学习中的算法。这些算法或许各有其可用之处，但是要得到好的结果或是比较接近未来的结果，有一个关键因素就是“喂进”这些系统的历史数据（需要计算出预测所根据的数据自然不会只有历史销售数据，这里只是举一个例子）。这些历史数据如果搜集的不全或是其中有许多的例外都会不利于预测系统找出或是学习到可以比较准确预测未来的模型。而数据的分析以及清理，完全需要仰赖对这一类历史数据以及需要得到的未来数据有产业的专业经验以及对数据了解相关技术上的专业，才可以对历史数据作出正确的分析以及清理。

三、在得知现有的库存相关状况以及可能的问题加上预测的销量，可进一步分析预测销量 
例如现有各区域的库存够不够？现有成品是不是可以满足各渠道的需要以及成品所在的仓库是不是可以及时将货物运送到各不同的渠道上？工厂需要生产的数量需要做什么调整？上述各个问题以及条件都是在确保客户满意度可以维持住甚至持续提升，而考虑到的各相关信息都是为了可以满足本阶段与下一阶段的销售与生产所要做的分析。（如下图所示）

这个下一步可以包含哪几个仓库的库存可以满足掉多少的需求？哪个工厂需要生产某个产品多少数量？哪个仓库哪个产品需要补进多少库存等等这一类可以协助我们作出决定的信息，这些信息其实就是系统给出的建议。而我们需要做的就是针对这些建议给出决定让供应链的运作可以持续往下走。

上述的数据分析必须如同所有的供应链运作一般是持续不间断在进行的。所有的数据都是可以实时被搜集进信息系统里，而系统会经过运算以及参考各关联的数据以及各约束的条件后给出建议。

事实上如果我们对这些建议有疑虑或是不确定该不该微调后才真正的做出决定，这个软件系统必须具备能够允许我们调整这些建议的功能，并显示出调整之后其他相关联数据的变更状况，甚至我们可以要求系统针对这些变更再做一次 (或是数次) 预测，之后再得出一个调整后的建议。最后让我们根据人为的调整与系统做出的建议再做比较 (初始建议→ 调整建议→相关联数据变更→再次预测→再一次产生建议)，最终选出我们的最佳决策。而在这个过程中，系统必须记录这些状况以及变化并要能跟着学习在这些不同的状况之下最后的决定是怎么被确认的? 系统经过一段时间的学习后，给出的建议会越来越准确，捕捉到的警示会越来越及时与确实，甚至透过事先的配置，渐渐地某些决定系统可以帮我们直接下决定，如此一来整个供应链的运转将会越来越快且越来越准确，伴随而来的就是整体的运作更有效率连带着客户满意度也会持续的提升。

最后还有一个部分也要注意的就是要及时的检测问题与示警。简单的说就是如果某仓库的成品入库出了问题，可能是该到货的时间没有准时，甚至是该自动化仓库发生机器人故障导致入库作业被延误。当然这些延误都可以设定一个门槛，譬如延误 12 个小时才需要示警甚至 24 小时等等，而不需要一发生就通知示警。

综合以上谈到的，自主性供应链的信息化首先要考虑数字化的转型或是说内部与外部的数据整合，这边谈的并不是所有的数据都要信息化后才能开始供应链运作自动化，因为那必须是循序渐进的。但是可以先针对关键的议题包含需要急迫解决的问题与需要提升效率的流程来将这些关联的信息数字化。最终只有结合以上的正常流程的自动化作业以及实时的示警，企业将有机会逐步全面的实践自主化供应链。