3

Bilder

Ifølge en BI-undersøkelse er norske virksomheter langt mindre opptatt av digitalisering enn ledere i andre land. Kanskje skyldes det en gedigen misforståelse, for digitalisering innen forsyningskjeden omfatter langt mer enn rendyrket teknologi. Foto: Colourbox

Først en bekymringsmelding. Det er tegn på at digitalisering innen forsyningskjeden foreløpig ikke er spektakulært nok til å vekke nysgjerrighet og begeistring. Sist høst inviterte TEKNA til et heldags seminar med tittel «Logistikken digitaliseres», og LOGMAs medlemmer var spesielt invitert. Der var hele 10 presentasjoner som pedagogiske og konkrete løsninger kunne vise både til utfordringer og muligheter. En glimrende gjennomføring, (undertegnede gir en sekser), men skjedde? 18 personer fra 14 virksomheter fant temaet interessant nok for å møte opp, derav bare syv virksomheter som representerte en aktuell forsyningskjede.

Faller denne artikkelen på stengrunn?

Liten interesse for digitalisering innen forsyningskjeden understøttes av en BI-undersøkelse som viser til at norske virksomheter er langt mindre opptatt av digitalisering enn ledere i andre land. Kanskje skyldes det en gedigen misforståelse, for digitalisering innen forsyningskjeden omfatter langt mer enn rendyrket teknologi. En rekke eksempler viser at det er de virksomheter som tenker strategi- og forretningsutvikling og som tar endringsledelse på alvor som lykkes best med digitaliseringsprosjekter. Derfor er det verdt å løfte opp endringsledelse som et overordnet begrep i logistikkens nye verden. Hva påvirker endringer?

LOGMAs rolle innen forsyningskjeder er å skape fagfora, medlemsmøter og seminarer, hvor logistikkaktører kan møtes og utveksle synspunkter på muligheter – og trusler. I denne artikkelen våger vi noen betraktninger rundt hva som påvirker hvilke endringer i en forsyningskjede.

Hva er det som driver endringer?

Det er sagt (av noen) at skal fremtiden formes og endres må man kjenne fortiden og forstå nåtiden. Noe fortid er at allerede rundt 1960 kunne Harold Leavitt, professor i organisasjonsadferd ved Stanford University, presentere sin anerkjente og klassiske diamantmodell med de fire elementene som skaper forandring innen virksomheter. Det var kompetanse, arbeidsprosesser, organisasjonsstruktur og teknologi. Disse henger sammen slik at enhver forandring i en av dem påvirker de andre.

Spesifikk kunnskap møter ny teknologi

Nåtiden tilsier at kompetanse og teknologi er hoveddriverne i forandringsledelse. Teoretisk forankring og praktisk forståelse innen logistikk er en forutsetning for å gjøre de riktige tiltak innen en forsyningskjede. Kunnskap om og riktig bruk av teknologi er et bidrag til å gjøre tingene riktig, alt fra at presis informasjon gir pålitelig beslutningsunderlag, til at automatisering av kritiske operasjoner gir stabil drift.

Synergien mellom de to drivende elementene, logistikkompetanse og ny teknologi, er et inspirerende, spennende og kraftfullt utgangspunkt for forbedringer av virksomhetens forretnings- og arbeidsprosesser. Det kan løfte kombinasjon og nytte av operasjonsanalytiske metoder, statistiske analyser og praktiske Lean teknikker til et nytt nivå. Organisasjonsstrukturen som sådan vil gjerne bli en avledet konsekvens av dette forarbeidet, og forhåpentlig stimulere nødvendig overgang fra hierarkisk siloorganisering til målrettet prosessorganisering.

Logistikken – et faglig «trehodet troll»

Logistikk er kjennetegnet med sine tre flyter, nemlig flyt av varer, informasjon og penger. Flytene har helt forskjellige karakteristika, og følgelig vil den faglige vurderingen av potensialer, mulige tiltak og effekter være forskjellige. Men samtidig henger de sammen. En typisk sekvens er at en informasjonsflyt genererer en materialflyt som igjen viderefører en informasjonsflyt som ender opp i en betalingsflyt.

Den strategiske flyten av varer fra kilde til sluttbruker

Flyten av varer/materialer er en gjentagende sekvens mellom leddene produksjon, lagring og forflytning hvor varer gjennomgår endringer i tilstand, tid og sted. Leddene er hver især både verdiskapende og kostnadsdrivende. Viktige strategiske valg krever (nye?) avanserte analyser basert på (mer?) helhetlig og relevant informasjon. Gale beslutninger her er tunge å reversere. Det ene er strukturen i kjeden, det vil si hvor mange ledd kjeden skal ha og hvor de ulike leddene skal plasseres. Det andre er hvilke varer som skal behandles ved hvilke ledd. Det tredje er hva som bør automatisering innen hvert ledd.

Målet er kundespesifikk masseproduksjon

Innen produksjon har stordriftsfordeler og standardisering vært drivende tiltak for effektivisering. Nå realiseres det eksempler på automatisert produksjon ved kreativt bruk av avanserte sensorer og roboter med innslag av kunstig intelligens. Det er digitalisert tiltak som bevarer kostnads effektiv produksjon samtidig som tillater en fleksibel en-stykk produksjon som møter spesifikke kundekrav med høy servicegrad. Men den største effekten er at det blir mulig å flytte produksjonsledd fra lavkostnadsområder til områder med høyere kostnadsnivå, men nærmere varens sluttbrukere.

«Alle» har et automatisert lager

Lager er leddet i forsyningskjeden hvor digitalisering allerede er godt utnyttet. Det er først og fremst automatisering av datafangst og mekanisk utstyr for optimal behandling av varer inn, gjennom og ut av lager. I fagblader vises det hyppig til virksomheter som har lyktes med sine automatlagre. Når disse automatiserte og kostnadseffektive lagerløsninger blir mer og mer skalerbare, gir det fleksibilitet i strategiske valg av distribusjonsmønster i forsyningskjeden. Det aktualiserer nye kombinasjoner av store sentrallager og flere mindre regionlagre.

Transport må møte krav til tid og kostnad

Et klassisk kostnads-nytte dilemma innen transport er valget mellom å tilby rask transport og korte leveringstider kontra mer rutebasert og kostnadseffektiv transport. Kanskje mer real-tids basert avansert planlegging kan utvikle leveringsløsninger som både er kostnadseffektive og raske? Bedre informasjonsgrunnlag og nye konsepter kan fortsatt forbedre ruteplanlegging og flåtestyring som foreløpig har begrenset utbredelse. Mer spektakulære aspekt innen transport er det som skjer med førerløse kjøretøy og 3-D printing, – eller at det nå utvikles avanserte systemer for styring av droneflåter!

Datafangst – et nøkkelområde for digitalisering

Digital fangst av fysiske data ved bruk av optisk lesing og scanning av strekkoder er godt kjent. Den mer avanserte og lovende RFID-teknologien har lenge vært under utvikling og innføring, men fortsatt mangler det store gjennombruddet innen operasjonelt bruk. Det forventes stor fremvekst av særdeles følsomme sensorer for primærfangst av ulike typer logistikkdata. Når det nå er sensorer som registrerer graden av krakelering av maling, asfalt og andre overflatebehandlinger, så er sikkert sensorløsninger for de mest kritiske registreringer i en forsyningskjede?

Transaksjoner må og kan registreres i sann tid

Transaksjonene registrert i sann tid blir en selvfølgelighet og viser umiddelbart status på ny tilstand og gir full kontroll på prosesser, både tekniske og administrative prosesser. Primært vil det redusere kostnader og reduserer gjennomløpstiden for prosessen. Men enda viktigere at det vil synliggjøre eventuelle avvik fra ønsket tilstand. Rask identifiseres og korrigeres av avvik, reduserer som kjent uheldige konsekvenser. Samtidig gir det et friere valg mellom lokalt ansvar for selvhjelp og detaljert styring av prosessen, eller en sentralisert helhetlig styring, - og således påvirker virksomhetens organisasjonsstruktur.

Digitalisering gir kortere vei fra datafangst til verdiskapende respons

Effektiv styring av vareflyt forutsetter tilgang til relevant informasjon. Fri flyt fra fangst av data en gang og ett sted, sømløs og standardisert integrasjon mellom ulike halvproprietære datasystemer, aggregere data fra ulike kilder, dele informasjon i sann tid, tilgang til relevant informasjon for presentasjoner og analyser, og til slutt utløse den endelig respons. Responsen kan enten være som et ledd i en automatisert transaksjonssekvens eller et underlag for en beslutning.

Ny informasjon er beslutningsunderlag for profesjonell styring

Å utnytte den digitaliserte informasjonen forutsetter kompetanse, innen logistikk generelt og innen analyse og planlegging spesielt. Mange virksomheter kan i dag vise til en integrert informasjonsflyt, men færre kan vise til avansert planlegging. Selv velrenommerte ERP-systemer med såkalte analysemoduler, er primært transaksjonssystemer som viser hva som skjer og i mindre grad har funksjonalitet for å vise hvorfor det skjer. De kjente planleggingsmodellene fra 50-, 60- og 70-tallet er selvfølgelig relevant, men den «ubegrensede» tilgang til helhetlig informasjon kan utnyttes langt mer, gitt kompetanse og vilje. Det gir mulighet for å skape konkurransefordeler ved å redesigne kjedestrukturen, tilpasse kapasiteten i de enkelte ledd og ikke minst optimalisere utnyttelsen av hele forsyningskjeden ved mer bruk av operasjonsanalytiske beregningsmodeller og simuleringsalgoritmer basert på matematisk statistikk.

Kunder og markedssegmenter – et offer for analyser

Vi har også fått begrepet «Big Data» som viser til modeller der enorme mengder digitale data fra mange kilder gjennomgår omfattende analyser. Foreløpig for de mest ambisiøse, men noe er fullt mulig. Systematisk innsamling av et mangfold av data om enkeltkunder og markedssegmenter brukes for å avdekke produktpreferanser og kjøpsadferd. Motivet er at fremtiden blir dominert av virksomheter som har best innsikt i hva kunder/sluttbrukere egentlig vil ha. Kjøpsbehovet hos konkrete målgruppene kan i neste omgang gjennom ulike kanaler direkte påvirkes med informasjon om produkter og tjenester som passer med avdekkede kjøpspreferanser.

Noe mer spektakulært er en utvikling av såkalte multippel korrelerte prognosemodeller for handelsvarer. I stedet for enkle ekstrapoleringer ut fra historiske salgstall kalkuleres prognosen på tilstand og utvikling av mange, gjerne flere titalls, parametere som på hver sin måte har korrelert med salget. Dermed beregnes fremtidig salg, tilhørende servicegrad og lagertilgjengelighet som maksimerer forventet dekningsbidrag på hver enkelt vare.

Maskinlæring og kunstig intelligens får kontroll

Maskinlæring er datasystem bygget opp med mange og meget små programmer som virker sammen på en slik måte at de ligner kunstige nevroner. Når nevronene stimuleres responderer disse som ekte nevroner. En utfordring er at systemlogikken og resultater kan være så vanskelig å evaluere at det må utførlig gjøres ved hjelp av matematisk/statistiske metoder. Et system basert på teknologien maskinlæring kalles gjerne kunstig intelligens. Som et lite eksempel på kunstig intelligens nevnes det systemet som Facebook har utviklet for å gjenkjenne ansikter.

En bekymringsmelding til slutt

EU-parlamentet tar nå de første skritt for å behandle spørsmål rundt standardisering, teknologi og etikk som kan oppstå ved bruk av roboter og kunstig intelligens. Bakgrunnen er enkeltes uttrykte frykt for et «apokalyptisk scenario» hvor roboter gjør oppgjør mot sine menneskelige eiere. Når ser vi en robot med selvstendig logistikkansvar?

KLIKK for alle artikler i LOGMA logistikk fagartikler.