Safety Stock in Pharma: Řešení výzvy Zlatovláska v dodavatelských řetězcích s kognitivní automatizací
Safety Stock in Pharma: Řešení výzvy Zlatovláska v dodavatelských řetězcích s kognitivní automatizací
Safety Stock in Pharma: Řešení výzvy Zlatovláska v dodavatelských řetězcích s kognitivní automatizací
Bezpečnostní zásoby jsou jedním z nejdůležitějších prvků ve farmaceutickém dodavatelském řetězci. Přesto se také ukázalo, že je velmi obtížné řídit a optimalizovat bezpečnostní zásoby, i když blokuje pracovní kapitál a zvyšuje náklady na zásoby.
Farmaceutické společnosti obvykle udržují vysokou úroveň bezpečnostních zásob, aby dosáhly vysoké úrovně služeb, které maximalizují výnosy z produktů s vysokou marží a zvyšují spokojenost zákazníků. Také se nazývá vyrovnávací zásoba a poskytuje záchrannou síť proti variabilitě, jako je neočekávaná zpoždění v surovinách nebo přepravě nebo neobvykle vysoká poptávka.
Zásoby, které jsou důsledkem nedostatečných bezpečnostních zásob, by mohly být pro podnik velmi škodlivé, s milionovými ztrátami příjmů a potenciálním poškozením značky, pokud by životně důležité léky nebyly k dispozici. Převládající praxí je pochybení na straně přebytku, přičemž bezpečnostní zásoby jsou ve výrobních závodech a distribučních centrech společnosti po celém světě.
To však také znamená chybovat na straně vysokých nákladů na zásoby a vázat pracovní kapitál, který by mohl být investován do výzkumu a vývoje nebo jiných oblastí obchodního růstu.
Je to výzva Zlatovláska. Farmaceutické společnosti nemohou riskovat příliš málo bezpečnostních zásob. Ale nechtějí příliš mnoho nákladů. Stejně jako v dětské bajce o Zlatovlásce a třech medvědech potřebuje farmacie bezpečnostní zásoby, aby byly „tak akorát“.
Rostoucí rizika v řízení bezpečnostních zásob
Pro splnění konkurenčních cílů minimalizace nákladů na bezpečnostní zásoby a maximalizace úrovně služeb se plánovači farmaceutického dodavatelského řetězce zaměřili na řešení proměnlivosti poptávky a variability dodacích lhůt pomocí řady softwaru pro řízení dodavatelského řetězce a tabulek. Toto úsilí je v našem hyperrychlém digitálním věku náročnější než kdy jindy, protože se neustále objevují nové proměnné ovlivňující bezpečnostní zásoby. Je příliš složité spravovat tyto proměnné pomocí stávajících softwarových systémů a tabulek.
Rostoucí globální složitost v tomto odvětví ztěžuje rychle a přesně předvídat poptávku na trhu a dodací lhůty. Růst dat v reálném čase z desítek nebo stovek aplikací zahltí lidské úsilí spravovat a analyzovat informace pro rozhodování na základě dat.
Výsledkem je plánování nejlepšího odhadu při sestavování měsíční předpovědi poptávky a kalkulace dodacích lhůt, které zohledňují dostupnost materiálů, výrobní plány, variabilitu poptávky, spolehlivost dodavatelů a další faktory, to vše ve velkém počtu míst SKU.
Kvůli této složitosti jsou úrovně bezpečnostních zásob obvykle založeny na několika proměnných, nikoli na úplném souboru. Plánovači dodavatelského řetězce jsou jen zřídka ochotni ohrozit úroveň služeb snížením bezpečnostních zásob. Udržování štědré zásoby akcií je často považováno za náklady na podnikání, ale nemusí tomu tak být.
Vznik kognitivní automatizace ve farmaceutických dodavatelských řetězcích
Kognitivní automatizace otevírá nové možnosti, jak řídit bezpečnostní zásoby efektivněji z hlediska nákladů, a to využitím využití umělé inteligence (AI) a strojového učení. Tato vznikající technologie využívá výpočetní výkon v cloudu v měřítku internetu, monitorování dat v reálném čase, rozpoznávání a sofistikované algoritmy, aby do farmaceutického dodavatelského řetězce přinesla novou rychlost a přesnost.
Farmaceutické společnosti patří mezi lídry v zavádění kognitivní automatizace za účelem zpřesnění předpovědí poptávky a výpočtů dodacích lhůt, čímž připravují půdu pro optimalizaci úrovně bezpečnostních zásob v rozsáhlém globálním měřítku. Tato technologie přináší inteligentní automatizaci dodavatelského řetězce daleko většího rozsahu a hloubky, než je možné i s těmi nejzkušenějšími plánovači a nejlepšími tradičními nástroji.
Plánovači tak mohou strávit týdny shromažďováním dat ze softwarových aplikací pro ERP, CRM, plánování požadavků na materiál, logistiku, řízení dodavatelů a skladů a další. Poté jsou čísla zpracována pro výpočty poptávky a vedení – ale informace jsou zastaralé v době, kdy jsou prognózy dokončeny, a je snadné přehlédnout klíčové proměnné.
Kognitivní automatizace prochází několik aplikací tisíckrát denně a shromažďuje a obohacuje data do jediného úložiště dat. Odtud výkonné algoritmy generují doporučení, která mohou pokrýt prognózy poptávky, výpočty dodacích lhůt a optimální úrovně bezpečnostních zásob. Kognitivní automatizace rozšiřuje odbornost lidských plánovačů a poskytuje doporučení na základě dat, která mohou v reálném čase provádět a podle nich jednat.
Několik charakteristik odlišuje kognitivní automatizaci poháněnou umělou inteligencí od tradičních přístupů:
Denní předpověď.
Poptávku a dodací lhůty lze vypočítat na denní bázi, protože kognitivní automatizace sleduje data a anomálie téměř v reálném čase. To je obrovské zlepšení oproti manuálním prognózám jednou za měsíc nebo v jiných pravidelných intervalech.
Hluboká granularita.
Spíše než se souhrnnými daty pracuje kognitivní automatizace s datovými sadami s hlubokými podrobnostmi, až po každodenní transakce podle umístění SKU, objednávek, závodů, surovin, zákazníků a dalších.
Viditelnost od začátku do konce.
Kognitivní automatizace přináší uskutečnění „svatého grálu“ viditelnosti celého dodavatelského řetězce, takže manažeři se mohou vyvinout od reaktivního řešení problémů k proaktivní optimalizaci a rozhodování na základě dat.
Z hlediska bezpečnosti zásob mohou tyto funkce také pomoci týmům dodavatelského řetězce lépe řídit časově citlivé produkty s expirací, aby se omezily obrátky zásob, zmenšování a náklady na zbytečně vyřazené produkty.
Cognitive Automation ve společnosti Merck KGaA
Merck KGaA je jedním z příkladů farmaceutické společnosti, která sklízí odměny dodavatelského řetězce díky kognitivní automatizaci, jak je uvedeno ve zprávě Wall Street Journal. Německý podnik používá kognitivní řešení od Aera Technology v případu použití zahrnujícím asi 100 přípravků na podporu plodnosti.
Software prochází aplikace společnosti Merck a agreguje data do kognitivní datové vrstvy. Poté AI a strojové učení analyzují data, identifikují problémové oblasti a doporučují optimální akce. Spíše než plánovači společnosti Merck dřít se v tabulkách a dohadovat se o číslech, stroje a umělá inteligence dělají tvrdou práci a poskytují doporučení pro nejlepší postup na základě dat.
Bezpečnostním zásobám se nedostalo takové pozornosti, jakou by si zasloužily, jednoduše proto, že bylo tak obtížné přesně předpovídat a kvůli riziku, které může nedostatek zásob pro podnik představovat. Dnes mají farmaceutické společnosti nové příležitosti, jak výrazně ušetřit náklady a uvolnit pracovní kapitál pomocí přístupu založeného na umělé inteligenci, aby získaly bezpečnostní zásoby „tak akorát“.
