麻省理工学院全球供应链与物流卓越网络、

宁波（中国）供应链创新学院副教授赵立马

（本文根据4月19日罗戈网&物流沙龙举办的“2019全球制造业供应链峰会”速记稿整理）

以下为演讲正文：

尊敬的各位来宾、朋友，大家下午好，很高兴今天可以就“供应链数字化转型战略”这一主题和大家分享，我是学院供应链数字化实验室执行主任，和各位介绍一下我们麻省理工学院全球供应链与物流卓越网络，始建于2008年，目前在欧洲、美洲、亚洲共拥有6个中心，宁波（中国）供应链创新学院是宁波市政府和美国麻省理工学院合作共建的中国第一家供应链创新学院，目前开设了2个硕士学位项目，有MIT宁波供应链管理项目以及3C项目，学院有供应链数字化实验室，供应链金融研究中心，还有航空运输研究中心。

首先供应链数字化转型的顶端是企业的目标和战略以及与供应链的战略和愿景做一个整合，也就是供应链端的数字化要和企业其他模块的数字化做一个协同与配合。并且我们看到供应链的治理模式当中要根据流程的再造，这个再造之后我们中间看到流程层面要进行核心的数字化，在供应链的数字化执行层面我们有两个，一个是供应链的数据分析驱动管理，第二个是通过供应链技术基础架构和设施为供应链数字化提供底层的支持。

供应链数字化的角度下，企业成熟有四个阶段。第一个阶段是数字新手，第二个阶段是纵向整合者，也就是跨职能层面的资源管理，在成熟阶段有横向协作者，也就是和全球的供应链企业建立伙伴关系，实现供应链的基本透明度。第四个阶段是数字冠军，拥有数字化的全解决方案，实现主动行动，决策和执行供应链对于客户需求以及上游的相应。

供应链数字化的八大要素，首先是规划和执行，接下来是物流可视性，这个是基于流程化的，这里有四个重点，一个是采购4.0，一个是智能仓储，还有一个是高效备件管理，以及自主和B2C物流。底层则有规范性供应链分析和智能供应链赋能技术。

供应链敏捷性是增强响应能力主动预防，最后一英里配送，还有一个是可拓展性，效率最大化组织灵活性，并且要有个性化体验。还有智能化是可操作洞察力，自动执行，增强加速创新，互联化要实时可视性，无缝协作，并且高度进化运营模式，协同计划与调度。

具体有哪些数字化技术可以对供应链策略产生影响呢，首先我们有三种定位技术可以实现传感器检测订单状态和产品包装质量以及设备状态的实时传输。还有一个是微波和激光支持生产技术，基于大数据有大规模的情境分析，在用户界面层面有增强现实客户自主扫描等自动化系统，云服务有社会互联，全球数据同步更新，根据《供应链管理世界》2017年的调查，大数据分析是最具重要性和颠覆性的数字化技术，接下来物联网、云计算、机器学习将是重点，先进机械，3D打印、无人机、自动驾驶设备、共享经济以及区块链，下面我们会看到四种技术案例。

下面是物联网供应链的互联生产车间和最后一公里配送方案，可以提高工厂级别可操作性和可管理性以及安全性，大陆集团下的马牌轮胎为了减少轮胎制造零部件放置不当而导致的延迟，用WIFI传感器实现库存管理系统的集成化与智能化。

思科的物联网仓储项目，人机都有WIFI的传感器互联，这个上面为智能库存管理提供条件，摄像头可以实时的监控，并且提供实时的可视性。并且联网的车辆可以优化设备的利用率，物联网如何通过智能集装箱的管理系统以及卡车的传感器实现运输的可视性和安全性。通过设备的传输进行最后一公里的配送智能解决，消费者第一时间可以通过联网的设备来获得物流信息。

第二个例子我们来看3D打印如何重置制造业供应链，工业级3D打印即快速成型制造技术，戴姆勒他们当时与经验丰富的合作伙伴进行了快速成型的制造项目，通常停产时零部件的稳定供应是一个问题，3D打印可以支持这个模型的继续使用。

通用电器也和法国公司成立了一个合资公司，也就是CFM，之后一起来3D打印喷嘴，三年内每年制造25000个喷嘴，同时降低了生产成本，零部件也变得更轻，为航空公司节省了燃油成本。

这里是3D打印的几个优势，一个是简化了供应链，第二个是降低了人工单位和运输成本，无需遵循廉价劳动力的工厂定位。第三个是快速的本地交付，第四个是降低库存成本，可以实现低成本交货。

下面第三种供应链的赋能技术，大数据分析有四个层级。

·      第一个层级也就是预测性描述分析，这里告诉我们发生了什么。

·      第二个层级也就是我们的预测性分析，告诉我们会发生什么。

·      第三个是我们的规范性分析，告诉我们应该如何做好预案。

·      第四个是认知性分析，总结某一个事件背后的规律，从而实现这个事件的掌控与预防。

大部分企业的大数据分析还是在前面三个阶段徘徊，大数据分析的4V特点，第一个是数据量巨大，第二个是数据的多样性，第三个是数据的处理速度需要非常快，第四个是数据的真实准确性需要再次确认和筛选。

4V特点带出来我们下一个问题，就是大数据的分析以及如何构建，如图所示我们可以看到上层我们是一个数据引擎，基于物流可视化，收集财务、需求、制造、产品一直到环境，收集了这些数据之后，就会延续刚刚提到的大数据分析的四个层级，从描述性到预测性一直到规范性，以实现企业的预案。

认知性的分析要求比较高，需要企业多年大量数据的积累并且要长期时间轴下的时间模型进行深度的分析和总结，从而总结认知性规律。

这里具体讲讲沃尔玛是怎么应用大数据的，他们把大数据还有机器学习以及物联网结合，为了保证线上线下客户体验的无缝连接，第一个医药板块会更加高效，通过模拟分析预测需求峰值。第二个可以改善客户结帐效率，优化客户体验，确定收银台的数量。第三个管理供应链优化码头到门店的过程，规划出货次数安排司机的时间。第四个优化货品的分类，通过对客户购买行为的分析，大数据分析新产品和停产产品的支持力度，个性化购物体验可以通过对消费者偏好的深度分析量身定制并进行个性化的延展和售后服务。

最后IBM和马士基推出了区块链贸易平台，GTD也就是全球贸易数字化，通过用户信息实现端到端的供应链可视性，区块链作为分布式记帐系统，可以实现整个供应链系统的再构建，对于海关状态还有单据都可以进行传输，并且可以实现交易的透明化。

供应链数字化的赋能技术如何技术绩效的管理与分析？战略评价体系中首先观察数字化带来的收入变化，每个供应链员工收入的增加和不合格商品占比及整个销售额的变化，数据科学家人数以及手工替代的百分比，还有关键数据之间的时间关联和互联设备的百分比。

最后一点是通过对供应链各个环节智能化，最终可以实现5%—10%的收入增加和20%—50%的产品交付周期缩短。

以上是我今天主题分享的全部内容，谢谢大家。