麻省理工學院(MIT)講座教授、麻省理工學院數據科學實驗室(Data Science Lab)負責人,以及埃森哲傑人(Accenture Luminary)。
資訊科技的進步已經大幅改善供應鏈的管理,但企業領導人仍無法獨立得出見解。生成式AI可以讓領導人不必仰賴專家協助,就能達成這些目標。本文以微軟為例,具體說明生成式AI能帶來的效益。
數位轉型是各行各業目前正在遭遇的難題,要如何把牽涉內容複雜的供應鏈變得現代化,更是曠日費時的挑戰。有沒有什麼既節省資源,又能達到目標的簡易方法,讓領導人可以從大規模的轉型作業中脫身,去創造更多價值呢?
新冠疫情暴露出,大多數供應鏈遇到緊急情況便會大規模中斷的弱點。目前許多公司選擇直接把生產線移回本國,來解決問題,但這並非治本之道。使供應鏈更有復原力的最佳方法,是進行壓力測試,找出自身供應鏈的風險。此外,若要增強供應鏈的復原力,難免需要在地製造能力,而這需要投注許多資源。但唯有找出供應鏈弱點所在,並決定要投注資源以強化那些弱點,才能真正採取措施,在下一次危機發生時防患未然。
在2008年金融風暴後,美國政府開始對銀行進行壓力測試,確保它們可以應對突發狀況;我們對供應鏈也該這麼做,檢測在危機壓力下的復原力,以確保我們更有能力應付下一次的全球風暴。
新冠肺炎對全球供應鏈影響的最高峰會在3月中發生,使數千家公司被迫暫時關閉美國與歐洲的組裝與製造廠。其中,中國的供應將會中斷,使全球製造與港口活動放緩。而且,從SARS疫情到今日,中國與世界其他國家貿易的比率,成長到兩倍以上;中國占世界GDP的比重,也幾乎增加到四倍。可以預期,疫情將對全球經濟造成比之前更嚴重的損害。
不管是超級風暴,還是工廠失火,這些災禍幾乎都無法預測,而且往往導致供應鏈中斷,造成重大的損失。本文提出一種新模型,能量化供應鏈中斷對公司造成的衝擊,而不探討中斷原因或可能性,來妥善管理突如其來的風險。
為提供您更多優質的內容,本網站使用cookies分析技術。若繼續閱覽本網站內容,即表示您同意我們使用 cookies,關於更多 cookies 資訊請閱讀我們的隱私權政策。