最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

食品饮料行业的供应链信息化应用价值

[复制链接]
跳转到指定楼层
楼主
发表于 2017-8-1 10:20:46 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
在智云时代的今天,智能信息化与云技术的结合将赋能行业供应链的管理提升。
食品饮料行业作为弱周期行业,随着市场环境的极度竞争,在几乎相同的生产技术和原材料供应市场下,企业的生产成本和采购成本基本相同,行业企业市场的竞争就淋漓尽致地体现在了供应链管控的降本增效上。
作为典型的消费品供应链,食品饮料行业在抛开新品上市的特殊情况下其具有一定的需求确定性,企业根据市场的销售预测制定年度销售计划并分解至月度计划驱动供应链的采购、生产及供应链物流资源采购的协同;然后在整体执行环节进行精益化管控,提高运作效能;实现高效管理。
在智云时代的今天,智能信息化与云技术的结合将赋能行业供应链的管理提升。基于个人观点想从以下几方面与大家进行分享:
1 资源与计划环节
基于行业的特性,企业营销团队每年会制定年度大销售计划,并根据淡旺季落实到月度,物流采购同事会根据销售计划进行物流商招标确保物流资源。
但是基于市场的长尾效应,年度计划往往作为执行参考,具体的月出库计划会在月末通过区域销售代表上报汇总重新核定次月出库量并采用如2332等方式进行分解至周,这样的变化对物流采购乃至物流执行所带来的挑战是物流资源是否能够快速的响应计划。
那么,智能物流信息化能否有效解决这个问题呢?
在我看来那是必然的,信息化通过接入执行计划并转换运力需求;同时通过系统构建的运力库实现运力需求与运力库之间的动态匹配输出结果并提供预警机制,物流采购可根据结果进行快速响应。
针对资源缺口的处理,我们也看到了混合云信息化方案的应对措施,如唯智的解决方案通过私有云对企业内部计划于资源进行匹配管理确保信息私密性,在出现需求后通过公有云56Linked实现供应商引入的一体化解决方案。
资源与计划协同
2预约与发货环节
食品饮料行业在其物流运作环节中即要注重效率,同时也要100%确保安全可靠。合资企业的物流中心往往采用托管模式运作,国内企业虽然大部分为企业物流部管理,但是都因管理成本高等问题在预约与发货环节缺乏管控。其中包括如:运输车辆卫生不过关、集中到仓装货造成混乱等。
在互联网+物流信息化的当下,如一些云TMS产品或私有化运输系统的APP应用均能够提供完整的解决方案降本增效的解决此环节的问题。
安全环节
提供预约机制,并提供预约车牌锁定管理,实现到仓提货的匹配(针对承运商提前预约无法确保车牌100%准确问题可采用KPI等管理手段进行处理)确保装货交接安全。同时对于到仓车辆采用移动端实现安全检查,并对车辆司机进行KPI记录。
增效环节
食品饮料行业的发运往往采用T+1模式,即T日制定计划,T+1装车发运,系统提供月台预约机制实现预约制装货,信息系统通过对仓库作业班组的能效管理自动计算窗口预留并指导车辆入库顺序(紧急订单和室配往返处理方案另处理)。
在整个管理体系中,KPI的制定和应用至关重要,此部分将需要系统提供如规则引擎等自定义的配置进行支撑为最佳。
月台预约可视化
3 执行跟踪环节
基于行业食品安全的考虑,过往大部分企业会在物流执行中选择大型物流企业或国资企业;一方面出于资源保障,另一方面处于安全可信任,但是在众包模式和互联网经济新形势下,传统的套路将带来的是高成本支出和淘汰;
在互联网模式下针对资源保障,我们在资源与计划环节已对于资源的管理方式进行了分析,包括如公有云平台的供应商引流支撑,具体我们不再展开,如有兴趣可再做探讨。
针对安全可信任问题,智能物流信息化解决方案将通过互联网技术的应用,采用APP方式由传统对车的跟踪转变为司机跟踪,责任至人的模式进行管控。通过地图技术、电子围栏、握手交接、定位采集、异常拍照、签字签收等手段实现无盲区透明化管控。
移动APP应用
综上,列举了在行业供应链运作中的几个环节,我们可以看到物流信息化、混合云等技术的应用价值体现。相信有效应用私有云提升内部管控、开放使用公有云实现外部协同的混合云时代下,行业通过供应链降本增效指日可待。
作者 | Jun 唯智专家

楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-6 04:20

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表