The ebb and flow of international supply chains is far from new, and the Cotswolds’ grand medieval churches, partly paid for by wool exports to mainland Europe, were built centuries before the area became famous for hosting US vice presidents.
Import and export levels around the world rose in the 19th century and 20th during the first wave of globalization, until two world wars and the Depression dragged levels back down to a century earlier .
In the second wave of postwar globalization, trade in goods tripled—the combined value of imports and exports of goods—from 17% of world gross domestic product (GDP) in 1962 to 51.5% in 2008, according to World Bank data . This was the year after Apple launched the iPhone, a model of globalized manufacturing, with the company now counting suppliers in 29 countries on three continents.
But 2008 was the year of the global financial crisis, which saw the collapse of banks, including Lehman Brothers. Merchandise trade fell sharply in 2009 and has zigzagged sideways since then, remaining below 50% of global GDP.
International trade in goods has been hit by one thing after another: the eruption of Iceland’s Eyjafjallajoekull volcano in 2010 , the UK’s vote to leave the EU in 2016, the Covid pandemic from 2020, the blockade of the Suez Canal in 2021 and Russia’s invasion of Ukraine in 2022. US President Donald Trump’s rapidly changing tariffs are just the latest problem.
The 2010 eruption of Eyjafjallajoekull provided an early example, as its dust plume grounded planes used by Kenyan flower growers, among others, to reach European markets. A decade later, everything from personal production equipment to toilet paper during the COVID-19 pandemic highlighted how supply chains could become entangled.
Globalisation had “perhaps gone too far”, says Emil Naus, a UK-based consulting partner at Amsterdam-headquartered BearingPoint and previously head of logistics strategy at retailer Marks & Spencer. It has meant companies rely on suppliers on the other side of the world to deliver goods on time with little margin for error.
“If something goes wrong, the consequences are big. We’ve created some pretty fragile supply chains,” adds Nauss, who knows of a food manufacturer that runs two backup production sites, which increases costs compared to operating solely from its main location, because it worries that a shutdown at that main site could put it out of business.
In addition to special events, the shift of manufacturing jobs to China and other lower-cost countries has encouraged previously industrialized countries to raise barriers to international trade after decades of lowering them.
“It’s very easy to point to the US with its tariffs, but that’s just one example,” says Naus. “You could argue that the Brexit changes in the UK and the trade restrictions in Asia are part of the same thing.” Climate change poses additional challenges, shifting where certain crops can be grown and disrupting the flow of water through drought.
Ričards Hovels, Vācijas uzņēmuma resursu plānošanas programmatūras nodrošinātāja SAP risinājumu pārvaldības viceprezidents, piekrīt: “Tarifi, tirdzniecības politikas maiņa un reģionālie konflikti ir visi dažādi traucējumu veidi. Tarifi ir jaunākie, taču šķiet, ka tas nebeidzas.”
Viņš saka, ka darbaspēka trūkums un prasības ilgtspējības uzlabošanai dažās valstīs, ieskaitot pieaugošās prasības, lai publicētu datus par piegādātāju un klientu siltumnīcefekta gāzu emisijām, papildina izaicinājumus.
Piegādes ķēdes ātrums
Uzņēmumi ir atbildējuši, darot lietas ātrāk. “Tā kā piegādes ķēdes pulksteņa ātrums ir kļuvis ātrāks, mēs esam pārcēlušies no ikmēneša lēmumu pieņemšanas par plānošanas lēmumiem uz ikdienas plānošanas lēmumiem un stundu dažos gadījumos,” saka Hovels, kurš piegādes ķēdēs ir strādājis vairāk nekā 35 gadus.
Viņš saka, ka viens SAP klients, virsgaismas ražotājs, sākotnēji domāja, ka cilvēkiem būs maza interese par mājas uzlabojumiem pandēmijas sākumā un attiecīgi plānots. Bet taisnība bija pretēji, palielinoties cilvēkiem, kuru mērķis ir izgaismot savus jaunos mājas birojus, liekot uzņēmumam pielāgot plānošanu un ražošanu gandrīz katru dienu.
Viņš piebilst, ka sociālie mediji un ietekmētāji nodrošina pastāvīgu iemeslu, lai spētu ātri veikt izmaiņas: “Tvīts no slavenības varētu izraisīt šo pieprasījuma pieaugumu.”
Hovels saka, ka programmatūras piegādātāji, ieskaitot SAP, ir atbalstījuši šo paātrinājumu vairāku gadu laikā, uzlabojot integrāciju starp programmatūras lietojumprogrammām, pārejot uz mākoņdatošanu un palielinot mākslīgā intelekta (AI) izmantošanu. Viņš rīko apraidi par piegādes ķēžu nākotni: “Mēs neveicam epizodi, neminot AI. Man vajadzētu zvanīt zvanu katru reizi, kad kāds to piemin. Tas ir spēles mainītājs piegādes ķēdei un uzņēmumiem kopumā.”
Papildus prognozēšanas tempu palielināšanai uzņēmumi izmanto AI vadītas paaugstinātas analītiskās iespējas, lai paplašinātu tās darbības jomu. Piemēram, tā vietā, lai izveidotu vienu prognozi, kādu tagad uzņemas scenārija plānošanapiemēram, modelēt plānoto amerikāņu tarifu izmaiņu ietekmi, pēc tam pieņemot lēmumus, lai tos mazinātu.
Hovels saka, ka tas var novest pie tā, ka uzņēmumi maina piegādātājus, pārvieto inventāru un pērk lietas agrāk, lai gan viņiem ir nepieciešama iespēja pārskatīt, vai vai kad lietas atkal mainās: “Tā ir nepārtraukti mainīga vide, un jums ir jābūt biznesa sistēmām un tehnoloģijai, kas var palīdzēt jums paredzēt, reaģēt un reaģēt uz šīm lietām.”
Rohits Tripathi, Somijas bāzētās piegādes ķēdes plānošanas platformas RELEX rūpniecības viceprezidents, saka, ka importētājs varētu reaģēt uz Amerikas tarifu izmaiņām, pārejot uz ASV no valsts ar augstākām izmaksām, bet zemākas tarifus, pievienojot tarifus patēriņa cenām vai izņemot tos no peļņas.
Bet, kā arī reaģējot uz konkrētiem notikumiem, šādi traucējumi liek klientiem pastāvīgi pārveidot piegādes ķēdes. Tā vietā, lai “pārceltu” uz visur, kur pasaulē ir lētāk, daudzi pēta “draugu radīšanu”, dod priekšroku politiski draudzīgām valstīm un reģionalizācijai vai “tuvojas”, kur uzņēmumi saīsina piegādes ķēdes. Pēdējais var saīsināt vadības laiku, padarot uzņēmumu reaģējošāku pieprasījuma izmaiņas, kā arī samazināt transporta izmaksas, zemāku transporta problēmu traucējumu risku, piemēram, bloķēts kanāls un samazina siltumnīcefekta gāzu emisijas.
“Uzņēmumi kopumā mainās no tieši laika modeļa uz modeli, kas atrodas tikai gadījumos,” saka Tripathi. “Tas nozīmē, ka inventāra un piegādes ķēdes ārkārtēja optimizācija ir aizmugurē, lai būvētu spēju rīkoties tikai ar lietu lietām.”
Tehnoloģija var palīdzēt atbalstīt šādu reģionalizāciju. Vācu būvmateriālu veidotājs Knaufs saskaras ar konkurenci gan par izmaksām, gan pieejamību, it kā tas, ja tas mazinātu pasūtījumu, konkurents, iespējams, to pieņems un tā klienti pieprasa uzticamību, jo kavēšanās var pārtraukt būvniecības darbu.
“Viņiem jāspēj atbildēt uz jautājumu:” Vai man var būt kāds produkts? ” un ticami sakiet jā, ar datumu, kas ir labāks nekā viņu konkurence, ”saka Simons Boess, Eiropas korporatīvais viceprezidents ražošanas nozares stratēģijā ASV galvenajā biroja piegādes ķēdes programmatūras nodrošinātājā Blue Yonder.
Tam arī jātiek galā ar salīdzinoši augstām transporta izmaksām dažiem produktiem, kas nozīmē, ka tam nav ekonomiski jēgas izpildīt pasūtījumus, pārvietojot tos starp kontinentiem. Knaufs strādā ar Blue Yonder, lai līdz 2032. gadam automatizētu 80% pasūtījumu un precīzāk pārvaldītu savu piegādes ķēdi.
Laba piegādes ķēdes tehnoloģija arī ļauj uzņēmumiem palaist sezonālus vai īstermiņa produktus. Bowes saka, ka, lai apstiprinātu tendenci, tas prasa vismaz trīs datu ciklus, tas nav tikai mirdzums, tāpēc, ja viņi plāno katru mēnesi, “tas padara to trīs mēnešus pirms tendences atklāšanas un esat nokavējis vasaru”.
Nīderlandes alus darītava Heineken vēlējās spēju palaist jaunus īstermiņa produktus un reaģēt uz pieprasījuma izmaiņām, nepalielinot atkritumus, izmantojot uzrakstu vai ar atlaidi ātri bojājošos krājumus. Bowes saka, ka tas izmanto Blue Yonder mašīnmācības iespējas, lai vairāk datu analizētu vairāk, nekā tas būtu reāli, citādi, novērtējot katra produkta laika apstākļu, cenu un konkurentu reklāmas mainīgo nozīmi.
AI: Ģeneratīvais un aģents
Mašīnmācīšanās spēja noteikt tendences nozīmē, ka daudzi uzņēmumi jau plānošanā izmanto šāda veida AI. Zilais Yonder redz arī lomas Ģeneratīvā AItostarp ļaujot lietotājiem uzdot jautājumus un saņemt atbildes normālā valodā, kā arī apkopot lielu datu daudzumu.
“A warehouse manager who comes back after a weekend typically spends the first day catching up on what happened. We see the role of generative AI, and agents in particular, in quickly gathering all that information,” says Bowes, adding that it could help people coming into supply chain jobs who lack raw materials experience.
AI could also offer solutions to problems, such as listing alternative carriers for one it has noticed is underperforming. As well as blue yonder, both Releks and SAP are pursuing an agent-based AI approach with Girteka Group, a Lithuanian trucking company, using Sap’s Joule AI copilot to optimize routes to save money and reduce greenhouse gas emissions.
However, Bowes believes that AI is unlikely to fully automate supply chain operations. “We need people who understand what AI is doing for them as a means to help them streamline some of the processes so they can make their own decisions,” he says. “So much of what humans do in the supply chain process today is still a form of crowdfunding.”
BearingPoint’s Emile Naus is cautious about using generative AI in supply chain data analysis. “Put it in the right place, it’s very useful,” he says. “Where people talk about it in terms of supply chain, quite often it’s the wrong thing. It’s almost like we’ve just invented a new hammer and every problem looks like a nail.”
The work requires optimization and statistical understanding, where generative AI big language models “are not very strong,” he says, adding that classical machine learning is better suited to do it. “It’s a much more difficult analytical, mathematical approach.”
More broadly, Naus says companies need to consider data and culture as well as technology when working to improve their supply chains. In terms of data, he says it’s one thing to collect good quality data from within your own organization, but quite another to get it from your suppliers — and they may not even want to identify their suppliers.
In culture, methods such as sequential decision analysis, which replace individual predictions with assigned possible outcomes, can be very powerful, but some people find it difficult to adopt.
“It requires you to have a different mindset,” Naus says. “A lot of companies have projections for the next couple of years. It’s almost like, ‘I don’t know what the right projection is,’ which is quite controversial, but it’s much more realistic.”
