Гарантійний запас у фармацевтиці: вирішення проблеми Золотовласки в ланцюгах поставок за допомогою когнітивної автоматизації
Гарантійний запас у фармацевтиці: вирішення проблеми Золотовласки в ланцюгах поставок за допомогою когнітивної автоматизації
Гарантійний запас у фармацевтиці: вирішення проблеми Золотовласки в ланцюгах поставок за допомогою когнітивної автоматизації
Безпечний запас є одним з найважливіших елементів у фармацевтичному ланцюжку постачання. Проте безпечним запасом також виявилося дуже складно управляти та оптимізувати його, навіть якщо він блокує оборотний капітал і підвищує витрати на запаси.
Фармацевтичні компанії зазвичай підтримують високий рівень безпечних запасів, щоб досягти високого рівня обслуговування, який максимізує дохід від високорентабельних продуктів і сприяє задоволенню клієнтів. Він також називається буферним запасом, він забезпечує захист від мінливості, наприклад непередбачених затримок із сировиною чи транспортуванням або надзвичайно високого попиту.
Дефіцит, який є результатом недостатнього резервного запасу, може завдати серйозної шкоди бізнесу, з мільйонними втратами доходу та потенційною шкодою бренду, якщо життєво важливі ліки будуть недоступні. Поширеною практикою є помилка на стороні надлишку, оскільки на виробничих підприємствах компанії та в центрах розподілу по всьому світу є запаси.
Але це також означає помилку щодо високих витрат на запаси та прив’язування оборотного капіталу, який можна було б інвестувати в дослідження та розробки чи інші сфери розвитку бізнесу.
Це виклик Золотоволоски. Фармацевтичні компанії не можуть ризикувати надто малими страховими запасами. Але вони не хочуть занадто великого тягаря витрат. Як у дитячій байці «Златовласка і три ведмеді», фармацевтиці потрібен страховий запас, щоб бути «якраз».
Зростаючі ризики в управлінні страховими запасами
Щоб досягти конкуруючих цілей щодо мінімізації витрат на страхові запаси та максимізації рівня обслуговування, спеціалісти з планування ланцюжків поставок у фармацевтиці зосередилися на боротьбі з мінливістю попиту та мінливістю часу виконання за допомогою програмного забезпечення та електронних таблиць для керування ланцюгом постачання. Ці зусилля є більш складними, ніж будь-коли в нашу надшвидкісну цифрову епоху, оскільки продовжують з’являтися нові змінні, що впливають на запас безпеки. Надто складно керувати цими змінними за допомогою існуючих систем програмного забезпечення та електронних таблиць.
Зростаюча глобальна складність галузі ускладнює швидке й точне прогнозування ринкового попиту та часу виконання. Зростання кількості даних у реальному часі з десятків чи сотень додатків перевантажує людські зусилля з керування та аналізу інформації для прийняття рішень на основі даних.
Результатом є найкраще планування під час складання місячного прогнозу попиту та розрахунку термінів виконання з урахуванням наявності матеріалів, графіків виробництва, мінливості попиту, надійності постачальника та інших факторів у великій кількості локацій SKU.
Через таку складність рівні страхового запасу зазвичай базуються на кількох змінних, а не на повному наборі. Планувальники ланцюгів постачання рідко бажають поставити під загрозу рівень обслуговування, скоротивши резервні запаси. Підтримання щедрого запасу запасів часто вважається витратами на ведення бізнесу, але це не обов’язково.
Поява когнітивної автоматизації в ланцюгах постачання фармацевтичних препаратів
Когнітивна автоматизація відкриває нові можливості для більш економічного управління запасами безпеки за рахунок використання штучного інтелекту (AI) і машинного навчання. Ця нова технологія використовує обчислювальну потужність Інтернет-масштабу в хмарі, моніторинг даних у реальному часі, пізнання та складні алгоритми, щоб забезпечити нову швидкість і точність ланцюга поставок фармацевтичних препаратів.
Фармацевтичні компанії є одними з лідерів у застосуванні когнітивної автоматизації для уточнення прогнозування попиту та розрахунку часу виконання, створюючи основу для оптимізації рівнів безпечних запасів у великому глобальному масштабі. Ця технологія забезпечує інтелектуальну автоматизацію ланцюга постачання набагато більшого масштабу та глибини, ніж це можливо навіть за допомогою найкваліфікованіших планувальників та найкращих традиційних інструментів.
У цьому випадку планувальники можуть витрачати тижні на збір даних із програмних додатків для ERP, CRM, планування потреб у матеріалах, логістики, керування постачальниками та складами тощо. Потім цифри уточнюються для розрахунків попиту та потенційних клієнтів, але інформація застаріла до завершення прогнозів, і дуже легко не помітити важливі змінні.
Когнітивна автоматизація сканує кілька програм тисячі разів на день, агрегує та збагачує дані в одному сховищі даних. Звідти потужні алгоритми генерують рекомендації, які можуть охоплювати прогнози попиту, розрахунки часу виконання та оптимальні рівні запасів. Когнітивна автоматизація розширює досвід людини-планувальника, надаючи рекомендації на основі даних, які вони можуть виконувати та виконувати в реальному часі.
Кілька характеристик відрізняють когнітивну автоматизацію на основі ШІ від традиційних підходів:
Щоденне прогнозування.
Попит і час виконання можна розраховувати щодня, оскільки когнітивна автоматизація відстежує дані та аномалії майже в реальному часі. Це значне покращення порівняно з ручними прогнозами раз на місяць або через інші періодичні проміжки часу.
Глибока зернистість.
Замість узагальнених даних когнітивна автоматизація працює з наборами даних глибокої деталізації, аж до щоденних транзакцій за місцезнаходженням SKU, замовленнями, заводами, сировиною, клієнтами тощо.
Наскрізна видимість.
Когнітивна автоматизація реалізує «Священний Грааль» наскрізної видимості ланцюга поставок, щоб менеджери могли розвиватися від реактивного усунення несправностей до проактивної оптимізації та прийняття рішень на основі даних.
З точки зору безпечних запасів, ці можливості також можуть допомогти командам ланцюгів постачання краще керувати терміновими продуктами, термін придатності яких закінчується, щоб зменшити обороти запасів, усадку та вартість непотрібно викинутих продуктів.
Когнітивна автоматизація в Merck KGaA
Merck KGaA є одним із прикладів фармацевтичної компанії, яка отримує винагороду від ланцюга постачання за допомогою когнітивної автоматизації, як зазначено у звіті Wall Street Journal. Німецький бізнес використовує когнітивне рішення від Aera Technology у прикладі використання близько 100 препаратів для лікування фертильності.
Програмне забезпечення сканує програми Merck і збирає дані в когнітивний рівень даних. Потім штучний інтелект і машинне навчання аналізують дані, визначають проблемні області та рекомендують оптимальні дії. Замість того, щоб планувальники Merck трудилися над електронними таблицями та сперечалися про цифри, машини та штучний інтелект виконують важку роботу та надають рекомендації щодо найкращих дій на основі даних.
Гарантійним запасам не приділено належної уваги просто тому, що їх було дуже важко точно спрогнозувати, а також через ризик, який може становити для бізнесу нестача запасів. Сьогодні фармацевтичні компанії мають нові можливості для суттєвої економії коштів і вивільнення оборотного капіталу за допомогою підходу на базі штучного інтелекту, щоб отримати гарантійний запас «самий правильний».
