دوقلوهای دیجیتال برای مغازهای به اندازهی یک اتاق نشیمن؟ جدا کردن فناوری واقعی موجودی از هیاهوی تبلیغاتی
ما سازندهی Pultrack هستیم، یک اپلیکیشن فروش و موجودی برای خردهفروشان کوچک که غالباً با دو ارز مختلف و اینترنت ناپایدار کار میکنند؛ به همین دلیل هر مطلب «آیندهی مدیریت موجودی» را با یک پرسش مشخص میخوانیم: آیا چیزی از این میان، در برابر مغازهای با یک صندوق، یک انباری و یک نفر که بعد از تعطیلی سفارش میزند، دوام میآورد؟ این روزها پاسخ بیشتر و بیشتر به «نه» نزدیک میشود.
پوشش خبری فناوری موجودی از بارکدخوانها و صفحات اکسل عبور کرده و به لایهای پرتوقعتر رسیده است: پیشبینی مبتنی بر هوش مصنوعی، بینایی ماشین، حسگرهای اینترنت اشیا و — تازهواردترین آنها — دوقلوهای دیجیتال که پیش از هر تغییری، انبار را شبیهسازی میکنند.[۱][۲] ارزش دارد آنچه واقعاً مفید است را از آنچه برای مرکز توزیعی با چهل اسکله ساخته شده، جدا کنیم.
«دوقلوی دیجیتال» موجودی واقعاً چیست؟
دوقلوی دیجیتال یک مدل مجازی از کالا و فضای انبار شماست که با تغییر شرایط واقعی بهروزرسانی میشود و به شرکت اجازه میدهد سناریوهای «اگر چه» را بیازماید — چیدمان قفسهای جدید، جهش تقاضا، تأخیر تأمینکننده — بدون آنکه ابتدا در عملیات فیزیکی دست ببرد.[۱] برای شرکتی که چند انبار و هزاران قلم کالا را میگرداند، این شبیهسازی میتواند از اشتباهات پرهزینه پیشگیری کند: تغییر مسیر یک محموله، کشف یک گلوگاه، یا شناسایی ریسک اتمام کالا هفتهها پیش از وقوع آن.
برای مغازهای که تمام موجودیاش در یک اتاق و چند قفسه جا میشود، «شبیهسازی» معمولاً چیزی نیست جز قدم زدن در راهرو و نگاه کردن به آنچه رو به اتمام است. این نکتهی منفی نیست — روشی مشروع و متناسب است. دوقلوهای دیجیتال مشکل هماهنگی میان مکانها و افراد متعدد را حل میکنند؛ مغازهای تکشعبه از ابتدا چنین مشکل هماهنگیای ندارد.
بینایی ماشین واقعاً کجا کاربرد دارد؟
گزارشهای اخیر، بینایی ماشین و رباتهای موجودی را بهعنوان ابزارهایی برای پایش پیوستهی قفسهها معرفی میکنند — دوربینهایی که سطح موجودی را در زمان واقعی رصد میکنند و کاستیها را بدون شمارش دستی یک نفر گزارش میدهند.[۲] این ایده برای خردهفروشیهای بزرگمقیاس با راهروهای طولانی و ریسک کسری پخششده در سطح وسیع، واقعاً مفید است.
نکتهی ظریفی که همان گزارشها هم به آن اشاره میکنند این است که پذیرش این فناوری با محدودیت زیرساخت و هزینهی اجرا مواجه است.[۲] دوربین، پردازش و یکپارچهسازی رایگان نیستند و بازده آنها با میزان نیروی کاری که صرفهجویی میکنید نسبت به میزان کالایی که رصد میکنید، مقیاس میگیرد. مغازهای با انباری قابلمشاهده و در اندازهی انسانی بهندرت به آن نقطهی سربهسر میرسد — چشم صاحب مغازه هنوز ارزانترین حسگر آن ساختمان است.
آیا ردیابی حسگری اینترنت اشیا برای یک مغازهی کوچک بهصرفه است؟
حسگرهای اینترنت اشیا که مکان، دما، حرکت و وضعیت را رصد میکنند، بهطور فزایندهای برای کالاهای در راه یا انبارهای حساس به شرایط اقلیمی استفاده میشوند.[۱] این موضوع برای زنجیرههای تأمین کالاهای فسادپذیر بسیار اهمیت دارد — مثل لجستیک زنجیرهی سرد یا توزیع دارو — جایی که یک انحراف دمایی میتواند یک پالت را پیش از آنکه کسی متوجه شود، خراب کند.
برای اکثر خردهفروشان کوچک، این در واقع حل کردن مشکل کس دیگری است. اگر از یک توزیعکننده خرید میکنید، همان توزیعکننده (یا شریک لجستیکیاش) کسی است که به حسگر روی کامیون نیاز دارد. وقتی کالا به مغازهی شما رسید، «پایش وضعیت» معمولاً چیزی نیست جز بررسی اینکه یخچال سرد است و سقف نشتی ندارد — ارزش انجام دادن دارد، اما ارزش تجهیز کردن با سختافزار متصل به شبکه را ندارد.
آیا پیشبینی مبتنی بر هوش مصنوعی و تشخیص ناهنجاری در مقیاس کوچک هم کار میکنند؟
از هوش مصنوعی و تحلیل پیشبینانه برای پیشبینی تقاضا، بهینهسازی تکمیل موجودی و شناسایی ناهنجاریها در حرکت کالا پیش از تبدیل شدن به زیان استفاده میشود.[۱][۲] منطق زیربنایی آن — نگاه به الگوها، پرچمگذاری موارد غیرعادی، پیشنهاد آنچه باید دوباره سفارش داد — در هر مقیاسی درست است. مشکل این است که بیشتر محصولات «پیشبینی مبتنی بر هوش مصنوعی» با این فرض قیمتگذاری و ساخته میشوند که حجم تاریخی تراکنش و تعداد اقلام کالا بهقدر کافی زیاد باشد تا یک مدل پیشبینی از نظر آماری معنادار شود.
مغازهای که روزانه چهل قلم کالا به چند ده مشتری ثابت میفروشد، آن تراکنشهای چگال را تولید نمیکند که مدل پیشبینی را بهتر از یک قاعدهی ساده کند: «وقتی این قفسه رو به اتمام شد دوباره سفارش بده، و پیش از یک آخر هفتهی شلوغ معلوم، بیشتر سفارش بده.» این رد کردن ایدهی زیربنایی نیست — تشخیص الگو و هشدارهای سفارش دوباره مفیدند — بلکه شناخت این نکته است که نسخهی مفید آن برای مغازهی کوچک، بسیار سادهتر از نسخهی سازمانیای است که تبلیغ میشود.
ردیابی بلاکچینی واقعاً کجا کاربرد دارد؟
بلاکچین برای ردیابی، تطابق با مقررات و پشتیبانی از فراخوان محصول در زنجیرههای تأمین تحت نظارت — فراخوانهای ایمنی غذایی، ردیابی منشأ دارو، کالاهای کنترلشده — جایگاه پیدا میکند.[۱] این یک کاربرد واقعی و جدی است، اما کاربردی برای تولیدکننده یا توزیعکنندهای است که فراخوان را صادر میکند، نه برای مغازهای که یک محموله از محصول متأثر را دریافت کرده است. نیاز واقعی خردهفروش کوچک به ردیابی بسیار ابتداییتر است: دانستن اینکه یک دسته از کالا از کدام تحویل تأمینکننده و در چه تاریخی آمده، چیزی که یک دفتر ثبت موجودی تاریخگذاریشدهی ساده، بدون نیاز به دفتر کل توزیعشده، آن را پوشش میدهد.
یادداشتی دربارهی اعتبار واقعی این «روند»
ارزش دارد در اینجا صادق باشیم: بیشتر آنچه دربارهی دوقلوهای دیجیتال، بینایی ماشین و بلاکچین در مدیریت موجودی نوشته میشود، از بلاگهای فروشندگان، نشریات صنعتی با روابط تجاری با فروشندگان، و پوشش نمایشگاههای تجاری میآید — موادی که برای فروش یک محصول یا تبلیغ یک رویداد طراحی شدهاند، نه پژوهش مستقل.[۱][۲] این به معنای ساختگی بودن فناوری زیربنایی نیست، اما به این معنا هست که چارچوب «همه در حال پذیرش این فناوری هستند» باید با شک و تردید خوانده شود. حتی طبق اعتراف خود همین گزارشها، پذیرش این فناوریها حتی در میان کسبوکارهای بزرگتر نیز با محدودیت زیرساخت و هزینه مواجه است.[۲]
پس یک مغازهی کوچک واقعاً باید چه چیزی از این میان بردارد؟
سختافزار و اصطلاحات پرزرقوبرق را کنار بگذارید، سه ایده در دل این موج واقعاً ارزش وامگیری در مقیاس کوچک را دارند:
- پیش از تعهد، آزمایش کنید. روحیهی یک دوقلوی دیجیتال — شبیهسازی پیش از خرج کردن — به چیزی بهسادگی بررسی سابقهی فروش پیش از دو برابر کردن یک سفارش ترجمه میشود، بهجای حدس زدن.
- مراقب ناهنجاریها باشید، نه فقط مجموعها. روحیهی تشخیص ناهنجاری به توجه به این ترجمه میشود که کالایی که همیشه سریع میفروخته ناگهان متوقف شده، یا کالایی که کمفروش بوده ناگهان جهش کرده، و پرسیدن چرا پیش از سفارش دوبارهی خودکار.
- بدانید کالای شما از کجا آمده. روحیهی ردیابی به یک عادت ابتدایی ترجمه میشود: ثبت اینکه یک دسته از کدام تأمینکننده و در چه تاریخی رسیده، تا اگر بعداً مشکلی پیش آمد، دیگر حدس نزنید.
اینجا جایی است که تصمیم دربارهی محصول اهمیت بیشتری از تصمیم دربارهی فناوری دارد. در Pultrack ما عمداً ردیابی موجودی را به آنچه واقعاً یک مغازهی با یک صندوق و اولویت آفلاین نیاز دارد محدود کردهایم — شمارش موجودی، پرچمهای سفارش دوباره، و ثبتی ساده از آنچه وارد شده و کِی، که با هر ارزی که مغازه واقعاً قیمتگذاری میکند کار میکند — بهجای اضافه کردن مدلهای پیشبینی یا یکپارچهسازی حسگرهایی که فرض میکنند مغازه اندازهی انبار دارد در حالی که ندارد. قضاوتی که به هر خردهفروش کوچک توصیه میکنیم در برابر هر پیشنهاد فروش بهکار بگیرد، همان چیزی است که ما هم در نقشهی راه خودمان بهکار میبریم: آیا این فناوری یک اصطکاک واقعی و روزانه را کم میکند، یا فقط در یک مطالعهی موردی فروشنده تحسینبرانگیز بهنظر میرسد؟
پیش از پذیرش فناوری موجودی جدید واقعاً چه چیزی را باید بررسی کنید؟
- آیا این ابزار به زیرساختی نیاز دارد (برق پایدار، اتصال قابلاعتماد، سختافزار اختصاصی) که شما بهطور پیوسته آن را ندارید؟
- آیا برای مفید بودن از نظر آماری به حجم تراکنش کافی نیاز دارد، یا مانند خود شما روی دادههای محدود حدس میزند؟
- آیا ایدهی زیربنایی آن (نخست شبیهسازی کنید، مراقب ناهنجاریها باشید، منشأ را ثبت کنید) چیزی است که بتوانید در مقیاس خودتان بهصورت دستی انجام دهید، بدون خرید نسخهی سازمانی آن؟
- واقعاً چه کسی این روند را گزارش میکند — یک اپراتور مستقل، یا شرکتی که حسگر، دوربین یا پلتفرم را میفروشد؟