Dagens Transport & Logistik 1
SUPPLY CHAIN Anders Remnebäck är expert på supply
chain. Han menar att dagens försörjningskedjor ändrar sig snabbare än någonsin och att Covid 19 har satt ljuset på sårbarheten hos supply chain. Foto: Optilon tyga ledningen om att digitalisering har ett stort affärsvärde. I Norden är det dyrt att exportera och importera. Lönekostnader och andra kostnader ligger högt. Vi om några måste vara noga med att använda de resurser vi har och bruka teknik för att ta mer precisa beslut, säger han. Anders är specialiserad inom områden som Foto: Wikimedia/Daniela Brusamolin i den verkliga världen. Kan vi hitta ett sätt runt störningar? Det handlar om att fatta välgrundade beslut snabbt. Försörjningskedjan ändrar sig varje dag, säger Anders. Uthållighet och hängivenhet avgörande Alternativet är att göra som många företag fortfarande gör: använda Excelark och andra hjälpmedel som ger 50 DAGENS TRANSPORT & LOGISIK NR 3 • 2021 en fragmenterad bild av verkligheten och där den samlade bilden av kapaciteter, kostnader och relationer går förlorad. Digitalisering handlar om en långsiktig insats som ger välgrundad kunskap, i stället för ogrundade punktinsatser. Men att ha en sådan ambition över tid kräver dedikation och uthållighet. – Stora företag kan ha hundratals datakällor att hämta information från. Här handlar det om att överprognostisering, kampanjhantering, lageroptimering och återanskaffning samt supply chain-design. På senare år har han också jobbat med beslutsautomatisering med hjälp av AI och maskininlärning. – Artificiell intelligens och maskininlärning kan bland annat identifiera felaktigheter och ge förslag på ändringar i grunddata. AI kan verka skrämmande till att börja med, men när vi lär oss att lita på maskinerna – och samverka med dem – blir faktiskt maskin plus människa mer än två. Förtroende byggs över tid. Maskininlärning bygger på att det finns en historik, en databas med information att utgå ifrån för att lära upp modellen och hitta mönster. AI, till skillnad från maskininlärning, kräver ingen historik. Den lär sig, jämförbart med hur människor lär sig, genom att testa sig fram. Om man till exempel vill hitta ett optimalt sätt att fylla en container med olika förpackningar kan en AImodell vara en intressant väg framåt. AI-modellen får då testa sig fram genom att fylla containern virtuellt och bli mer belönad ju mer förpackningar den kan få att rymmas i containern.