Volgens toonaangevende supply chain analist Louis Columbus, de grootste uitdaging voor de high tech industrie in 2019 zal het beveiligen van hun supply chains. De uitdaging is dat, als supply chains worden steeds complexer, fabrikanten niet in staat zijn om de vraag te beantwoorden met het vertrouwen van wie hun leveranciers zijn. In de goede oude dagen, supply chain vraagstukken rondom de kwaliteit van het product en de kosten; met high tech producten vandaag de dag, de nationale veiligheid in gevaar zou kunnen lopen. Als nieuw bewijs, Columbus citeert een onlangs gepubliceerd onderzoek van Bloomberg Businessweek op hoe de Chinese onderaannemers stiekem rogue spyware chips op de moederborden van servers naar verluidt geleverd aan high profile klanten als Apple en Amazon – incidenten die de bedrijven hebben niet openlijk erkend.
PricewaterhouseCoopers (PwC) heeft gelanceerd Weet Uw Verkoper, een platform service voor de fabrikanten om het verminderen van onzekerheid rondom de leverancier van risico en betrouwbaarheid. Voor complexe wereldwijde bevoorradingsketens, dat is een taak dat is veel moeilijker dan het klinkt. U kan identificeren en uw primaire leveranciers, maar wanneer ze op de capaciteit, de meest stroomafwaarts fabrikanten niet weten wie feitelijk geleverde een bijzonder subonderdeel upstream. Dat gebrek aan zichtbaarheid toegestaan de rogue spyware chip te sluipen weg in de afgewerkte producten, voordat de ‘good guys’ gerealiseerd.
De PwC-service maakt gebruik van machine learning fabrikanten te helpen open het venster van hun supply chains te begrijpen en de risico ‘ s van blootstelling en de potentiële problemen met de naleving in hun supply chains. Specifiek, het helpt u bij het identificeren van de leveranciers in uw supply chain, dat kan een uitdaging zijn als uw primaire leveranciers moeten uitbesteden van werk (dat is hoe deze rogue chips opgedoken in de Bloomberg-aangehaalde case). En gebaseerd op gegevens uit een verscheidenheid van bronnen, de dienst helpt fabrikanten kwantificeren van het risico in verband met transacties met de leveranciers en de daaruit voortvloeiende effecten op de inachtneming van de mandaten.
De taak is zeker de complexe, maar wat onderscheidt de aanpak is dat het gebruik maakt van big data en dan treinen machine learning modellen om te helpen bij het leveren van de conclusies. Volgens een opdrachtgever met het project, de huidige zeer complexe, vaak wisselvallig wereldwijde supply chains maken van dergelijke taken te groot is voor de mens alleen te krijgen met hun armen rond. De sleutel tot het automatiseren van deze oplossing vereist de bekende combinatie van data science, data engineering en expertise in het domein.
Het bouwde zijn dienst op de Koverse Intelligente Oplossingen Platform. De in Seattle gevestigde bedrijf, opgericht door NSA veteranen, biedt een data-integratie, indexeren en zoeken platform gebouwd bovenop Hadoop, met gebruik making van Apache Accumulo in plaats van HBase. Accumulo is een swap-in key-value-winkel vervanging uitgevoerd in Hadoop dat ondersteunt beveiliging omlaag om “cell” (kolom, rij) niveau. Het werd oorspronkelijk ontwikkeld voor de NSA, omdat, op het moment, Apache Hadoop ontbrak een adequate beveiliging en omdat de NSA ‘ s van eisen voor de beveiliging van de gegevens waren veel strenger dan de meeste bedrijven uit de particuliere sector nodig. De Koverse platform verschilt van traditionele datawarehouses in dat de labels en indexen gegevens op berekenen. Dat is de sleutel, vanwege de diversiteit aan databronnen die het slikt, variërend van bekende bronnen, zoals de interne financiële systemen naar e-mail, klant of leverancier portals, leverancier of klant portal data, sociale media chatter, samen met de bronnen van de “donkere web.”
Bijvoorbeeld, een productie van de klant willen identificeren exemplaar van het product namaak kan een scan van de klant portals, social media en andere bronnen, met behulp van de verwerking van natuurlijke taal te identificeren elke instantie van klachten. In dit scenario, dat ze zou kunnen ontvangen klachten van retailers identificeren van gevallen van andere winkels de verkoop van hetzelfde product voor 90% minder.
Om naar dat punt vereist een combinatie van begeleid en onbegeleid leren in een walk-voordat-je-voeren aanpak. Te beginnen met een bekende gegevens instellen, zoals een interne financiële systeem waar twijfelachtige transacties zijn al gemarkeerd is, wordt de taak is het uitvoeren van begeleid leren om te beginnen met het bouwen van het model, vervolgens geleidelijk uit te breiden met het toevoegen van nieuwe opleidings-data sets. Zodra het eerste model hits 90e percentiel nauwkeurigheid van de wisselkoersen, het model kan vervolgens worden losgelaten in de modus zonder toezicht aan nieuwe of minder bekende data sets en nieuwe scenario ‘ s.
Tijdens het ophalen van het model rechts ingewikkeld klinkt, het verrassende is dat “de wiskunde is eenvoudig, in vergelijking met de taak van stoei-gegevens. Dat is in overeenstemming met onze bevindingen van gegevens wetenschappers uitgaven omhoog van 80 – 90% van hun tijd van zuivering en harmonisatie van gegevens – een taak die alleen in de beste omstandigheden zouden kunnen worden teruggebracht tot misschien wel de helft van hun belasting.
Met de service nu voor iets meer dan een jaar, er zijn nu concrete resultaten te melden. Voor een grote consument van producten fabrikant, waren ze in staat om letterlijk in kaart wat de klanten supply chain, die in een aantal gevallen geïdentificeerd obscure leveranciers met 4e of 5e partij onderaanneming relaties waarvoor de CPG bedrijf was niet eerder op de hoogte was. En met behulp van machine learning modellen, de service geïdentificeerd en het vertrouwen met betrekking tot de hoogte van het risico, en in sommige gevallen geïdentificeerd alternatieve sourcing strategieën die minder risico en compliance vraagstukken.
Terwijl u niet kunt (en mag niet) nemen mensen volledig uit de vergelijking, het ontcijferen van de wereldwijde supply chains is gegroeid voldoende complex dat het een machine om te helpen dingen uit te proberen.
Verwante Onderwerpen:
Kunstmatige Intelligentie
Digitale Transformatie
Robotica
Het Internet van Dingen
Innovatie
Enterprise Software