Gå til hovedinnhold

Jeg er ikke her for å diskutere om reinkraft er 100 prosent grønn og/eller bærekraftig. Jeg vet at etter å ha sett filmen Elf at julenissen trengte hjelp av litt fossilt brensel og en folkemengde som sang "I believe" for å fortsette reisen fra Central Park, New York. Hva vil fremtiden bringe for forsyningskjedeplanlegging av kraftkilder til sleden hans og våre mer tradisjonelle lette kjøretøyer ? Hvordan forutsier og forutsier man deler for det ukjente?

Det er ingen tvil om at kraftverkene til kjøretøyene våre vil være en form for elektrifisering i fremtiden. I dag fortsetter kombinasjonen av teknologier rundt hybridtype og rene elektriske kjøretøyer å bli distribuert som en "vill vest" grensehistorie. Ettersom adopsjonen vokser globalt og trendene varierer fra land til land, eksisterer lignende problemer for FoU-organisasjoner og forsyningskjedeplanleggere.

Hvilken batteriteknologi og krystallkule bør forsyningskjedeplanleggere bruke for å løse problemer med: ikke nok rekkevidde; for lange ladetider; mangel på råvarer og påvirkning på miljøet; og til slutt, for mye masse og kostnad? Etter et tiår med rask vekst, nådde det globale elbilmarkedet i 2020 10 millioner mark, en økning på 43 % i forhold til 2019. Batteridrevne elektriske kjøretøy (BEV) utgjorde to tredjedeler av nyregistreringene av elbiler og to tredjedeler av varelageret i 2020.

Ettersom teknologien raskt endres og Moores lov tar grep, er prognoser ved å se i bakspeilet ikke like aktuelt for nye produktavbrudd. Når det gjelder batterier, begynner litium-ion-baserte batterier, mens de vokser raskt i utviklingslaboratoriene til ingeniører, å møte utfordringer fra Solid-State-batterier. Med ledetidene til bilkonsepter i mange år, er utfordringene som OEM-planleggere står overfor, ikke annerledes enn de som planlegger reservedeler eller andre avanserte teknologier. Hva slags metoder og tilnærminger viser seg å være vellykkede?

Eksisterende prognosealgoritmer eksisterer, og å bruke kunstig intelligens fra selskaper, som Blue Ridge Global, kan oppdage mønstre og automatisk velge en "best fit"-algoritme fra forskjellige datamønstre er veldig nyttig. Det man bør vurdere med store teknologiske fremskritt er at selv om vi oppfatter dem som trinnfunksjoner, er de små evolusjonære trinn som samles og bringes til markedet.

Tradisjonell prognose trenger to til fem år med salgsdata for å garantere et akseptabelt nivå av nøyaktighet. Med nye varer har du ingen salgshistorikk. Likevel kan du ikke overse å forutsi etterspørselen ettersom den driver flere viktige prosesser, fra innkjøp til logistikkstyring til markedsføringsstøtte.

Maskinlæring har vist seg å være effektiv i kompliserte scenarier ved å analysere data fra tidligere lanseringer og oppdage mønstre av vanlig etterspørselsatferd, noe som gjør det mulig for distributører og produsenter å forbedre salgsprognosenøyaktigheten betydelig.

Å inkludere kausale datapunkter utover historien er avgjørende for å avgjøre om enhetene til en ny teknologi for et spesifikt problem vil være tilstrekkelig mens man bestemmer veksthastigheten til den spesifikke teknologien for de spesifikke behovene. For eksempel er litium-ion-batteribehovet til en mobiltelefon svært forskjellig fra behovet til en bil. Så ettersom teknologien utvikler seg gradvis, oppstår ulike markedskrav for den samme teknologien.

I bilindustrien og ettermarkedsindustrien blir introduksjoner av ny teknologi utviklet og brakt på markedet i en alarmerende ny hastighet som gjør prognoseoppgaven mye vanskeligere. I dette scenariet innebærer en prosess for etterspørselsestimering å undersøke forbrukertrender, sesongvariasjoner og andre eksterne faktorer, inkludert historiske data knyttet til tidligere lignende tilbud.

For batterier spesifikt er utfordringen for forsyningskjedeplanleggere å håndtere fremtidige etterspørselskrav og leverandørene av nye batterier og resirkulerte batterier fra en svært desentralisert industri. Siden et EV-batteri representerer mesteparten av kostnadene for kjøretøyet, kan ettermarkeder bruke nye og resirkulerte batterier i forbrukernes oppdrag for å forlenge levetiden til det som blir sett på som en annen engangseiendel som i andre elektronikk- og mobilmarkeder.

Denne økende avhengigheten mellom fremover og omvendt forsyningskjede krever en koordinert ESG-tilnærming for organisasjoner. Beslutningsplanlegging og utførelse av end-of-life-opsjoner gjøres effektivt av den omvendte forsyningskjeden mens etterspørselen oppstår fra den fremadrettede forsyningskjeden.

Så ettersom julenissens slede blir mer elektrifisert i løpet av de kommende årene og teknologien utvikler seg, kan det hende at julenissen har nye funksjoner på sin ønskeliste i tillegg til de mest effektive batteriene. Han spør kanskje alvene om autopilotstyring for reinsdyrene, og kanskje til og med en koppholder.