Ketika sebuah bisnis mengoperasikan fasilitas di lima benua, dengan rantai pasokan yang membentang ribuan mil, gangguan pada langkah mana pun dalam proses order-to-cash (O2C) dapat menyebabkan penundaan pengiriman produk. Namun karena kompleksitas operasinya yang tersebar luas, Multinational Manufacturing Company (MMC) yang besar mengalami kesulitan untuk menemukan akar penyebab keterlambatan yang terjadi dalam aktivitas logistiknya.
"Kami melihat adanya perbedaan yang signifikan dalam rata-rata waktu tunggu dan biaya pengiriman antara pelanggan yang berbeda dan alasan dari perbedaan ini tidak dipahami dengan baik." kata Wakil Presiden Logistik MMC. "Kami juga melihat banyak pesanan yang ditunda, tetapi kami tidak selalu dapat menentukan siapa yang memasukkan blok atau mengapa mereka tidak sesuai dengan proses standar."
Meskipun manajer logistik MMC mencoba berulang kali untuk meminimalkan penundaan, tindakan korektif terhambat oleh informasi yang tidak lengkap dan terputus. Karena penyimpangan dari proses standar tidak dipantau, tidak ada cara untuk memahami bagaimana penyimpangan ini memengaruhi jadwal dan biaya pengiriman.
"Hingga kami memiliki pandangan yang lebih baik tentang di mana dan mengapa penundaan terjadi dalam sistem, kami tidak akan dapat mengambil tindakan yang diperlukan untuk memperbaiki penyimpangan," ujar Wakil Presiden MMC. "Kami juga percaya bahwa jika kami memiliki pandangan yang terperinci dan menyeluruh tentang proses aktual yang digunakan, kami dapat mulai mengotomatisasi lebih banyak proses dan mengurangi upaya manusia."
Melalui wawancara dan metode informal, manajer logistik MMC mencoba memetakan proses O2C, mengidentifikasi kemacetan dan memperbaiki anomali, namun tidak berhasil. "Namun kemudian, ketika kami menerapkan platform ERP kami, mitra integrasi sistem kami merekomendasikan sebuah alat baru," ujar VP MMC. "Alat ini dapat memberikan kami pandangan yang mendetail tentang semua proses dan orang-orang yang terlibat dalam O2C dan dimodelkan berdasarkan data dunia nyata yang berasal dari sistem ERP kami. Kami tertarik dengan berbagai kemungkinannya.”
Penghematan Biaya
Mengurangi jumlah instans Tanggal Pengiriman yang Diubah untuk penghematan biaya sebesar USD 50.000 dan mempersingkat waktu tunggu hingga 3 hari
Otomatisasi Pengiriman
Mengadopsi solusi RPA untuk mengurangi pengerjaan ulang dan mengotomatiskan 75% Aktivitas Pengiriman untuk merealisasikan penghematan biaya sebesar USD 60.000
Setelah meninjau bukti konsep (POC), MMC memilih solusi IBM Process Mining dan menerapkannya melalui perangkat lunak IBM® Cloud Pak® for Business Automation. IBM Process Mining juga disertakan sebagai kemampuan dasar dalam portofolio solusi IBM Cloud Paks for Automation. "Kami ingin melihat 'kembaran digital' dari organisasi logistik kami," kata VP MMC, "sehingga kami dapat mengidentifikasi hambatan dalam proses O2C kami dan menemukan peluang untuk otomatisasi."
Ketika para eksekutif MMC melihat proses O2C mereka dipetakan untuk pertama kalinya, mereka memiliki respons yang sama seperti yang dimiliki oleh banyak klien dengan teknologi simulasi bertenaga AI. “Reaksi pertama kami adalah, 'Anda yang menggambar ini. Kami tidak percaya bahwa hal itu dibuat secara otomatis dari data. Reaksi kedua adalah, 'Itu tidak benar - datanya salah,'" kata VP MMC. "Namun begitu kami melakukan simulasi, kami bisa melihat seberapa baik model ini dibangun, berdasarkan data dunia nyata dari platform ERP kami. Hal itu benar-benar membuka mata saya."
Dengan menggunakan alat ini untuk mempelajari semua aktivitas, titik kontak, dan karyawan yang terlibat dalam proses O2C, tim logistik MMC mampu:
- Menganalisis perilaku proses, menemukan aktivitas yang tidak sesuai, dan mengidentifikasi peluang untuk perbaikan
- Mengidentifikasi kegiatan penting dalam hal dampak biaya dan variabilitas waktu tunggu
- Menemukan pengguna utama proses dan memeriksa pemisahan tugas
- Memantau pengerjaan ulang untuk mengetahui kesalahan dan prosedur yang tidak tepat yang berdampak pada jadwal pengiriman
- Menemukan biaya yang terkait dengan aktivitas manual dan di mana ada potensi untuk otomatisasi
Analisis perilaku karyawan memberikan wawasan yang mengungkap. Sebagai contoh, seorang manajer logistik secara manual mengesampingkan jadwal untuk membantu pabriknya memenuhi target produksi. "Dia mencoba untuk membantu tetapi dia justru menunda-nunda," kata VP MMC. "Kami berbicara dengannya dan menjelaskan bahwa timnya melakukan pekerjaan yang jauh lebih baik tanpa campur tangannya."
Setelah menganalisis model proses O2C yang dibuat oleh alat IBM Process Mining, dan menggunakan dasbor alat tersebut untuk memantau aktivitas, manajer logistik MMC mampu:
- Mengurangi jumlah contoh Tanggal Pengiriman yang Diubah, menghemat biaya sebesar USD 50.000 dan memperpendek waktu tunggu hingga tiga hari
- Memantau variabilitas waktu tunggu pelanggan secara terus menerus, yang meningkatkan keselarasan KPI sebesar 25% untuk aktivitas Penghapusan Blok Logistik dan Tanggal Pengiriman yang Diubah
- Mendesain ulang proses untuk mengurangi aktivitas Penghapusan Blok Logistik, yang menghasilkan penghematan biaya lebih dari USD 100.000 dan mengurangi waktu tunggu rata-rata hingga dua hari
Platform IBM Process Mining juga memungkinkan MMC untuk menggunakan alat bantu otomatisasi proses robotik (RPA), yang merupakan tujuan lama dari organisasi ini. Dengan memantau kinerja RPA, perusahaan:
- Mengotomatiskan 75% Aktivitas Pengiriman, sehingga menghasilkan penghematan biaya sebesar USD 60.000 dan secara signifikan mengurangi pengerjaan ulang
- Mengotomatiskan 75% Aktivitas Pembuatan Jalur untuk merealisasikan penghematan biaya sebesar USD 50.000 dan mengurangi waktu tunggu hingga tiga hari
"Mengotomatisasi proses yang memungkinkan merupakan peluang besar bagi kami," ujar VP MMC. "Karena volume pekerjaan yang kami miliki di bidang logistik, terkadang kami kesulitan dengan sumber daya manusia yang kami miliki. Dengan mengurangi jumlah pesanan yang diblokir atau dijadwal ulang, kami dapat meluangkan waktu bagi staf kami untuk mengerjakan tugas-tugas lain."
"Salah satu langkah yang ingin kami ambil di masa depan dengan IBM Process Mining adalah memahami perilaku pelanggan dan bagaimana hal ini bisa menambah penundaan dan biaya yang terkait dengan proses," ujar Wakil Presiden MMC. "Kami pikir alat ini akan membantu kami mengubah perilaku-perilaku tersebut, sehingga kami dapat memadatkan jadwal pengiriman dan menjadi lebih hemat biaya."
Sebagai perusahaan global yang besar, MMC berlangganan berbagai layanan intelijen bisnis untuk pemantauan dan perencanaan kinerja. "Kami sudah memiliki banyak informasi untuk digunakan, namun ada beberapa KPI penting bisnis yang kami pantau dengan IBM Process Mining yang tidak bisa kami dapatkan di tempat lain," ujar Wakil Presiden MMC. "Anda harus selalu menjadi yang terdepan dalam persaingan. Dan dengan meningkatkan otomatisasi proses bisnis kami dengan IBM Process Mining, kami bermaksud untuk memperlebar jarak antara kami dan para pesaing kami."
Didirikan lebih dari 100 tahun yang lalu, MMC mengoperasikan lebih dari 100 pabrik di 50 negara dan memiliki lebih dari 20.000 karyawan. Perusahaan ini adalah pemasok terkemuka di industri telekomunikasi, transmisi energi, konstruksi dan transportasi. Klien yang ditampilkan dalam studi kasus ini awalnya terlibat dengan MyInvenio, yang mulai menjalankan bisnis sebagai IBM pada 1 Agustus 2021. Produk MyInvenio dalam studi kasus ini, MyInvenio Process Mining, sekarang dikenal sebagai IBM Process Mining.
Catatan kaki
© Hak Cipta IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504
Diproduksi di Amerika Serikat, Maret 2022.
IBM, logo IBM, ibm.com, dan IBM Cloud Pak adalah merek dagang dari International Business Machines Corp, terdaftar di banyak yurisdiksi di seluruh dunia. Nama produk dan layanan lain mungkin merupakan merek dagang dari IBM atau perusahaan lain. Daftar merek dagang IBM saat ini tersedia di web pada "Informasi hak cipta dan merek dagang" di https://www.ibm.com/id-id/legal/copytrade.
Dokumen ini adalah yang terbaru pada tanggal awal publikasi dan dapat diubah oleh IBM kapan saja. Tidak semua penawaran tersedia di setiap negara tempat IBM beroperasi.
Data kinerja dan contoh klien yang dikutip disajikan hanya untuk tujuan ilustrasi. Hasil kinerja aktual dapat bervariasi, tergantung pada konfigurasi dan kondisi pengoperasian tertentu. INFORMASI DALAM DOKUMEN INI DISEDIAKAN "SEBAGAIMANA ADANYA" TANPA JAMINAN APA PUN, BAIK TERSURAT MAUPUN TERSIRAT, TERMASUK TANPA JAMINAN UNTUK DAPAT DIPERJUALBELIKAN, KESESUAIAN UNTUK TUJUAN TERTENTU, DAN JAMINAN ATAU KETENTUAN APA PUN YANG TIDAK MELANGGAR. Produk IBM dijamin sesuai dengan syarat dan ketentuan perjanjian yang mengatur penyediaan produk tersebut.