A fronteira digital em redes de distribuição química

The impact of supply chain disruption on the global chemicals industry has been severe, affecting not only the inbound supplies of feedstocks needed for the chemicals that companies make but also the outbound distribution of those products to customers. And yet many chemical companies still haven’t made the effort to optimize their supply chains, especially their outbound distribution activities, even though they have considerably more control over them than they do over their inbound supply chains. The failure to optimize these outbound activities can pose serious risks for chemical companies, especially as the market for chemicals becomes increasingly commoditized and customers can switch easily to cheaper, more responsive producers.

Dado que avanços significativos na digitalização geraram níveis consideravelmente mais altos de eficiência e transparência, o tempo está maduro para as empresas repensarem e reformarem suas redes de distribuição de saída - não apenas na indústria química, mas em todos os setores que enfrentam desafios semelhantes. As recompensas de fazer esse esforço podem ser consideráveis: vantagens competitivas significativas sobre rivais mais lentos, novas fontes de receita por meio de uma variedade de serviços de valor agregado, maior sustentabilidade por meio de custos de energia reduzidos e uma cadeia de suprimentos mais resiliente, em geral, em geral, em geral, em geral, em uma rede de suprimentos mais resilientes. satisfação. E as cadeias de saída tendem a ser mais complexas do que as cadeias de entrada, dado que o mesmo conjunto estreito de matérias -primas deve suportar um número crescente e uma variedade cada vez mais ampla de produtos. Além disso, a quantidade e a diversidade de produtos, bem como o número de clientes e mercados finais, tendem a aumentar a cada etapa da cadeia de valor. sustentável e resiliente. Simplesmente transportando menos material em distâncias mais curtas e usando os modos de transporte mais eficiente em termos de energia, as empresas podem reduzir suas emissões de carbono por quilômetro, enviadas em até 20%, mesmo antes de qualquer foco direto nas reduções de emissões. E, ao construir cadeias de suprimentos mais sofisticadas, transparentes, gerenciáveis ​​e ágeis, as empresas podem se proteger dos tipos de interrupções imprevistas que atormentaram recentemente a indústria. Devido em parte a uma forte atividade de fusões e aquisições, as redes de distribuição de clientes cresceram substancialmente, com pouca direção estratégica geral. Os líderes da empresa subestimaram a relevância dessas redes para os negócios e relutam em investir em ativos que consideram menos estratégicos do que os envolvidos na produção.

The Outbound Opportunity

Outbound supply chains have a direct impact on chemical companies’ costs and service performance—which, in turn, directly affect customer satisfaction. And outbound chains tend to be more complex than inbound chains, given that the same narrow set of feedstocks must support a growing number, and increasingly wide variety, of products. What’s more, the amount and diversity of products, as well as the number of customers and end markets, tend to ramp up with every step in the value chain.

Optimizing outbound distribution chains, therefore, can significantly reduce costs—by as much as 20%, in our experience—while maintaining, or even improving, pre-optimization service levels.

Moreover, optimized, more cost-efficient supply chains are also more sustainable and resilient. Simply by transporting less material over shorter distances, and using the most energy-efficient transport modes, companies can reduce their carbon emissions per ton-kilometer shipped by up to 20%, even before any direct focus on emissions reductions. And by building more sophisticated, transparent, manageable, and agile supply chains, companies can protect themselves from the kinds of unforeseen disruptions that have plagued the industry recently.

Intelligent Distribution

Yet too many chemical companies have neglected their outbound distribution chains, despite the complexity of those chains and their direct impact on costs, customer satisfaction, and carbon footprints. Due in part to strong M&A activity, customer distribution networks have grown substantially, with little overall strategic direction. Company leaders have downplayed the relevance of those networks to the business, and they have been reluctant to invest in assets that they consider to be less strategic than those involved in production.

Isso é um erro. Na última década, novas tecnologias transformaram cadeias de suprimentos. Obrigado em parte à ascensão do Internet das Coisas e análise de big data, as cadeias de suprimentos agora produzem milhões de pontos de dados vitais. Os fluxos materiais podem ser visualizados, analisados, otimizados e, portanto, dirigidos de uma maneira completamente nova, até o único produto e nível de remessa - mesmo para empresas globais com centenas de milhares de remessas a cada ano.

More recently, leading companies are beginning to use Inteligência Artificial (AI) para Otimize as cadeias de suprimentos . Gêmeos digitais de cadeias de suprimentos inteiros podem ser modelados com base em milhões de transações únicas e usadas para simular vários cenários de fornecimento, levando em consideração as restrições comerciais, como leis trabalhistas, custos de remessa por modo de transporte, armazém fixos e custos de manuseio e fluxos materiais. Algoritmos sofisticados de aprendizado de máquina prevêem atrasos na oferta e demanda e remessa. Algoritmos de otimização baseados em heurísticas ou programação mista-inteira podem ajudar a determinar a melhor configuração futura da cadeia de suprimentos e construir o Fundação para transformação digital . Mesmo análises simples frequentemente revelam vitórias rápidas. Em fases incorporadas, o resultado é uma cadeia de distribuição totalmente integrada que fornece transparência, flexibilidade e previsibilidade de ponta a ponta. (Consulte o Anexo 1.)

A digital model, however, will always remain a simplified representation of reality. So, it is important to focus not just on the technology and algorithms required but also on the people and work processes involved in making change happen in the real world. In our experience, companies that achieve successful AI transformations Dedique até 70% do investimento necessário Para incorporar a IA na organização, gerenciando ativamente as mudanças e construindo confiança nas novas tecnologias que estão sendo implementadas. Eles também podem aumentar os níveis de serviço, como os prazos de entrega e o desempenho no prazo em tempo escuro; fornecer aos clientes informações de rastreamento e rastreamento em tempo real; e oferecer a opção de solicitar quantidades menores de pedidos. benefícios.

Companies that take advantage of these new levels of transparency and control can do more than improve their cost positions. They can also boost service levels, such as lead times and on-time-in-full performance; provide customers with real-time track-and-trace information; and offer the option to request smaller order quantities.

We advise companies looking to capture the benefits of a fully optimized outbound distribution chain to follow a three-step process, as shown in Exhibit 2:

1. Create transparency. Integrate data from the various sources needed, build a data model, establish the current baseline, and analyze the changes required to capture the intended benefits.
2. Planeje o programa. Verifique se as novas abordagens estão incorporadas com segurança nos processos e formas de trabalhar enquanto permanecem abertos a novos métodos e abordagens. Transparência para os locais físicos atuais da rede - ativos de produção, armazéns e pontos de coleta de clientes - e o material flui de e para esses locais. Esse esforço possui três objetivos principais: Determine the proper path for making the improvements needed, and make sure that it is linked to both the short-term and midterm optimization goals as well as the overall longer-term strategy.
3. Implement sustainable change. Begin making the planned changes and monitor the impact; ensure that new approaches are embedded securely in processes and ways of working while remaining open to new methods and approaches.

Create Transparency

The first step in any distribution network optimization program is to ensure full transparency into the network’s current physical locations—production assets, warehouses, and customer collection points—and the material flows to and from these locations. This effort has three main objectives:

• Gere um conjunto de dados global consolidado e global abrangendo todos os custos, restrições, sites e fluxos materiais relevantes e aplicar a IA para ajudar a reconciliar os dados entre fontes dissárias. O modelo de dados resultante deve replicar a realidade o mais próximo possível. Se o modelo contiver apenas um subconjunto de fluxos - como a perna de entrega final de um local específico para um cliente específico, por exemplo -, a análise poderá se concentrar em alternar a fonte de um armazém para outro, o que pode aumentar o desempenho e diminuir o custo nessa perna específica. Mas as pernas anteriores - desde a planta de produção até o armazém - podem se tornar ainda menos eficientes. Embora o modelo de otimização possa determinar matematicamente os melhores locais de armazém, por exemplo, observando que a localização dos armazéns em um mapa pode revelar redundâncias. As informações de densidade do cliente indicarão onde a pegada do armazém é muito densa ou muito irregular. E dados de fluxo do produto mostrarão quais rotas são as principais e onde os produtos podem não ser distribuídos aos clientes com mais eficiência. Como o pessoal e os recursos financeiros necessários para implementar quaisquer alterações planejadas são limitadas, será necessário priorizar as alavancas de otimização para maximizar o retorno do investimento e sequenciar adequadamente sua implementação. Isso é viável apenas quando os custos e benefícios de cada alavanca são claramente quantificados. Normalmente, um conjunto de dados completo e abrangente não estará disponível, mas também não é um pré -requisito necessário. É aqui que os recentes avanços na engenharia e análise de dados podem ajudar, permitindo a combinação de fontes de dados muito grandes e variadas em um lago de dados consistente da cadeia de suprimentos. Os sistemas de planejamento de recursos da empresa comuns, por exemplo, podem fornecer dados de remessa para destacar os fluxos do material em um nível de navio. Dados de negócios Warehouses e outros bancos de dados - contendo dados de pedidos, por exemplo - podem fornecer uma visão abrangente sobre os locais e a demanda dos clientes. E bancos de dados de ativos podem fornecer detalhes sobre equipamentos de transporte, armazéns, terminais de tanques e outros ativos físicos na cadeia de suprimentos.
• Analyze the current network—including production assets, warehouses, and customer collection points—on a consolidated map in order to understand the full complexity of current operations and generate insights into opportunities for optimization. While the optimization model can mathematically determine the best warehouse locations, for example, noting the location of warehouses on a map could reveal redundancies. Customer density information will indicate where the warehouse footprint is too dense or too spotty. And product flow data will show which routes are the main ones and where products may not be distributed to customers most efficiently.
• Understand the effect of all optimization levers in light of overall strategy and potential business disruptions, and then quantify and rank their impact. Because the personnel and financial resources needed to implement any planned changes are limited, it will be necessary to prioritize the optimization levers to maximize the return on investment and properly sequence their implementation. This is feasible only when the costs and benefits of each lever are clearly quantified.

The target state for end-to-end supply chain transparency is usually quite clear—far more so than the path to achieving it. Typically, a full and comprehensive data set will not be available, but it is also not a necessary prerequisite. This is where recent advances in data engineering and analytics can help, by allowing for the combination of very large and varied data sources into a consistent supply chain data lake. Common enterprise resource planning systems, for example, can provide shipment data to highlight material flows on a per-shipment level. Business data warehouses and other databases—containing order data, for example—can provide a comprehensive view on customer locations and demand. And asset databases can provide details on transport equipment, warehouses, tank terminals, and other physical assets in the supply chain.

Todos esses dados precisam ser integrados e aumentados, por localizações de clientes, de propriedade da empresa, de terceiros e de clientes, por exemplo, e, quando necessário, aproximando todos os fluxos internos dos volumes do produto para gerar uma visão de ponta completa. A validação cuidadosa é uma obrigação, porque os dados de muitas fontes diferentes podem ser contraditórios, incompletos ou falsamente correspondentes. O uso de técnicas de IA, como a lógica difusa, pode ajudar a melhorar a correspondência de vários conjuntos de dados. Criá-lo, no entanto, não deve ser um esforço único, mas um processo contínuo, com mais e mais dados adicionados ao longo do tempo. Idealmente, os pipelines automatizados para as fontes de dados existentes devem ser estabelecidos e fontes de dados externas adicionais identificaram e conectarem regularmente. Isso ajudará a gerar uma visão completa da ambição estratégica da rede de distribuição e, assim, a identificar implicações para sua configuração futura e o que é necessário para alcançá -la. Equilibrando vários fatores, como alcançar a liderança de custos em relação ao aumento dos níveis de atendimento ao cliente e à preservação da qualidade do produto. Para esse fim, o conjunto de dados deve revelar a relação entre esses fatores, com o entendimento, por exemplo, que é improvável que as metas de custo sejam alcançadas se o número de armazéns e níveis de estoque forem aumentados. Esse processo deve seguir uma abordagem estruturada que abrange três prazos específicos: vitórias rápidas, melhorias intermediárias e metas de longo prazo. As vitórias rápidas não se destinam a enfrentar grandes mudanças estruturais, mas fornecer evidências precoces do potencial de sucesso do programa, ajudar a financiar a jornada, gerar suporte para o plano geral, criar momento entre a equipe do programa e aumentar a confiança entre as partes interessadas da empresa. produtos químicos não perigosos). Uma vitória rápida típica envolve reduções em mercadorias obsoletas e lentas. Freqüentemente, o gerenciamento de inventário ativo é mínimo, especialmente para produtos de baixo volume. A obtenção de transparência em estoque e remessas nos níveis de produto e armazém permitirá que as empresas, por exemplo, segmentem produtos em volume de participação e frequência de pedidos e desenvolvam metas de inventário específicas para localização e produto que podem explicar as necessidades precisas de inventário de produtos químicos globais. As informações detalhadas da remessa também são fundamentais para identificar e melhorar as chamadas remessas de triângulo-desde a produção até o local de armazenamento A até o local de armazenamento B até o cliente, por exemplo. A geocodificação, visualização e modelagem de cada perna dessas remessas de triângulo permite que as empresas detectem rapidamente ineficiências, identifiquem remessas desnecessárias através da análise por causa das raízes e determinem rotas mais diretas e econômicas, com o benefício adicional da redução de emissões.

Once completed, the resulting data model forms the foundation for any further work. Creating it, however, must not be a one-off effort but rather a continuous process, with more and more data added over time. Ideally, automated pipelines to existing sources of data should be established and additional external data sources regularly identified and connected.

A final objective in creating full transparency involves analyzing the data model in light of the company’s overall corporate goals. This will help to generate a complete view of the strategic ambition for the distribution network and thus identify implications for its future setup and what’s needed to achieve it. Balancing multiple factors, such as achieving cost leadership versus increasing customer service levels and preserving product quality, may well be required. To that end, the data set should reveal the relationship between such factors, with the understanding, for example, that cost goals are unlikely to be achieved if the numbers of warehouses and inventory levels are increased.

Plan the Program

Once the company has gained full visibility into the current state of its distribution network and settled on its strategic goals, it’s time to begin planning for the network’s future shape. This process should follow a structured approach encompassing three specific time frames: quick wins, midterm improvements, and long-term targets.

Quick Wins. Plan to capture short-term improvements, within the existing supply chain, that will generate value with little or no investment. Quick wins are not intended to tackle major structural changes but rather to provide early evidence of the program’s potential for success, help fund the journey, generate support for the overall plan, build momentum among the program team, and boost confidence among business stakeholders.

Quick wins largely depend on the company’s specific setup, including its particular production footprint, warehouse locations, modes of transport, and product characteristics (such as hazardous versus nonhazardous chemicals). A typical quick win involves reductions in obsolete and slow-moving goods. Often, active inventory management is minimal, especially for low-volume products. Gaining transparency into stock and shipments at the product and warehouse levels will allow companies, for example, to segment products by volume share and order frequency and to develop location- and product-specific inventory targets that can account for the precise inventory needs of low-volume products.

Such shipment transparency is especially important for global chemical companies, given the current disruptions in global freight. Detailed shipment information is also critical to identify and improve so-called triangle shipments—from production to storage location A to storage location B to customer, for example. Geocoding, visualizing, and modeling each leg of such triangle shipments allow companies to quickly detect inefficiencies, identify unnecessary shipments through root-cause analysis, and determine more direct and cost-efficient routes, with the added benefit of reducing emissions.

Midterm Improvements. O próximo estágio do processo de planejamento envolve melhorias intermediárias, o que deve abranger o prazo dos ciclos normais de planejamento das empresas, normalmente de três a cinco anos. Como essas melhorias exigirão alterações na estrutura real da cadeia de distribuição, elas devem incluir a avaliação das despesas de capital necessárias para financiar as mudanças e a construção de casos de negócios positivos. Pensar sistematicamente em toda a cadeia de distribuição abre consideravelmente a gama de possíveis melhorias. Em vez de apenas fechar os armazéns com os maiores custos de armazenamento, essas empresas devem adotar uma abordagem de otimização mais sofisticada. Supondo que seus esforços para obter transparência nas atividades da cadeia de suprimentos tenham sido bem -sucedidos, eles devem ter toda a visibilidade do custo e os gases de efeito estufa (GEE) emitidos durante a última etapa entre armazéns e clientes. Isso, por sua vez, deve permitir que eles equilibrem as economias de escala obtidas por consolidação de armazém com uma proximidade reduzida aos clientes, ao mesmo tempo em consideração considerações como tarifas, concentração geográfica versus diversificação e quaisquer alterações associadas no perfil de risco de continuidade da cadeia de suprimentos.

Chemical companies that have grown inorganically in recent years, for example, are no doubt aware that consolidation of warehouses would allow for significant savings. Instead of merely closing the warehouses with the highest storage costs, however, these companies should take a more sophisticated optimization approach. Assuming that their efforts to gain transparency into supply chain activities have been successful, they should have full visibility into the cost and the greenhouse gases (GHG) emitted during the last leg between warehouses and customers. This, in turn, should allow them to balance the economies of scale gained via warehouse consolidation with reduced proximity to customers, while taking into account considerations such as tariffs, geographical concentration versus diversification, and any associated changes in the supply chain’s continuity risk profile.

Using a demand forecast model based on machine learning and a center-of-gravity analysis to reveal the geographic origins of demand, companies can determine the optimal number and location of multiple warehouses within each region or demand cluster. Running multiple mathematical optimizations on a granular level will allow them to incorporate specific industry and product characteristics into the model, such as different requirements for commodity and specialty products or customer-specific needs.

To ensure that the results of the model are implemented with the least disruption to the business, companies will need to work out a detailed implementation plan, including the sequence of warehouse closures and shifts in volume shipped. (See Exhibit 3.)

enquanto os benefícios de custos de tais melhorias serão exibidos, os benefícios em termos de emissões reduzidas de GHG podem ser muito mais difíceis. As empresas devem considerar Criando uma torre de controle que monitora as remessas e outras atividades da cadeia de suprimentos no nível de transação única, capturando dados de suas emissões e rastreando continuamente as reduções de emissões em comparação com uma linha de base preestrutiva. efetivamente.

Building a flexible optimization model that fully reflects the distribution network will also allow companies to adapt to evolving conditions, such as new-product introductions and significant changes in demand patterns, and to make the necessary adjustments to the network quickly and effectively.

metas de longo prazo. Além de capturar vitórias rápidas e fazer planos para melhorias estruturais de médio prazo, as empresas devem olhar mais adiante no futuro, reimaginando a aparência de suas redes de distribuição, dada o surgimento de tendências amplas, como o impacto dos veículos elétricos nos requisitos do cliente. A idéia é definir uma visão da estrela do norte da futura rede à luz das condições que podem influenciá -la ao longo do tempo. Este exercício não precisa levar em consideração as restrições imediatas dos negócios, mas deve garantir que as iniciativas da cadeia de suprimentos de curto e médio prazo não entrem em conflito com os objetivos da visão North Star. O alinhamento global seria crítico nesse caso. A imagem de destino precisaria cobrir todos os aspectos da logística de saída, incluindo pegada de armazém, fluxos de materiais e modos de transporte, gerenciamento de inventário e governança da cadeia de suprimentos. As áreas adjacentes, principalmente a produção, bem como as ofertas de serviço voltadas para o cliente, também devem ser consideradas.

It is conceivable that each region, division, or end market could develop its own independent North Star. Global alignment would be critical in that case. The target picture would need to cover all aspects of outbound logistics, including warehouse footprint, material flows and transportation modes, inventory management, and supply chain governance. Adjacent areas, notably production, as well as customer-facing service offerings should also be considered.

Os exercícios North Star são geralmente menos quantitativos e orientados a dados do que os esforços para desenvolver medidas de melhoria específicas. Em vez, eles levam em consideração maiores mudanças estruturais, incluindo:

• Restrições regulatórias potenciais, como tarifas comerciais e materiais proibidos
• Mudanças esperadas do mercado e requisitos de cliente em que podem afetar a localização de futuras contadores de suprimentos || funções, unidades de negócios e responsabilidades. A realização de uma análise de lacunas entre a configuração atual e o alvo North Star de longo prazo permitirá que a gerência sênior identifique grandes áreas de melhoria e priorize as alterações necessárias. Finalmente, uma análise North Star ajudará a gerenciamento a acompanhar o progresso das iniciativas de melhoria em relação às ambições de longo prazo de maneira mais ampla. Ao mesmo tempo, no entanto, eles também devem criar os recursos necessários para implementar as alterações sem problemas e permitir a melhoria contínua e sustentável. O uso de marcos individuais específicos para rastrear o progresso ajuda as empresas a medir facilmente o sucesso. Mas vários marcos provavelmente precisarão ser alcançados antes que qualquer impacto nos KPIs específicos seja visto.
• Changes in strategic direction that might affect the future product portfolio

Long-term targets should serve as unified goals across functions, business units, and responsibilities. Conducting a gap analysis between the current setup and the long-term North Star target will allow senior management to identify major improvement areas and prioritize the changes needed. Finally, a North Star analysis will help management track the progress of improvement initiatives toward long-term ambitions more broadly.

Implement Sustainable Change

Once the improvement plan has been designed, companies must start carrying out and monitoring the intended changes. At the same time, however, they must also build the capabilities needed to implement the changes smoothly and to allow for ongoing, sustainable improvement.

They should begin by assigning accountability for each improvement task, determining who should carry out it out along predefined action steps and measure its impact through specific milestones and implementation KPIs. Using specific individual milestones to track progress helps companies to easily measure success. But multiple milestones will likely need to be achieved before any impact on specific KPIs will be seen.

Um marco, por exemplo, pode envolver o início das negociações para alugar um terminal em um porto não usado anteriormente. Mas o efeito de reduzir os tempos de entrega e os custos de logística do novo terminal para os clientes só pode ser medido após a aprovação de vários marcos adicionais e a nova configuração é totalmente implementada e funcionando sem problemas. O PMO deve agir para gerenciar e controlar a realização de benefícios dentro do horizonte de tempo planejado e os recursos necessários e para apoiar as equipes de implementação em caso de desafios. Na abordagem dos dados e de sua análise

Tracking milestones and their financial impact, as well as regular reporting on progress, is best done through a central project management office (PMO). The PMO should act both to manage and control the realization of benefits within the planned time horizon and required resources and to support implementation teams in case of challenges.

Key to the effort will be for the PMO to enlist support on common challenges, including from:

• The business, for example to propose alternative shipping modes
• Subject matter experts, for example to ensure methodological consistency in the approach to data and its analysis
• Gerenciamento, por exemplo, para priorizar adequadamente as atividades de implementação para não iniciar muitas medidas de uma só vez

Medidas de implementação específicas devem ser projetadas e impulsionadas pelos proprietários do negócio ou função quando as mudanças necessárias ocorrerão. Somente eles têm o conhecimento e a experiência necessários para realizá -los com sucesso, e são eles que devem integrar as mudanças em suas rotinas de trabalho diárias.

Como em todas as operações críticas, fazer grandes alterações na rede de distribuição exigirá o desenvolvimento-ou compra-novos recursos, incluindo recursos relacionados às pessoas, como novos conhecimentos e habilidades; sistemas de suporte, como ferramentas de otimização e dados suplementares; e ativos e hardware, como dispositivos de monitoramento de posição de transporte em tempo real e salas de controle. Os recursos necessários provavelmente incluirão recursos temporários de implementação e recursos de execução permanente. Idealmente, os recursos específicos necessários durante a implementação (como a capacidade de criar e executar um modelo de otimização estrutural) servirão como base para uma capacidade de execução (como a capacidade de otimizar os fluxos do produto em uma base contínua). Novos métodos que permitem às empresas administrar os negócios de maneira mais eficiente e eficaz precisam substituir os modos antigos e o pensamento tradicional em todos os níveis. Isso inclui processos de trabalho tangíveis (como modelos de otimização quantitativa regularmente em execução e processos frequentemente de benchmarking contra concorrentes), bem como mudanças culturais intangíveis (como colaboração multifuncional e atribuição de responsabilidade pelos esforços de otimização entre as funções e os níveis hierárquicos). E a chave para a melhoria contínua é uma mudança de mentalidade em toda a empresa-a disposição não apenas de possuir medidas e resultados de melhoria específicos, mas também para procurar novas idéias e métodos e incorporar os melhores em maneiras regulares de trabalho. Como tal, eles podem servir como base para cada rodada de melhorias estruturais, após a conclusão da onda inicial de medidas e quando novas pressões competitivas, oportunidades de mercado ou avanços na tecnologia justificam uma nova rodada de esforços de otimização estrutural. O advento da Internet das Coisas, Big Data, IA e outras tecnologias digitais pode ajudar nesse esforço, reduzindo significativamente a complexidade, acelerando a realização de valor e melhorando a satisfação do cliente.

To sustain the changes made, it is critical to anchor them in daily ways of working. New methods that enable companies to run the business in a more efficient and effective manner need to replace old ways and traditional thinking at all levels. This includes both tangible work processes (such as regularly running quantitative optimization models and frequently benchmarking processes against competitors) as well as intangible, cultural changes (such as cross-functional collaboration and the assignment of responsibility for optimization efforts across functions and hierarchical levels).

The key to long-term success is continuous improvement. And the key to continuous improvement is a company-wide change in mindset—the willingness not just to own specific improvement measures and results but also to seek out new ideas and methods and to incorporate the best ones into regular ways of working.

With the right investments and approach, PMOs set up during the project often evolve into centers of excellence that can continue to support this cultural change by ensuring that continuous improvement is top of mind always and everywhere. As such, they can serve as the basis for each round of structural improvements, both after the initial wave of measures has been completed and when new competitive pressures, market opportunities, or advances in technology warrant a new round of structural optimization efforts.

---

Companies that optimize outbound product distribution networks, an all-too-often neglected aspect of the chemicals business, achieve real gains in cost, sustainability, and resiliency. The advent of the Internet of Things, big data, AI, and other digital technologies can help in this effort, significantly reducing complexity, accelerating value realization, and improving customer satisfaction.

A chave é a transparência. Usando as ferramentas digitais agora disponíveis, as empresas devem estabelecer a base para a otimização por meio de um entendimento completo da rede e como ela opera. Isso, por sua vez, dará a eles as idéias necessárias para planejar e realizar os esforços de otimização necessários, tanto no curto prazo quanto no futuro. Aqueles que terem sucesso poderão atender a seus clientes com mais eficiência, a menor custo e com uma vantagem de sustentabilidade sobre seus rivais mais lentos.

Em resumo, é hora de ver as cadeias de suprimentos de saída como uma vantagem competitiva real e fazer os movimentos necessários para obter essa vantagem. Jan Beier