Whalesbook
Unilever ਦੁਨੀਆ ਭਰ ਦੀਆਂ ਆਪਣੀਆਂ ਫੈਕਟਰੀਆਂ ਵਿੱਚ 40 AI-ਸੰਚਾਲਿਤ 'ਡਿਜੀਟਲ ਟਵਿਨ' ਲਗਾਉਣ ਲਈ Accenture ਨਾਲ ਸਾਂਝੇਦਾਰੀ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਕਦਮ ਦਾ ਮਕਸਦ ਰਹਿੰਦ-ਖੂੰਹਦ ਨੂੰ ਘਟਾਉਣਾ ਅਤੇ ਉਤਪਾਦਨ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਮੁੱਖ ਸਵਾਲ ਇਹ ਹੈ ਕਿ ਕੀ ਇਹ ਟੈਕਨੋਲੋਜੀ ਨਿਵੇਸ਼ ਲਾਗਤ-ਬਚਤ ਅਤੇ ਬਿਹਤਰ ਪ੍ਰੋਫਿਟ ਮਾਰਜਿਨ ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ।
ਕੀ ਹੋਇਆ?
Unilever ਨੇ ਆਉਣ ਵਾਲੇ 18 ਮਹੀਨਿਆਂ ਵਿੱਚ ਆਪਣੇ ਗਲੋਬਲ ਨਿਰਮਾਣ ਨੈੱਟਵਰਕ ਵਿੱਚ 40 ਤੋਂ ਵੱਧ AI-ਸੰਚਾਲਿਤ ਡਿਜੀਟਲ ਟਵਿਨ (Digital Twins) ਲਗਾਉਣ ਲਈ Accenture ਨਾਲ ਇੱਕ ਸਮਝੌਤੇ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ। ਡਿਜੀਟਲ ਟਵਿਨ ਇੱਕ ਭੌਤਿਕ ਫੈਕਟਰੀ ਫਲੋਰ ਜਾਂ ਇੱਕ ਖਾਸ ਉਤਪਾਦਨ ਲਾਈਨ ਦਾ ਵਰਚੁਅਲ, ਰੀਅਲ-ਟਾਈਮ ਮਾਡਲ ਹੁੰਦਾ ਹੈ। ਅਸਲ ਮਸ਼ੀਨਰੀ ਤੋਂ ਲਾਈਵ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਇਹ ਵਰਚੁਅਲ ਮਾਡਲ ਕੰਪਨੀ ਨੂੰ ਸਮੱਸਿਆਵਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ, ਉਤਪਾਦਨ ਦੇ ਦ੍ਰਿਸ਼ਾਂ ਦਾ ਸਿਮੂਲੇਸ਼ਨ ਕਰਨ, ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਆਉਣ ਤੋਂ ਪਹਿਲਾਂ ਕਾਰਜਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ।
ਇਹ ਪਹਿਲਕਦਮੀ ਕਈ ਥਾਵਾਂ 'ਤੇ ਸਫਲ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਬਾਅਦ ਹੋਈ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਕੰਪਨੀ ਨੇ ਦੱਸਿਆ ਕਿ ਅਮਰੀਕਾ ਵਿੱਚ ਇਸਦੀ Raeford ਫੈਸਿਲਿਟੀ ਵਿੱਚ ਵਰਤੇ ਗਏ ਇੱਕ ਡਿਜੀਟਲ ਟਵਿਨ ਨੇ ਪ੍ਰਕਿਰਿਆ ਪ੍ਰਵਾਹ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਦਾ ਸਫਲਤਾਪੂਰਵਕ ਪੂਰਵ ਅਨੁਮਾਨ ਲਗਾਇਆ, ਜਿਸ ਨਾਲ ਰਹਿੰਦ-ਖੂੰਹਦ 20% ਘੱਟ ਗਈ ਅਤੇ ਸਮਰੱਥਾ 10% ਵਧ ਗਈ। ਭਾਰਤ ਵਿੱਚ, ਕੰਪਨੀ ਨੇ ਪਹਿਲਾਂ ਹੀ ਆਪਣੀ Haldia ਪਲਾਂਟ ਵਿੱਚ ਊਰਜਾ-ਕੇਂਦ੍ਰਿਤ ਡਿਜੀਟਲ ਟਵਿਨ ਅਤੇ Gandhidham ਫੈਕਟਰੀ ਵਿੱਚ ਗੁਣਵੱਤਾ-ਸੁਧਾਰ ਮਾਡਲ ਲਾਗੂ ਕੀਤੇ ਹਨ, ਜੋ Dove ਸਾਬਣ ਦਾ ਉਤਪਾਦਨ ਕਰਦੀ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਸਦਾ ਕੀ ਮਹੱਤਵ ਹੈ?
Unilever ਵਰਗੀਆਂ ਖਪਤਕਾਰ ਵਸਤੂਆਂ (Consumer Goods) ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ - ਅਤੇ ਖਾਸ ਕਰਕੇ ਇਸਦੀ ਭਾਰਤੀ ਸਹਾਇਕ ਕੰਪਨੀ Hindustan Unilever - ਲਈ ਨਿਵੇਸ਼ਕਾਂ ਦੀ ਮੁੱਖ ਚਿੰਤਾ ਲਾਭ ਮਾਰਜਿਨ (Profit Margins) ਹੈ। FMCG ਸੈਕਟਰ ਬਹੁਤ ਮੁਕਾਬਲੇਬਾਜ਼ ਹੈ, ਅਤੇ ਇਨਪੁਟ ਲਾਗਤਾਂ ਵਿੱਚ ਕਾਫੀ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਆ ਸਕਦਾ ਹੈ। ਰਹਿੰਦ-ਖੂੰਹਦ ਨੂੰ ਘਟਾਉਣ, ਊਰਜਾ ਦੀ ਖਪਤ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ, ਅਤੇ ਫੈਕਟਰੀ ਦੀ ਸਮਰੱਥਾ ਵਧਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ, Unilever ਅਸਲ ਵਿੱਚ ਪ੍ਰਤੀ ਯੂਨਿਟ ਲਾਗਤ (Cost Per Unit) ਘਟਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀ ਹੈ।
ਜੇਕਰ ਇਹ ਡਿਜੀਟਲ ਟਵਿਨ 40 ਫੈਕਟਰੀਆਂ ਵਿੱਚ ਸਫਲਤਾਪੂਰਵਕ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਲਾਗੂ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਕੁੱਲ ਬਚਤ ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ ਸਮੇਂ ਦੇ ਨਾਲ ਮਜ਼ਬੂਤ ਲਾਭ ਮਾਰਜਿਨ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦੀ ਹੈ। ਅਜਿਹੇ ਕਾਰੋਬਾਰ ਵਿੱਚ ਜਿੱਥੇ ਉਤਪਾਦਾਂ ਨੂੰ ਮਹਿੰਗਾਈ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਕੀਮਤਾਂ 'ਤੇ ਵੇਚਿਆ ਜਾਂਦਾ ਹੈ, ਅੰਦਰੂਨੀ ਕਾਰਜਕਾਰੀ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਣਾ ਮੁਨਾਫੇ ਦੀ ਰੱਖਿਆ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕਾ ਹੈ, ਬਿਨਾਂ ਖਪਤਕਾਰ ਲਈ ਕੀਮਤਾਂ ਵਧਾਏ।
ਸਕੇਲਿੰਗ (Scaling) ਦੀ ਚੁਣੌਤੀ
ਹਾਲਾਂਕਿ ਪਾਇਲਟ ਪ੍ਰੋਜੈਕਟਾਂ ਨੇ ਸਕਾਰਾਤਮਕ ਅੰਕੜੇ ਦਿਖਾਏ ਹਨ, ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਅਸਲ ਪ੍ਰੀਖਿਆ ਇਸ ਟੈਕਨੋਲੋਜੀ ਨੂੰ ਸਕੇਲ ਕਰਨ ਦੀ ਗਤੀ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਹੈ। ਨਿਰਮਾਣ (Manufacturing) ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਹੈ, ਅਤੇ ਇੱਕ ਫੈਕਟਰੀ ਦੇ ਸਫਲ ਨਤੀਜਿਆਂ ਨੂੰ ਦੂਜੀ ਵਿੱਚ ਦੁਹਰਾਉਣਾ ਆਸਾਨ 'copy and paste' ਕੰਮ ਨਹੀਂ ਹੈ। ਹਰੇਕ ਫੈਕਟਰੀ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਮਸ਼ੀਨਰੀ, ਸਥਾਨਕ ਕਿਰਤ ਪ੍ਰਥਾਵਾਂ ਅਤੇ ਸਪਲਾਈ ਚੇਨ ਦੀਆਂ ਸੀਮਾਵਾਂ ਹੁੰਦੀਆਂ ਹਨ।
ਪੂੰਜੀ ਖਰਚ (Capital Spending) ਦਾ ਮਾਮਲਾ ਵੀ ਹੈ। ਉੱਚ-ਪੱਧਰੀ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਹਾਰਡਵੇਅਰ, ਸੌਫਟਵੇਅਰ ਅਤੇ ਸਿਖਲਾਈ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਇਹ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਕੁਸ਼ਲਤਾ ਲਾਭ ਸ਼ੁਰੂਆਤੀ ਅਤੇ ਚੱਲ ਰਹੇ ਤਕਨੀਕੀ ਖਰਚਿਆਂ ਤੋਂ ਵੱਧ ਹੋਵੇਗਾ। ਜੇਕਰ ਟੈਕਨੋਲੋਜੀ ਦੀ ਤਾਇਨਾਤੀ ਸੰਚਾਲਨ ਮੁਸ਼ਕਲਾਂ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ, ਤਾਂ ਇਹ ਉਤਪਾਦਨ ਦੀ ਮਾਤਰਾ 'ਤੇ ਅਸਥਾਈ ਦਬਾਅ ਪਾ ਸਕਦੀ ਹੈ।
ਪ੍ਰਤੀਯੋਗੀ (Competitor) ਅਤੇ ਸੈਕਟਰ ਦੀ ਜਾਂਚ
Unilever ਇਸ ਰਣਨੀਤੀ ਵਿੱਚ ਇਕੱਲਾ ਨਹੀਂ ਹੈ। ਪੂਰਾ FMCG ਸੈਕਟਰ ਇਸ ਸਮੇਂ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਵੱਲ ਇੱਕ ਵੱਡਾ ਕਦਮ ਚੁੱਕ ਰਿਹਾ ਹੈ। Nestlé ਅਤੇ Procter & Gamble ਵਰਗੇ ਮੁਕਾਬਲੇਬਾਜ਼ ਵੀ ਸਪਲਾਈ ਚੇਨ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਅਤੇ ਉਤਪਾਦਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ AI ਵਿੱਚ ਹਮਲਾਵਰ ਢੰਗ ਨਾਲ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹਨ। ਇਸ ਮਾਹੌਲ ਵਿੱਚ, ਦੌੜ ਸਿਰਫ AI ਅਪਣਾਉਣ ਦੀ ਨਹੀਂ, ਬਲਕਿ ਇਸਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਅਪਣਾਉਣ ਦੀ ਹੈ। ਜਿਹੜੀਆਂ ਕੰਪਨੀਆਂ ਇਨ੍ਹਾਂ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਏਕੀਕ੍ਰਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਕਾਰਜਕਾਰੀ ਮਾਰਜਿਨ ਵਿੱਚ ਠੋਸ ਸੁਧਾਰ ਦਿਖਾ ਸਕਦੀਆਂ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਕੰਪਨੀਆਂ 'ਤੇ ਲਾਭ ਹੋਵੇਗਾ ਜੋ ਲਾਗਤ ਵਧਣ ਜਾਂ ਏਕੀਕਰਨ ਵਿੱਚ ਦੇਰੀ ਦਾ ਸਾਹਮਣਾ ਕਰਦੀਆਂ ਹਨ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਆਗਾਮੀ ਤਿਮਾਹੀ ਨਤੀਜਿਆਂ ਅਤੇ ਪ੍ਰਬੰਧਨ ਟਿੱਪਣੀਆਂ ਵਿੱਚ ਕੁਝ ਖਾਸ ਸੰਕੇਤਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਪਹਿਲਾਂ, ਇਹਨਾਂ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾਵਾਂ (Operational Efficiencies) ਦਾ ਕੰਪਨੀ ਦੇ ਕੁੱਲ ਮਾਰਜਿਨ (Gross Margins) ਵਿੱਚ ਦਿਖਾਈ ਦੇਣਾ ਸ਼ੁਰੂ ਹੋਣ ਬਾਰੇ ਕੋਈ ਵੀ ਜ਼ਿਕਰ ਦੇਖੋ। ਦੂਜਾ, ਕੰਪਨੀ ਦੇ ਪੂੰਜੀ ਖਰਚ ਅਪਡੇਟਾਂ 'ਤੇ ਧਿਆਨ ਦਿਓ; ਜੇਕਰ ਤਕਨਾਲੋਜੀ-ਸਬੰਧਤ ਖਰਚੇ ਬਿਨਾਂ ਕੋਈ ਸਪੱਸ਼ਟ ਸੁਧਾਰ ਕੀਤੇ ਵਧਦੇ ਹਨ, ਤਾਂ ਇਹ ਨਿਵੇਸ਼ 'ਤੇ ਵਾਪਸੀ (Return on Investment) ਬਾਰੇ ਸਵਾਲ ਖੜ੍ਹੇ ਕਰ ਸਕਦਾ ਹੈ। ਅੰਤ ਵਿੱਚ, ਪ੍ਰੋਜੈਕਟ ਟਾਈਮਲਾਈਨ 'ਤੇ ਅਪਡੇਟਾਂ ਲਈ ਸੁਣੋ; 18-ਮਹੀਨਿਆਂ ਦੀ ਰੋਲਆਊਟ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਦੇਰੀ ਲਾਗੂਕਰਨ ਵਿੱਚ ਚੁਣੌਤੀਆਂ ਦਾ ਸੰਕੇਤ ਦੇ ਸਕਦੀ ਹੈ ਜਿਸਨੂੰ ਕੰਪਨੀ ਨੇ ਅਜੇ ਤੱਕ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਲਿਆ ਹੈ।