Появление «самоуправляемой» цепочки поставок

Эра беспилотных автомобилей и грузовиков близится к нам. А как насчет беспилотных цепочек поставок?

В последние десятилетия технологии проникли во все аспекты управления цепочкой поставок. Однако до сих пор требовалось присутствие человека для принятия ключевых решений по производству и распространению.

Это особенно верно, когда речь идет об управлении рисками, дисциплине, которая стала важной для выживания современных глобальных организаций. Менеджеры цепочки поставок должны взвесить вероятность любого количества возможных сбоев, будь то стихийные бедствия, такие как наводнения, цунами и вулканы, или антропогенные события, такие как трудовые акции и террористические атаки, и принять соответствующие меры. Было сочтено, что такое определение выходит за рамки возможностей машин.

До сих пор. Искусственный интеллект с его способностью просеивать огромные объемы данных и обнаруживать закономерности, невидимые человеческому глазу, играет все более важную роль в прогнозировании и управлении рисками. Возможно, скоро наступит день, когда машины будут лучше заглядывать в будущее, чем люди, которые их построили.

Наиболее многообещающие нововведения в A.I. по словам Фреда Лалуйо, главного исполнительного директора Aera Technology, Inc., сегодня они находятся в сфере фармацевтики и потребительских товаров. Они испытывают наибольшее давление со стороны Amazon с целью радикального изменения способов обслуживания клиентов.

«Клиент красноречиво описал мне это», - вспоминает Лалуло. «Они сказали:« Мы следующие, кто уйдет, если мы не изменимся »».

Для традиционных мерчандайзеров проблема заключается в защите своих брендов в то время, когда потребителей больше интересуют цена, удобство и скорость. Лалуйо говорит, что благодаря Amazon поход в магазин становится «неактуальным». Чтобы соответствовать возможностям гиганта электронной коммерции, продавцы должны повышать эффективность на каждом этапе своих цепочек поставок. И это включает в себя более эффективное управление рисками.

Многие достижения в области искусственного интеллекта происходят в области прогнозной аналитики. Производители вынуждены ускорять процесс доставки товара покупателям. В то же время наличие «больших данных», представляющих гораздо более широкую картину рынка, наводняет плановиков информацией. Без помощи автоматизированных систем для интерпретации этих входных данных они не смогут отличить «сигнал» от «шума».

Компании больше не могут обходиться годовыми планами продвижения и шестимесячными циклами планирования продаж и операций (S&OP). Условия на рынке - в частности, вкусы непостоянных потребителей - меняются слишком быстро для этого. «Вы должны выйти на новый уровень производительности», - говорит Лалуйо. «Эта [степень] автоматизации приводит вас туда, где люди не могут следовать».

Конечная, хотя и неуловимая цель - это система, которая реагирует на рыночные условия в режиме реального времени. Определение спроса - вряд ли новая дисциплина, но ему уже давно мешают унаследованные инструменты и процессы, которые откладывают необходимые действия. В нынешнем виде эта возможность выходит далеко за рамки доступа к данным о продажах и включает такие элементы, как «умная» упаковка.

Входные данные включают все:от данных о точках продаж (POS) до прогнозов погоды, рейтингов Nielsen, сообщений в социальных сетях и конкурентной разведки. В мире фармацевтики добавляйте обновления об утверждении правительством новых лекарств.

«Сеть становится все шире и шире, - говорит Лалуйо, - а зерно становится все более тонким».

Как отдельная система A.I. имеет небольшую ценность. Чтобы быть эффективным, он должен объединять разрозненные потоки данных и распределяться по нескольким функциям цепочки поставок. Допустим, у розничного продавца наблюдается 2-процентный рост продаж определенного товара. Чтобы удовлетворить неожиданный спрос, он должен быть в состоянии определить оптимальный источник увеличения производства, оценить производственные возможности, пересмотреть ведомость материалов и соответствующим образом скорректировать уровни запасов. Если системы транзакций не «общаются» друг с другом, этот процесс может занять несколько дней - слишком поздно для продавца, чтобы воспользоваться мимолетной тенденцией.

Более того, A.I. Системе необходимо объединить свой массив данных с экспертами-людьми, которые по-прежнему несут ответственность за принятие окончательных решений о том, когда и куда следует отправлять продукт.

Лалуло описывает концепцию «когнитивного верстака», согласно которому А.И. интерпретирует данные и дает рекомендации, которые затем (по большей части) выполняются людьми-экспертами. Но это всего лишь переходный этап в развитии искусственного интеллекта. Природа машинного обучения состоит в том, что система становится лучше с опытом придумывания соответствующих действий, которые необходимо предпринять. В конечном итоге он должен уметь принимать многие из этих ключевых решений без необходимости вмешательства человека. В этот момент «прогнозная» аналитика становится «предписывающей».

Мы далеки от того момента, когда автоматизация полностью возьмет на себя управление людьми. По словам Лалуйо, если прогресс идет от прогнозирующего к предписывающему и полностью автономному, то многие компании застрянут между первым и вторым этапами. Перспективы «беспилотной» цепочки поставок достаточно хороши; вопрос только в сроках. Пока людям рано думать о том, чтобы убрать руки с руля.