Как ИИ может прекратить срывы цепи поставок: 5 проверенных стратегий

Бизнес-срывы, вызванные коронавирусной пандемией — от пустых полок в продуктовых магазинах до долгих задержек e-commerce доставок — высветили слабости цепи поставок и растущую возможность для искусственного интеллекта.

Часть проблемы — переход к just-in-time производству (JIT), создавшему lean цепи поставок с низкими уровнями инвентаря для устранения риска перепроизводства и излишков. Эта стратегия, заимствованная из автоиндустрии, позволила поставщикам снизить затраты через низкие уровни запасов и сокращенные производственные затраты. Но когда происходит что-то вроде пандемии или природного катаклизма, создающего скачок спроса, трудно рампануть производство или использовать излишки для заполнения пайплайна — особенно когда целые заводы закрыты из-за инфекции. Что требуется сегодня — новая модель, позволяющая real-time demand manufacturing вместо JIT.

AI-инструментарий

Больше поставщиков поворачиваются к различным формам ИИ для лучшего адресации вызовов срывов цепи поставок сейчас и в будущее. Рассмотрим пять применений:

• Предиктивная аналитика. Чтобы компании не были застигнуты врасплох меняющимися рыночными, экономическими или потребительскими изменениями, ИИ-предиктивная аналитика дает точный прогноз через анализ паттернов в исторических данных. Использует дата-майнинг, статистическое моделирование и машинное обучение для предсказания будущих исходов на огромных датасетах. Например, ритейлер может определить вероятность дефицита конкретных товаров и когда, или вероятность, что потребитель все равно купит бренд Х бумажных полотенец если производство Bounty остановится. Также может анализировать поставщиков на надежность в экстренной ситуации.
• Глубокое обучение. Удаленная видимость в локацию магазина стала критичной в пандемию. Видеонаблюдение, объединенное с deep-learning решениями, помогает менеджерам определять соблюдение протоколов безопасности: чистка POS, маски, социальная дистанция. Также ИИ-видеонаблюдение помогает с аудитом магазина для инвентарного управления — определять где пустые полки и что не продается.
• Складская робототехника. Роботы на складских полах, пикующие и упаковывающие предметы, существенно увеличивают скорость и эффективность складов. В пандемию при дефиците человеческого труда из-за больных рабочих или скомпрометированного здоровья, заставлявшего их оставаться дома, роботы подхватили слак.
• Роботизация процессов (RPA). Повторяющиеся задачи — инвойсинг, обработка заказов, ввод данных, админ-задачи — могут быть главной причиной срывов цепи поставок. RPA позволил многим компаниям автоматизировать эти задачи, освобождая людей для стратегических задач и прямой работы с партнерами, клиентами. Например, RPA может обрабатывать заказы на закупку, идентифицировать требуемые уровни инвентаря и сопоставлять с актуальным складом — всё без человеческого вмешательства, кроме исключений.
• Computer Vision. ИИ-форма детекции изображений для транспорта и логистики, идентификации высоконагруженных зон и планирования лучших трактур для грузовиков. Computer Vision алгоритмы анализируют цифровые изображения или видео со спутниковых снимков для спота и подсчета машин/автобусов в определенных зонах и помощи водителям их избегать. В других приложениях — определение поврежденных рельсов, способных помешать гладкой поставке товаров поездом.

Подход микро-складов

Помимо автоматизации, признаком будущих цепей поставок станет складирование и хранение ближе к клиентам. Даже у Amazon или Walmart, большие склады заменятся множеством меньших — обслуживающих клиентскую базу в двух милях. Вместо нескольких больших складов компании могут иметь много для децентрализации распределения, быстрее доставлять товары ритейлерам и потребителям и даже бустить устойчивость с меньшими воздушными и шоссейными эмиссиями.

Фактически, цепь поставок будущего может состоять из меньшего числа человеческих рабочих; большей ИИ-автоматизации для управления и предсказания потребностей в инвентаре, обработки данных и бэк-офис задач и складских операций; и новых каналов доставки, включая дроны, для безопасных бесконтактных домашних доставок.

Цепи поставок будущему нужно преодолеть ключевые барьеры для реализации. Интероперабельные, интегрированные системы должны делиться данными через цепь поставок для эффективности. Но компании должны быть открыты к этой интероперабельности для успеха. Другой вызов — страх потери рабочих мест от автоматизации. Компании должны рассеять страхи, открывая возможности для рабочих взять новые, более стратегические роли, предлагая обучение и поддержку продолжающего образования; и подкрепляя выгоды ИИ, не теряя из виду неизменное преимущество людей над ИИ.

COVID-19 высветил хрупкость цепи поставок, но через его уроки мы начинаем реимджинить цепь поставок будущего, которая будет драйвиться ИИ и уполномочена человеческим изобретательством.

Карлос Мелендес — операционный директор Wovenware.