Пять способов, которыми ИИ может решить проблему сбоев в цепочке поставок

Сбои в работе бизнеса, вызванные пандемией коронавируса - от пустых полок в продуктовых магазинах до длительных задержек с доставкой товаров через электронную торговлю - пролили свет на слабые места цепочки поставок и растущие возможности для искусственного интеллекта.

Частично проблема заключалась в переходе на производство по принципу «точно в срок» (JIT), в результате которого были созданы бережливые цепочки поставок с более низким уровнем запасов, чтобы устранить риск, связанный с перепроизводством и излишками. Эта стратегия, заимствованная у автомобильной промышленности, позволила поставщикам снизить свои затраты за счет сокращения запасов и снижения производственных затрат. Тем не менее, когда происходит что-то вроде пандемии или стихийного бедствия, которое вызывает всплеск спроса, трудно нарастить производство или задействовать излишки запасов для заполнения трубопровода, особенно когда целые предприятия останавливаются из-за инфекции. Вместо этого сегодня требуется новая модель, которая позволяет производить производство по запросу в режиме реального времени через JIT.

Набор инструментов на основе искусственного интеллекта

Все больше поставщиков обращаются к различным формам ИИ, чтобы лучше решать проблемы нарушения цепочки поставок сейчас и в будущем. Рассмотрим следующие пять приложений:

• Прогнозная аналитика . Чтобы компании не запутались в изменениях рынка, экономики или потребителей, прогнозная аналитика на основе искусственного интеллекта позволяет делать точные прогнозы, анализируя закономерности в исторических данных. Он использует интеллектуальный анализ данных, статистическое моделирование и машинное обучение, чтобы позволить огромным массивам данных прогнозировать будущие результаты. Например, розничный торговец может использовать его для определения вероятности того, что определенных товаров и когда их нет в наличии, или вероятности того, что потребитель по-прежнему будет покупать бумажные полотенца марки X, если производство остановится из-за Bounty. Он также может анализировать поставщиков, чтобы определить, какие из них окажутся наиболее надежными в чрезвычайной ситуации.
• Глубокое обучение . Во время пандемии решающее значение приобрело наличие удаленной видимости магазина. Сегодня видеонаблюдение в сочетании с решениями на основе глубокого обучения может помочь менеджерам определить, соблюдаются ли протоколы безопасности, такие как очистка POS-систем, настаивание на использовании масок и социальное дистанцирование. Кроме того, эти типы видеонаблюдения на основе искусственного интеллекта могут помочь при проверке магазинов для управления запасами, чтобы определить, где находятся пустые полки, а что не продается.
• Складская робототехника . Роботы на складских площадях, сбор и упаковка товаров существенно повышают скорость и эффективность складов. Во время пандемии, когда наблюдалась нехватка человеческого труда из-за больных или людей с плохим состоянием здоровья, которые вынуждали их оставаться дома, роботы взяли на себя эту нехватку.
• Роботизированная автоматизация процессов (RPA). Повторяющиеся задачи, такие как выставление счетов, обработка заказов, ввод данных и другие административные задачи, могут быть главной причиной нарушения цепочки поставок. RPA позволила многим компаниям автоматизировать эти задачи и высвободить человеческих сотрудников для решения более стратегических задач, а также для работы напрямую с партнерами, клиентами и другими людьми. Например, RPA можно использовать для обработки заказов на поставку, определения требуемых уровней запасов и сопоставления их с фактическими запасами - и все это без вмешательства человека, за исключением устранения исключений.
• ComputerVision. Эта управляемая ИИ форма обнаружения изображений может использоваться в сфере транспорта и логистики, чтобы помочь идентифицировать районы с интенсивным движением и помочь спланировать оптимальные маршруты грузовых перевозок. Алгоритмы на основе ComputerVision анализируют цифровые изображения или видео со спутниковых снимков, чтобы обнаружить и подсчитать, например, автомобили и автобусы в определенных областях и помочь водителям грузовиков избегать этих областей. В других приложениях его можно использовать для определения мест, где могут быть повреждены железнодорожные пути, которые могут помешать бесперебойной доставке товаров поездом.

Подход MicroWarehouse

Помимо автоматизации, отличительной чертой будущих цепочек поставок станет складирование и хранение, расположенное ближе к клиентам. Даже такие, как Amazon или Walmart, большие склады будут заменены множеством более мелких, обслуживающих клиентскую базу в пределах двух миль от них. Вместо нескольких больших складов у компаний может быть много, чтобы децентрализовать процесс распределения, быстрее доставлять товары розничным торговцам и потребителям и даже стимулировать методы устойчивого развития с меньшими выбросами в атмосферу и на шоссе.

Фактически, цепочка поставок будущего будет состоять из меньшего количества людей; более широкая автоматизация на основе ИИ для управления и прогнозирования потребностей в запасах, обработки данных и выполнения задач бэк-офиса и складских операций; и новые каналы доставки, включая дроны, для более безопасной и бесконтактной доставки на дом.

Цепочка поставок будущего должна будет преодолеть основные препятствия, чтобы стать реальностью. Для обеспечения эффективности совместимые интегрированные системы должны будут обмениваться данными по всей цепочке поставок. Но чтобы добиться успеха, компании должны быть открыты для такого взаимодействия. Еще одна проблема - это боязнь потери работы, которую принесет автоматизация. Компании должны развеять эти опасения, открывая возможности для работников брать на себя новые, более стратегические роли, предлагая обучение и поддержку в непрерывном образовании; и усиление преимуществ ИИ, не упуская из виду непоколебимое преимущество людей перед ИИ.

COVID-19 пролил свет на слабые места цепочки поставок, но на основе его уроков мы начинаем переосмысливать цепочку поставок будущего, которая будет управляться ИИ и опираться на человеческую изобретательность.

Карлос Мелендес - главный операционный директор Wovenware.