Проверенная трехшаговая дорожная карта внедрения ИИ для цепочек поставок

Глобальное влияние пандемии дало ряд важных уроков компаниям, стремящимся выжить при следующем крупном нарушении. Среди них — необходимость лучше внедрять искусственный интеллект в цепочки поставок.

Вот несколько советов, как бизнесы могут достичь этой цели.

Во-первых, постройте лучшую модель для предвосхищения потребительского спроса, учитывающую менее очевидные входы. В настоящее время такие системы строятся вокруг простых трендовых и сезонных предсказаний. Вместо этого они должны учитывать внешние входы, связанные с инфляцией, индексами потребительских цен и другими вводными шоками, вызванными политиками интервенции COVID-19, такими как стимулирующие чеки, локдауны и строительство жилья. Многие из этих паттернов легко увидеть в ретроспективе, но это не значит, что их нельзя уловить заранее. Красота ИИ-моделей для прогнозирования в том, что они способны улавливать взаимодействия между казалось бы несвязанными признаками.

Как только лучшая модель потребительского спроса построена, создайте вторичную модель оценки доставки. Она должна быть построена с учетом текущего состояния цепочки поставок в любой момент и предсказывать стоимость доставки контейнера с продуктом. Преимущество этого инструмента в том, что его можно бэктестить для оценки точности. Просто посмотрите на прошлое и проверьте ценовую оценку в любой момент, чтобы увидеть, соответствует ли она реальности.

Наконец, постройте систему, которая использует модель спроса и оценщик затрат для действия как настоящий ИИ цепочки поставок. Способ работы этого основан на двух ключевых наблюдениях:

• Модель спроса может использоваться для предсказания того, какая мощность нужна в определенной точке будущего.
• Модель оценки затрат может использоваться для предсказания того, какой будет цена для обеспечения такой доставки в той точке будущего для того спроса.

С этими двумя способностями ИИ-система может улучшаться, регулируя входные рычаги на модели оценки затрат. Модель будет иметь входные параметры, которые могут быть простыми, как «сколько часов в день работает порт Лос-Анджелес». Она становится способной знать эффект на стоимость доставки на основе изменения значений. ИИ может быть обучен постоянно регулировать входные рычаги того, что составляет цепочку поставок, чтобы гарантировать, что независимо от спроса, общая стоимость удовлетворения спроса имеет верхнюю границу.

Этот трехстадийный подход — это то, как цепочка поставок, вероятно, будет выглядеть в ближайшие 10 лет. Дьявол, конечно, в деталях. Но как только у нас будет такая система, нам не придется полагаться на политиков для решений по совладанию с будущими нарушениями цепочек поставок. С ИИ, помогающим в планировании и моделировании цепочки поставок, небо — предел.

Джеймс Каплан — CEO MeetKAI.