Использование ИИ для преодоления глобального кризиса цепочек поставок

Пандемия COVID-19 стала полигоном для инноваций во множестве отраслей. Это не удивительно. На протяжении истории кризисы порождали инновации. Теперь мир приглашен инновировать снова посреди катастрофического нарушения наших глобальных цепочек поставок.

Проблема, которую мы переживаем сейчас, может показаться безнадежным узким местом, и изменения, которые нам нужно сделать, чтобы ее исправить, займут время для реализации ценности. Но искусственный интеллект, в сочетании с другими технологиями и инновациями, может принести некоторые долгосрочные улучшения по всей цепочке поставок, от заводского пола до ритейл-полки. Вот несколько сценариев.

Улучшение заводского пола

Новостное освещение узкого места цепочки поставок tends фокусироваться на кораблях, застрявших в море среди закрытий портов. Но менеджеры цепочек поставок знают, что улучшение цепочки поставок распространяется на заводской пол, где сырье закупается и производится в продукты. ИИ, связанный с другими технологиями, может сделать большую разницу. Например, данных-ориентированный прогноз поставок сырья может помочь оптимизировать производственные планировочные решения, а также планирование труда для снижения выгорания. Кроме того, умные сенсоры на заводском полу могут сделать производство более эффективным и отзывчивым к колебаниям как предложения, так и спроса. Умные сенсоры также могут предупредить производителя, когда жизненно важные детали изнашиваются, делая возможным для производителя предпринять проактивные корректирующие меры до того, как произойдет нарушение.

Меня больше всего возбуждает потенциал для бизнесов комбинировать иммерсивные технологии, такие как виртуальная реальность, смешанная реальность и дополненная реальность с ИИ (например, брак глубокого обучения с подкреплением с 3-D симуляцией) для улучшения производственных процессов. Бизнесы могут использовать ИИ для симуляции разных производственных сценариев и оптимизации заводского пола способами, которые менее затратны по времени и более стоимоэффективны. Кроме того, с 3-D симуляцией и обучением с подкреплением производитель может оптимизировать весь производственный процесс, тогда как физические производственные эксперименты могут оптимизировать только для конкретного процесса. По мере того как обещание метавселенной берет ходу, это виртуальное применение ИИ могло бы помочь трансформировать заводской пол, не просто сделать его более эффективным.

Реагирование на нарушения

ИИ делает возможным использование данных и аналитики для идентификации и маппинга инвентаря, который пострадает от нарушения цепочки поставок. Если бизнесу не хватает видимости корабля, перевозящего его материалы, то он должен использовать кризис как возможность обосновать приоритизацию цифровой трансформации цепочки поставок с данными, интернетом вещей и продвинутой аналитикой (например, машинным обучением и симуляцией). Бизнесу нужно знать, где его товары в любой момент, чтобы успешно оценить, какое влияние ограничения предложения окажут на его операции и способность удовлетворить ожидания рыночного спроса. Это особенно верно для сложных цепочек поставок, полагающихся на многих игроков, оперирующих глобально, как мы видим в автопромышленности. Автопроизводители и ритейлеры борются с трассировкой узких мест в цепочке поставок полупроводников из одной страны в другую. Этот недостаток прозрачности делает почти невозможным для них предпринять шаги, такие как идентификация того, как сломить узкое место, или предсказание, когда инвентари могут вернуться к норме. Прозрачное обмен данными и ИИ могут помочь решить эту проблему.

Реагирование на потребительский спрос

Полезно помнить, что не было бы кризиса цепочки поставок без потребительского спроса. ИИ может помочь всем в экосистеме цепочки поставок лучше выровняться с потребительским спросом через технологию цифровой полки. Цифровая полка loosely относится к продуктовому дисплею — как в магазине, так и онлайн — который подключен ко всей операционной деятельности ритейлера и цепочке поставок через данные в реальном времени. С цифровой полкой бизнес знает свои точные уровни инвентаря в каждом магазине в любой момент.

Возьмем продуктовые магазины Amazon.com Inc. Сенсоры по всему Amazon Go магазинам обеспечивают постоянно обновляемую интеллектуальность на цифровых полках, что делает возможным для ритейлера кастомизировать уровни инвентаря на основе регионального спроса и также реагировать на внезапные скачки или снижения спроса на продукт. В более крупном масштабе Walmart Inc. также строит эту способность.

Концепция цифровой полки существовала несколько лет, но пандемия сделала ее более срочной и своевременной. Это потому, что быстрые и непредсказуемые изменения в потребительском спросе и всплеск онлайн/офлайн коммерции, возникающий из пандемии, устранили любой маржу ошибки для бизнесов, управляющих уровнями инвентаря.

Цифровая полка не решит узкое место цепочки поставок, но она поможет бизнесам более гладко управлять критическим элементом цепочки поставок — последней милей доставки.

Управление дефицитом труда

Одна из причин, почему кризис цепочкиupply chains усилился — нехватка доступного труда, таких как складские рабочие для разгрузки продуктов и дальнобойщики для их транспортировки. ИИ может помочь бизнесам управлять тугой поставкой труда, особенно если компании станут креативными в том, как они используют его для закупки подрядчического труда. Многие бизнесы все еще работают в темные века, когда им находят временную помощь для управления всплесками мощности: они берут телефон и звонят в кадровое агентство. Это высоко неэффективный подход. Что, если бы бизнес нашел ресурсы, им нужные, обратившись к единому порталу, питаемому данными и ИИ? Предполагая, что бизнесы и их партнеры по найму держат портал актуальным с информацией о их потребностях в персонале и ресурсах, ИИ мог бы подбирать ресурсы в зависимости от таких факторов, как масштаб потребности, близость к доступному персоналу и ресурсам, и таймфрейм. ИИ не решит проблему, если ноль ресурсов доступно — но он определенно помог бы, если бы был включен правильной платформой.

Планирование следующего кризиса

ИИ может помочь бизнесу проводить упражнения по сценарийному планированию и информировать критические бизнес-решения. Пандемия — это звонок к пробуждению для бизнесов планировать следующее нарушение — будь то другая пандемия, стихийное бедствие, гражданские беспорядки или любое другое нарушение. ИИ может помочь компаниям предвосхищать дефициты и проблемы с поставками заранее и затем отвечать стратегиями устойчивости — например, перемаршрутизацией доставки критически важных материалов, когда происходит закрытие порта. Это потребовало бы наличия данных и способности симулировать ответы устойчивости. ИИ также мог бы помочь бизнесам по цепочке поставок предсказать, если конкретное нарушение (такое как стихийное бедствие, подрывающее производство кофе) переходное или более длительное и симулировать сценарии ответа на основе тех данных.

Аналогично ИИ-питной фабричной симуляции, бизнесы могут использовать цифровые двойники для сценарийного планирования следующего нарушения. Как отметил MIT Technology Review, «Что если будет засуха на Тайване и дефицит воды закроет производство микрочипов? Цифровой двойник мог бы предсказать риск этого, проследить влияние на вашу цепочку поставок и — используя обучение с подкреплением — предложить, какие действия предпринять для минимизации вреда».

Нет легкого выхода из кризиса цепочек поставок. ИИ само по себе не предоставит решение. Я предлагаю бизнесам сначала разбить кризис цепочек поставок на более мелкие болевые точки и разобраться, как их решить, как это сделано в этом посте. Спросить «Как мы можем защитить наш бизнес от следующего нарушения?» — вероятно, слишком широкий вопрос. Вместо этого фокусируйтесь на чем-то более конкретном и легком для решения, таком как «Как я могу более эффективно выровнять свой парк грузовиков с всплесками спроса?». Ответ на вопрос поможет бизнесу понять четкую и убедительную роль для ИИ.

Ахмер Инам — главный ИИ-офицер в Pactera EDGE, глобальной компании цифровых и технологических услуг.