Будущее автоматизированной цепочки поставок

Автоматизация производит революцию в складах и меняет будущее операций цепочки поставок, а искусственный интеллект обеспечивает более разумное прогнозирование, упрощенное планирование и повышение эффективности. Чтобы использовать эти достижения, организациям необходим стратегический подход, включающий надежное управление и хорошо управляемые данные для обеспечения устойчивого и экономически эффективного роста.

Будущее автоматизированных цепочек поставок во многом зависит от искусственного интеллекта. ИИ является главным приоритетом цифровых инвестиций для более чем четверти специалистов по цепочкам поставок в Северной Америке, ответивших на недавний опрос Gartner (см. диаграмму).

За этим интересом стоят перспективы, которые ИИ дает многим организациям цепочки поставок. «Автоматизация с помощью искусственного интеллекта переводит цепочки поставок с реактивных на проактивные и прогнозирующие», — говорит Судхир Балебейл, руководитель отдела управления продуктами и заказами IBM Sustainability Software.

Использование традиционных технологий искусственного интеллекта, таких как машинное обучение, наряду с новыми решениями, такими как генеративный искусственный интеллект, для обработки огромных объемов данных, может обеспечить прозрачность, понимание и рекомендации.

Результат? «Более высокая отказоустойчивость, повышенная гибкость и оптимизация операций», — говорит Бэйбейл. Например, ИИ может предоставлять снимки запасов в режиме реального времени, обеспечивая более разумное пополнение запасов и сводя к минимуму избыточные или недостаточные запасы.

Avnet, глобальный дистрибьютор технологий и решений, использует традиционный искусственный интеллект для прогнозного моделирования, чтобы улучшить качество и прозрачность своей функции управления запасами как для поставщиков, так и для клиентов, говорит Дуг Адамс, старший вице-президент по глобальной логистике и качеству.

В настоящее время компания изучает множество потенциальных вариантов использования ИИ, чтобы улучшить качество обслуживания клиентов и помочь поставщикам в прогнозировании.

В рамках своей глобальной логистической функции Avnet создала совет по инновациям и технологиям, который изучает, как искусственный интеллект может помочь всем сторонам выявлять потенциальные «слепые зоны». Цель состоит в том, чтобы Avnet внедрила инструменты, которые помогут ее поставщикам производить нужный продукт, который Avnet сможет найти там, где он больше всего необходим, и в оптимальных количествах.

Avnet изучает возможности использования генеративного искусственного интеллекта в транспортировке, грузоперевозках и цепочках поставок, например при моделировании сети распределительных центров Avnet.

Например, у Avnet в настоящее время четыре филиала в Азии. Искусственный интеллект может дать дополнительную информацию об этих рынках в их нынешнем состоянии, а также об их ожидаемом росте, что позволит лучше принимать решения о распределении запасов.

Хотя может показаться, что между традиционной автоматизацией и искусственным интеллектом нет большой разницы, это не совсем так. Традиционная автоматизация ориентирована на задачи. «Это «посмотри это, сделай то», — говорит Суджит Сингх, операционный директор Arkieva, поставщика решений для цепочек поставок.

Искусственный интеллект может решать задачи, в то же время охватывая передовые алгоритмы, которые могут понимать, рассуждать, учиться и применять определенный уровень творческого принятия решений, говорит Ремингтон Тонар, соучредитель Cart.com, который предлагает единую коммерческую платформу. Cart.com в сотрудничестве с избранными клиентами в настоящее время использует искусственный интеллект для прогнозирования некоторых
потребительский спрос.

ПОВЫШЕНИЕ ПРОИЗВОДИТЕЛЬНОСТИ

Возможности искусственного интеллекта могут улучшить работу цепочки поставок несколькими способами. Он может использовать различные источники информации, включая данные в реальном времени, для улучшения процесса принятия решений. Опираясь исключительно на исторические данные, особенно во времена неопределенности, можно привести к принятию неоптимальных решений.

На раннем этапе технология, вероятно, будет больше использоваться при выполнении действий, чем при планировании. Например, ИИ может помочь специалисту по цепочке поставок определить, следует ли отправлять груз сегодня или завтра, по тому или иному маршруту. Хотя многое из этого уже находится в сфере автоматизации, ИИ добавит уровень интеллекта.

Еще одним примером раннего использования может стать автоматизация склада. «Склады — это сложная, но хорошо контролируемая среда», — говорит Маттиас Винкенбах, главный научный сотрудник Массачусетского технологического института.

Например, при выполнении заказов ИИ может анализировать данные в реальном времени, чтобы предсказать наиболее эффективные пути комплектования товаров.

ПРОГНОЗИРОВАНИЕ СПРОСА

Дистрибьютор технологий Avnet использует искусственный интеллект для прогнозного моделирования, чтобы улучшить управление запасами и прозрачность для поставщиков и клиентов.

Применение искусственного интеллекта для прогнозирования спроса предлагает «самый большой рычаг», — говорит Ансгар Тиде, вице-президент по науке о данных компании Korber Supply Chain Software, теперь Infios. Улучшенное прогнозирование может стимулировать рост доходов за счет минимизации риска перепроизводства и потери продаж. В других областях использование ИИ больше направлено на повышение эффективности затрат. Они также важны с точки зрения прибыльности, но на первый взгляд могут быть меньшими, добавляет он.

Кроме того, все функции планирования и прогнозирования спроса и предложения включают в себя огромные объемы данных и множество второстепенных задач. Решения искусственного интеллекта могут выполнять эти задачи, позволяя планировщикам сосредоточиться на более крупных проектах, говорит Ричард Дэвис, главный исполнительный директор Demand Chain AI, поставщика решений для цепочек поставок и планирования спроса.

УПРАВЛЕНИЕ ИНВЕНТАРЕМ

Когда дело доходит до управления запасами, ИИ может анализировать сезонные тенденции и модели покупок, помогая компаниям лучше прогнозировать спрос и более разумно размещать запасы ближе к клиентам. «Это ускоряет доставку, сокращает затраты и повышает удовлетворенность клиентов», — говорит Совья Муллур Раджагопалан, вице-президент и руководитель отдела путешествий, транспорта и гостиничного бизнеса в Америке компании Tata Consultancy Services.

AI Squared, компания-разработчик программного обеспечения, которая позволяет предприятиям интегрировать модели ИИ в существующее программное обеспечение, работала с клиентом над использованием ИИ для выполнения заказов, говорит Бенджамин Харви, доктор философии, основатель и генеральный директор.

Прежде чем заказ был выполнен, ИИ-решение запускало симуляцию, определяющую процент, который может быть фактически выполнен, и показывающее, какие части заказа отсутствуют, если таковые имеются. Затем компания могла решить, как получить эти предметы. Только после того, как заказ будет заполнен на 95%, он будет обработан.

ТРАНСПОРТ

Оптимизация транспорта — еще одно применение ИИ. Выбор между огромным количеством доступных вариантов доставки может быстро усложниться. Хотя многие компании уже используют простые алгоритмы для выбора тарифов, можно внедрить интеллектуальные алгоритмы.

Например, традиционный алгоритм просто запрашивает несколько источников, чтобы получить тарифы в реальном времени от различных операторов связи и прейскурантов, а затем назначает самый дешевый из них в пределах желаемого класса обслуживания. Более интеллектуальный алгоритм мог бы понять компромисс между затратами и временем для каждого заказа и предлагать покупателям различные варианты в точках продаж на основе их информации о доставке.

Если бы некоторые клиенты знали, что могут сократить расходы на доставку, выбрав другой класс обслуживания, который увеличивает время доставки всего на 12 часов, некоторые пошли бы на компромисс.

Более интеллектуальные алгоритмы также могут учитывать дополнительные расходы по каждому адресу. Затем продавцы смогут соответствующим образом оценить и спрогнозировать варианты доставки.

Некоторые логистические компании используют ИИ для повышения плотности доставки, говорит Совья. Предположим, что поставщик логистических услуг должен доставить две посылки домой в пятницу. Используя искусственный интеллект, поставщик логистических услуг может предложить своим клиентам — продавцам — скидку, если они отправят дополнительные посылки на тот же или близлежащий адрес в течение установленного периода времени, что снижает затраты на доставку для всех.

С помощью искусственного интеллекта специалисты по цепочке поставок могут более точно определять время прибытия водителей, чтобы минимизировать время простоя на складах и распределительных центрах, — говорит Энн Мари Джонкман, глобальный вице-президент по отраслевой стратегии поставщика программных решений Blue Yonder. Это особенно ценно, когда графики сбиваются из-за непредвиденных событий.

Хотя эти данные и были доступны, часто было невозможно получить к ним быстрый доступ, говорит Джонкман. Благодаря автоматизации ИИ информация может собираться быстрее, что ускоряет принятие решений.

Искусственный интеллект также может сыграть роль в обнаружении кражи грузов. По словам Дэрина Миллера, национального директора по морской пехоте компании Sedgwick, глобального администратора по претензиям, преступные схемы стали весьма изощренными.

Воры часто называют себя законными дальнобойщиками, а затем проникают на склады, чтобы забрать груз, который они перевозят в другие места и, вероятно, перепродают.

Искусственный интеллект может использоваться для отслеживания судов и отправки предупреждений, когда грузовик отклоняется от ожидаемого маршрута. Он также может выявить грузы, подвергающиеся большему риску кражи из-за их местоположения, типа груза или других факторов. Тогда усилия по обеспечению безопасности могли бы быть сосредоточены на этих поставках.

ПОТЕНЦИАЛЬНЫЕ РИСКИ

Помимо своих обещаний, ИИ таит в себе риски. Один из них, как это ни парадоксально, — это соблазн обещаний. «Когда у вас есть новый молоток, все превращается в гвоздь», — говорит Тиде. Соблазн состоит в том, чтобы решить любую проблему с помощью ИИ.

Но для некоторых простых решений эвристики типа «Если A, то B» справятся со своей задачей, их можно будет быстрее реализовать и легче понять. Если склад имеет ограниченное пространство, что делает невозможным постоянное удовлетворение всего спроса, может быть достаточно правила пополнения, такого как «Повторный заказ, как только запасы упадут до 10 единиц», — говорит Тиде.

Решения искусственного интеллекта, как правило, более сложны в настройке и могут требовать большего обслуживания. В результате они часто имеют больше смысла, когда имеется достаточная маржа для покрытия дополнительных затрат.

Некоторые организации вынуждены внедрять ИИ так быстро, что рискуют упустить из виду необходимость в защитных ограждениях, безопасности и управлении. «Наука о данных и искусственный интеллект — это дикий, дикий Запад», — говорит Харви.

Выбросы или отклонения в наборе данных или модели могут привести к тому, что алгоритм выдаст информацию, не отражающую реальность. Без надежного управления и человеческого контроля любые решения, принимаемые на основе этой модели, могут оказаться неоптимальными.

Отправной точкой для устранения этих рисков является продуманное экономическое обоснование. «Не распыляйте ИИ повсюду», — говорит Дэвис. Расставьте приоритеты и разработайте дорожную карту для продвижения к целям организации.

Хотя это может показаться нелогичным, большинство организаций выиграют, если начнут с понятного процесса, который будет улучшаться за счет автоматизации. Если организация никогда раньше не решала конкретную проблему, у нее, вероятно, нет данных, необходимых для обучения ИИ ее решению, и у организации не будет возможности оценить, хорошо ли работает решение ИИ. «Не начинайте с большой волосатой штуки вдалеке», — говорит Винкенбах.

Учитывая, что решения ИИ интерпретируют данные, качество этих данных имеет ключевое значение, говорит Тейде. Предположим, розничный торговец пытается проанализировать реакцию потребителей на изменения цен и рекламную информацию, чтобы оптимизировать прогноз спроса. Если компания не отслеживает влияние изменений цен или рекламной информации, она не может ожидать, что модель обеспечит надежные прогнозы будущих действий потребителей.

По словам Дэвиса, модель соответствия требованиям и управления ИИ должна предупреждать, когда результаты выходят за рамки приемлемого.

Людей следует держать в курсе, поскольку они могут решить, как поступить с конкретной информацией ИИ, когда их опыт указывает на то, что решение неверно, говорит Харви. Например, если решение заключается в оценке транспортных маршрутов, а некоторые маршруты использовались в прошлом только потому, что другие были недоступны, это повлияет на результаты. Опытный сотрудник сможет это понять.

МАЛЕНЬКИЙ ИЛИ БОЛЬШОЙ?

В отличие от многих достижений в области технологий, которые начинаются с устоявшихся предприятий и доходят до более мелких фирм, некоторые говорят, что меньшие предприятия, особенно новые, могут иметь преимущество, когда дело доходит до искусственного интеллекта. Новые компании могут создавать среду, в которой ИИ может процветать, говорит Талал Абу-Исса, генеральный директор и основатель Beebolt, компании, занимающейся технологиями цепочки поставок. Напротив, более крупные компании часто структурированы вокруг определенных процессов и способов ведения дел. «Они не обязательно оптимизированы для того, чтобы эти модели действительно сияли», — говорит Исса.

ДЕМОНТАЖ Бункеров

Одним из главных преимуществ использования искусственного интеллекта в цепочках поставок и логистике является его способность устранять различия между принятием стратегических, тактических и оперативных решений, говорит Винкенбах. Традиционно компании решали эти вопросы отдельно, поскольку проблемы настолько сложны, что невозможно оценить их одновременно.

Однако искусственный интеллект и машинное обучение могут одновременно решать несколько крупных проблем, например, помогая компаниям определить, где построить свои распределительные центры, разместить запасы и принять решение о способах транспортировки, говорит Винкенбах.

В конечном счете, наибольшая отдача от ИИ может быть связана с одновременным принятием сложных решений.

РАЗДАЧА УМНЫХ ТЕХНОЛОГИЙ

Fastenal, компания, занимающаяся промышленными поставками, поддерживает продукты и услуги для бизнеса. С помощью службы инвентаризации, управляемой поставщиком, компания может наблюдать за состоянием запасов клиентов и определять, когда пора пополнить запасы.

Для этого Fastenal использует технологию. Компания поставляет высокотехнологичные автоматы по продаже рулонов, которые предлагают продукты для общего обслуживания, ремонта и эксплуатации, а также средства обеспечения безопасности, такие как перчатки и защитные очки. Поскольку сотрудники получают доступ к элементам в электронном виде, компания может собирать данные об использовании различных продуктов — скажем, привязывая продукт к отделу или проекту.

Система также использует искусственный интеллект, чтобы позволить компаниям объединять данные о различных предложениях технологических продуктов для их анализа. Это очень важно, потому что, если компания, например, покупает крепеж для производственной линии у пяти поставщиков, это означает, что у нее есть пять мест, где данные хранятся и систематизируются, и пять различных способов обмена данными.

Fastenal объединяет эту информацию в один доступный репозиторий, улучшая качество данных для принятия решений. Затем решение использует ИИ для ускорения анализа данных по всей цепочке поставок. «Это способствует принятию более эффективных решений, поскольку ИИ может обрабатывать больший объем информации, чем человек», — говорит Джефф Хикс, вице-президент компании. Например, решение может оценить, приведет ли изменение уровня запасов к увеличению дефицита.

Используя искусственный интеллект, Fastenal также может помочь клиентам понять, как движутся их запасы. Если в течение месяца было использовано 100 предметов, ИИ-решение может определить, использовались ли они сразу или наборами по 10 штук. Ответ может повлиять на покупку.

MIT, MECALUX УСКОРЯЮТ АВТОМАТИЗАЦИЮ СКЛАДОВ

Новое пятилетнее сотрудничество между Центром транспорта и технологий Массачусетского технологического института; Лидер в области логистики и интралогистики Mecalux стремится добиться революционных достижений в области автоматизации складов.

В лаборатории интеллектуальных логистических систем Массачусетского технологического института исследователи концентрируются на двух целях: повышении производительности автономных складских роботов и оптимизации систем распределения заказов.

Роботизированное сотрудничество. Первое направление исследований будет заключаться в разработке системы «роевого интеллекта», позволяющей автономным складским роботам работать коллективно, принимая более разумные и скоординированные решения. Цель? Создать роботов, которые учатся на поведении человека для повышения эффективности и совместной работы в динамичных складских средах.

Прогнозируемое распространение. Второе направление исследований — обучение моделей искусственного интеллекта прогнозированию моделей потребительского спроса. Этот подход поможет компаниям, управляющим обширными складскими и дистрибьюторскими сетями, определять наиболее эффективные стратегии выполнения заказов в режиме реального времени.