Что может предложить Al компаниям, стремящимся сделать свои цепочки поставок более эффективными?
Перечисление выше – лишь верхушка айсберга. Компании, стремящиеся сделать свои цепочки поставок более эффективными, могут использовать Al различными способами, выходящими за рамки традиционных подходов к оптимизации цепочек поставок и прикладного назначения AI, например, для глобального моделирования ЦП.
Моделирование цепочек поставок сегодня - зрелая дисциплина, особенно с учетом увеличения их сложности по мере роста глобализации и трансформаций в результате перекройки мира.
Традиционно в рамках моделирования цепочек поставок мы останавливаемся на оптимизации. Оптимизация может быть велика в рамках долгосрочного планирования, которое базируется на понимании средней ситуации в цепочке поставок.
Область повседневного применения AI разработана в значительно меньшей степени. И вот тут-то AI и, в частности, такой метод, как глубокое обучение с подкреплением, может привести к тому, что моделирование цепочки поставок из простого инструмента планирования высокого уровня превратится в повседневный тактический оперативный инструмент.
Al можно включить в традиционное моделирование цепочки поставок, включив его в концепцию цифрового близнеца. Цифровой близнец, по сути, - это симуляция цепочки поставок, но связанная с живыми данными. Здесь мы будем соединять имитационную модель цепочки поставок с потоками данных, которые находятся в реальном времени или очень близки к нему, чтобы понять ситуацию, как она есть сейчас. Прогон моделирования основывается, таким образов, на информации, близкой к реальному времени. Особенно популярны сейчас цифровые близнецы в сфере складской логистики - цифровой близнец перемещает моделирование от простого инструмента планирования "что, если" к тому, что основано на живой информации в точный момент времени.
И мы можем сделать симуляцию вокруг того, что произойдет в течение следующего часа, следующей недели, следующих четырех недель, основываясь на информации, собранной в этот момент времени. Таким образом, цифровой близнец - мощный инструмент.
Предположим, например, что в цифровом близнеце распределительного центра мы видим проблему, которая приводит к затруднению поставок в конкретном регионе. Мы можем принять это в рамках моделирования цепочки поставок - а затем Al может быть использован для того, чтобы помочь менеджеру определите наилучший курс действий, или найти альтернативные маршруты поставок.
Во-первых, построение имитационной модели цепочки поставок само по себе является сложной задачей. Количество компетентных разработчиков на рынке РФ увеличивается в геометрической прогрессии, однако неспециалисту сложно оценить уровень экспертизы, и уровень разработки. В этой связи, пока AI не стал предметом повседневного использования, до тех пор уровень риска эффективности его имплементации будет высок.
Следствием этой проблемы также является уровень доверия. И здесь мы уже будем говорить о человеческом факторе – как это ни странно при разговоре об AI.
Один из больших недостатков машинного управления ЦП заключается в том, что Заказчик не может видеть, как построена эта модель, почему алгоритм рекомендует выполнить задачу альтернативным образом. В ситуациях, когда это противоречит здравому смыслу в текущей ситуации, действительно трудно построить доверие к этим алгоритмам. Доверие действительно сдерживается подходом «черного ящика».
В этой связи всегда найдутся исполнители, которые вмешаются в цикл принятия окончательного решения. То есть конечное решение будет принимать исполнитель, зачастую перечеркивая работу AI.
Однако есть все предпосылки к тому, что в бизнес-ландшафте имитационное моделирование на базе AI, предиктивные модели будут стремительно развиваться. Соответственно, компании, которые уже сейчас используют эти наработки, будут иметь весомое конкурентное преимущество завтра.
Зеленая логистика и проектирование цепей поставок
24 октября 2024
Искусственный интеллект: перспективы в логистике – проблемы и практики
17 октября 2024
Интеграция гибких стратегий пополнения запасов через адаптивные модели
10 октября 2024
Аутсорсинг логистических услуг: собственный транспорт VS привлеченный?
15 сентября 2024
Как проходит аудит склада. Ответы на частые вопросы.
02 августа 2024
Повышаем компетенции управления цепями поставок в партнерстве с Советом профессионалов (СПЦП)
06 июля 2024
Аудит бизнес-процессов как часть цифровизации логистики
07 мая 2024
Интеграция электронных маршрутных листов в систему управления транспортной логистикой. Обзор ИТ-решений в транспортной логистике.
28 марта 2024
Завершен проект строительства и запуска склада фармацевтической компании
05 февраля 2024
Аудит системы закупок и управления запасами как ключевой инструмент оптимизации
02 февраля 2024
Проблемы взаимодействия логистики и отдела продаж: простые практические решения
11 января 2024
Как рассчитать параметры DIFOTAI и использовать их для управления логистикой компании
12 сентября 2023
Независимая инвентаризация - преимущества и актуальность для производственных и торговых складов
04 сентября 2023
Значимость параметров DIFOTAI в логистике: основа для аудита и повышения эффективности цепей поставок
10 августа 2023
Этапы аудита склада и возможные проблемы при проведении экспертизы складской системы
05 апреля 2023
Проектирование склада для торговых компаний: ключевые особенности и технологии
23 марта 2023
Повышение скорости процессов для мелкоштучного склада. Описание аудита. Практический кейс
03 марта 2023
Итоги 2022 года
29 декабря 2022
Актуальность ESG-повестки в новой реальности
05 декабря 2022
Команда CLC Бизнес-консалтинг продолжает сотрудничество с ПАО Норильский никель.
30 ноября 2022