Noll
Hur snart fram till artificiell intelligens (AI) skärper upp våra försörjningskedjor? Det kommer inte att vara länge. En nyligen genomförd undersökning, utförd av Forbes Insights, SAS, Intel och Accenture, finner 36% av företagen att lägga till AI förmåga att deras logistik och supply chain verksamhet med ytterligare 28 procent planerar att göra det.
Foto: Joe McKendrick
Utmaningen med försörjningskedjor har varit deras slutenhet. Efter alla, de innebär en hel del rörliga delar, var och en kör av olika enheter på olika kontinenter med hjälp av olika system. “Leveranskedjor fortfarande långt från idealet om synlighet i realtid i hela leveranskedjan, därför, data-driven, korrekta beslut”, säger Fred Laluyaux, VD Aera Teknik. Detta är fallet trots år av implementationer av “en array av transaktions-och analytiska system för supply chain verksamheter-oavsett det är på Enter lokaler eller moln.”
Det beror på att, som med allt annat rörande företag, supply chains “har vuxit mycket mer komplex i dagens snabba digitala miljöer. Skenande datamängder och mångfald är överväldigande. Fler partners, produkter, geografiska områden komplicera, den globala konkurrensen och ökar kundens förväntningar komplicera dilemma.”
Lägga till ytterligare ett element till ett tryck av försörjningskedjor — Amazon effekt. Företagen måste verkligen skärpa sina processer till den punkt där flytta produkter från fabriker, lager till distributörer och kunder ” och trappan är snabb, synlig och smärtfritt.
Fortfarande, “alltför många försörjningskedjor köra på gissningar beslut baserat på information som ofta är föråldrade och motsägelsefullt,” Laluyaux varnar. “Företagen riskerar förseningar, onödiga kostnader och intäkter förlust genom att fortsätta att förlita sig på status quo processer och tio år gamla program.”
Ange AI. “AI bygger på maskinlärande algoritmer för att lära sig och förfina i realtid samtidigt som det kryper interna och externa data set”, fortsätter han. “Som kan innehålla uppgifter från inventeringen, leverantör prestanda, svängningar i efterfrågan, och även väder-och vägförhållanden. AI kombinerar olika kunskaper för att ge rekommendationer eller beslut om optimala åtgärder. Tänker på det nästan som en självgående verksamhet som baseras på kognitiv automation—förmåga att lära, tänka och vidta åtgärder.”
Laluyaux poäng till available-to-promise funktion, som svarar på kundernas förfrågningar ordning baserat på resurstillgång. I traditionell programvara, available-to-promise “är i grunden en regler-baserad beräkning baserad på teoretiska ledtider och fördelning regler som är otroligt rörlig och instabil”, säger han. “Med hjälp av dessa data poäng i beräkningarna kan leda till fel datum.”
I motsats, förklarar han, “AI kan automatiskt generera en supply-chain karta, som visar allt om en beställning, inklusive tilldelade mängden och förväntat leveransdatum. Det ger mycket exakta rekommendationer och förutsägelser baserade på maskininlärning och data vetenskap, inte enkla regler-baserade beräkningar.”
Utöver available-to-promise), AI kognitiva funktioner automation kan tillämpas på alla processer i leveranskedjan, Laluyaux fortsätter, “från efterfrågan och utbud prognoser för lageroptimering, tillverkning prestanda, upphandling automation, leverantör och tillförlitlighet bedömningar.” Han kallar detta för en “self-driving supply chain.” Han ser resan till AI-förbättrade försörjningskedjan att gå genom fem nivåer av forskning och utveckling:
- Förståelse. “Hävstång AI för att fullt ut förstå den sanna operativa stater i din supply chain.”
Rekommendationer. “Utnyttja AI-system för rekommendationer på viktiga risker och möjligheter.”
Förutsägelser. “Få insikter med förutsägelser och sannolikheter baserat på AI: s ständigt lärande.”
Augmented beslut. “AI föreslår optimala beslut som kräver manuell granskning och godkännande.”
Självständiga beslut. “AI fattar beslut på egen hand utan mänsklig inblandning.”
AI är en resa, och det största värdet kommer från hantering av komplexitet. I näringslivet, och ingenting blir mer komplex än försörjningskedjor, vilket gör detta till en mogen zon för AI.
(Disclosure: jag var en del av det team som producerade Forbes Insights-SAS-Intel-Accenture-undersökningen som nämns i toppen av detta inlägg.)
Relaterade Ämnen:
Affärssystem
Digital Omvandling
CXO
Sakernas Internet
Innovation
Smarta Städer
0