icon-search

Jak dzięki machine learning można skutecznie usprawnić łańcuch dostaw w firmie?

Jędrek Fulara 28.03.2018

Zarówno duże korporacje, jak i przedsiębiorstwa z segmentu MSP przeżywają obecnie prawdziwą cyfrową rewolucję. Nie dziwi zatem fakt, że sprzedawcy detaliczni i firmy produkujące dobra konsumpcyjne także intensywnie przygotowują się na technologiczne zmiany.  W wielu organizacjach technologie takie jak sztuczna inteligencja (AI) i uczenie maszynowe mogą zrewolucjonizować kluczowe aspekty działalności, ułatwiając przy tym przedefiniowanie doświadczeń dotychczasowych konsumentów i pozyskanie nowych. Dzięki zmianie procesów front i back-officowych, detaliści są w stanie lepiej sprostać rosnącym wymaganiom konsumentów oraz uzyskać opłacalne zwroty z inwestycji. Korzystając z mechanizmów sztucznej inteligencji, firmy mają obecnie 360-stopniowy wgląd w swój łańcuch dostaw i trwały wpływ na następujące procesy:

rsz_joshua-sortino-215039-unsplash

Dostępność produktów

W związku z ogromną różnorodnością produktów dostępnych na rynku, sieci dostaw stają się coraz bardziej złożone. Konieczność koordynacji dostaw z wieloma podwykonawcami stanowi obecnie jedno z głównych wyzwań dla demand plannerów.

Z tego właśnie powodu wiele firm wdraża technologie oparte na sztucznej inteligencji, tak aby ulepszyć swoje systemy zamówień, zapewnić terminową dostępność produktów i wydajnie przetwarzać zamówienia. Jednym z przykładów takiego działania jest oparcie zarządzania zapotrzebowaniem na algorytmach predykcyjnych operujących na dużych zasobach danych.

Załóżmy, że w system oparty o AI na podstawie zebranych danych takich jak odwiedzane strony, czy wyszukiwane frazy przewidział większe zapotrzebowanie konsumentów na laptopy. Dzięki takiej informacji producent może zwiększyć produkcję mając pewność, że znajdzie popyt na tworzone produkty, firmy transportowe wiedzą zaś z wyprzedzeniem, ile ciężarówek potrzeba będzie do dostarczenia komputerów w określonych terminach. Detalista wie, że musi zamówić wystarczającą ilość towaru, zwiększyć powierzchnię reklamową i wystawową na półkach sklepowych oraz przygotować się na skok w zamówieniach internetowych.

W jaki sposób system może założyć, że większa ilość konsumentów zamierza kupić dany produkt? Model w przypadku każdego przedsiębiorstwa jest podobny – na podstawie zebranych danych (czas spędzony na danej stronie, częstotliwość wyszukiwania danego słowa, ostatnio zakupione produkty etc.) możliwe jest stworzenie powiązań, schematów i odchyleń od normy. Przeanalizowane dane są wykorzystywane do określenia potencjalnego zachowania klienta – na tej podstawie zaś system wysyła informację o konieczności zwiększenia podaży produktów.

rsz_chuttersnap-255216-unsplash

Logistyka i dostawy

By zagwarantować terminową dostawę nieuszkodzonych towarów, firmy muszą wdrażać technologie, które w sposób całościowy będą kontrolowały i monitorowały łańcuch dostaw. Zagrożenia związane z dostawą, takie jak nieefektywne korzystanie z floty i zaniedbania podczas transportu, wymagają monitorowania zarówno procesu dostawy, jak i aktualnego statusu przesyłki.

AI w tym przypadku pomaga uniknąć marnowania czasu i pieniędzy oraz umożliwia efektywne spełnienie pojawiających się oczekiwań klientów.

Korzystając z systemów opartych na IoT, sprzedawcy detaliczni mają bieżący widok aktualnej lokalizacji produktów i mogą porównać planowane i aktualne przepływy logistyczne, tak aby szybko reagować na nieoczekiwane warunki i odstępstwa od harmonogramów.

W tym wypadku działania AI oparte są o dane pozyskiwane z czujników umieszczonych w inteligentnych maszynach oraz pojazdach. Zebrane informacje są analizowane, a następnie wyłapywane są wszelkie anomalie. Dzięki temu możliwe jest na wczesnym etapie wykrycie kłopotów z dostawą.

rsz_hannes-egler-360942-unsplash

Zarządzanie inwentarzem

Dzięki platformom opartym na AI, sprzedawcy detaliczni mogą zautomatyzować zarządzanie asortymentem oraz zapasami, co jest ważną częścią ograniczania strat produktowych, niezależnie od tego, czy chodzi o wandalizm, kradzież, przeterminowanie produktów czy ich zepsucie.

W tym celu już teraz niektóre sklepy posiadają video-monitoring produktów, który wysyła zebrane dane do systemu opartego o mechanizmy sztucznej inteligencji. W ten sposób – korzystając z procesów uczenia maszynowego – sprzedawcy mogą w szybki sposób wykryć, które produkty są niewidoczne lub wyświetlane nieprawidłowo i szybko zainicjować działania naprawcze. Zarządzający magazynem mogą zaś zostać automatycznie powiadomieni o konieczności prawidłowego uporządkowania lub uzupełnienia półek, zapewniając tym samym efektywne zaspokojenie popytu klientów przy jednoczesnym ograniczaniu strat w dostępnych zasobach.

rsz_chris-ried-512801-unsplash

Konserwacja

Dzisiejsze urządzenia oparte o IoT generują za pomocą wbudowanych czujników ogromne ilości danych, co stanowi doskonałą okazję do ciągłego wykorzystywania uczenia maszynowego i przekształcania tych danych w aktywa tworzące dla przedsiębiorstwa wartość.

Dzięki wspomnianym informacjom sprzedawcy detaliczni mogą ustalić szczegółowy plan konserwacji sprzętów przed ich faktyczną awarią. Zwłaszcza w przypadku firm detalicznych brak konserwacji maszyn, czy nawet chwilowa ich awaria może skutkować ogromnymi stratami dla przedsiębiorstwa.

Wyobraźmy sobie sytuację, w której samochód dostawczy w trakcie trasy ulega awarii. Pociąga to za sobą wiele – kosztownych dla firmy – skutków, m.in. brak dostarczenia towarów na czas, wyłączenie danego pojazdu z aktualnego harmonogramu prac, konieczność szybkiego znalezienia samochodu zastępczego dla kierowcy i poinformowania magazynów o opóźnieniach. Dzięki AI sytuacji takiej można skutecznie uniknąć. Wystarczy, że wbudowane w samochód transportowy czujniki będą wysyłały do systemu informacje o aktualnym stanie części w pojeździe. Z pomocą algorytmów opartych o machine learning możliwe będzie wyłapanie wszelkich anomalii i wysłanie do centrali informacji o zbliżającej się konieczności przeprowadzenia przeglądu, automatyczne zarezerwowanie innego samochodu dla kierowcy i ponowne zaplanowanie dostawy. W efekcie, zanim dojdzie do awarii, pojazd zostanie naprawiony, zużyte części wymienione, zaś proces dostawy niezakłócony.

Wymieniony przykład jest jednym z wielu możliwych zastosowań AI i uczenia maszynowego w konserwacji predykcyjnej sprzętu. Na podobnej zasadzie sztuczna inteligencja może być wykorzystana w utrzymywaniu każdej innej infrastruktury.

Według szacunków Manufaturing Business Technology, konserwacja predykcyjna sprzętu oparta o AI może w ciągu następnych 14 lat przynieść firmom 360 mld dolarów oszczędności.

rsz_christopher-burns-368617-unsplash (1)

Zaangażowanie konsumentów

Według raportu Walker Research’s “Customer 2020” do 2020 roku oczekiwania klienta i jego doświadczenia podczas zakupów staną się ważniejszym kryterium podejmowania decyzji konsumenckich niż cena.

Jednocześnie za pomocą technologii łączących przetwarzanie w języku naturalnym z danymi dotyczącymi zakupów konsumenckich i ich historią, możliwe staje się dokładne sprofilowanie każdego klienta i stworzenie oferty idealnie dostosowanej do jego potrzeb. Nie dziwi zatem fakt, że przedsiębiorstwa starają się  wykorzystywać uczenie maszynowe do zapewniania zautomatyzowanych rozwiązań w zakresie obsługi klienta.

Dzięki systemom umożliwiającym konsumentom zadawanie pytań i otrzymywanie dokładnych i terminowych odpowiedzi, czas reakcji jest coraz krótszy, a pracownicy mogą poświęcić uwagę na inne zadania. Dodatkowo, producenci żywności i napojów, sprzedawcy detaliczni i restauracje stosują obecnie technologię AI do monitorowania rozmów dotyczących ich produktów lub usług w mediach społecznościowych. Nowoczesne platformy wykorzystujące machine learning mogą skutecznie analizować nastroje konsumentów, tak aby pomóc firmom w podejmowaniu decyzji dotyczących wyboru najlepszych produktów i tworzeniu oferty dla różnorodnych klientów.

Aby wyprzedzić konkurencję, sprostać wymaganiom konsumentów i zapewnić większą efektywność w całym łańcuchu dostaw, firmy muszą podejmować odpowiednie kroki, wprowadzając innowacje i implementując systemy oparte na nowoczesnych technologiach.
Według raportu sporządzonego przez firmę consultingową McKinsey, przedsiębiorstwa które aktywnie implementowały strategię w zakresie AI miały o 5% większą marżę zysku od tych niekorzystających ze sztucznej inteligencji.
Dzięki odpowiedniej strategii cyfrowej w połączeniu z dopasowanymi do potrzeb narzędziami, takimi jak sztuczna inteligencja i uczenie maszynowe, firmy te mogą odnieść większy sukces niż kiedykolwiek wcześniej.

 

Źródła:
www.sdcexec.com/software-technology/article/20993919/improve-supply-chain-visibility-machine-learning
www.opexanalytics.com/practical-applications-machine-learning-supply-chain-planning-suggestions/
www.businessinsider.com/ai-supply-chain-logistics-report-2018-1?IR=T

Zdjęcia: Unsplash

Komentarze: 0


Notice: Korzystanie z Motyw nieposiadający comments.php uznawane jest za przestarzałe od wersji 3.0.0! Nie istnieje żadna alternatywa. Proszę zawrzeć w motywie szablon comments.php. in /var/www/html/www_pl/wp-includes/functions.php on line 4592

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *