Рам Кришнан, вице-президент по маркетингу продуктов компании Aera Technology
За прошедшие годы организации развернули ряд транзакционных и аналитических систем для операций цепочки поставок. Несмотря на достигнутые успехи, цепочки поставок по-прежнему далеки от идеала видимости в реальном времени и принятия решений на основе данных, которые определяют цепочку поставок будущего.
Одна из проблем заключается в том, что относительно статичные и упрощенные бизнес-правила транзакционных механизмов не подходят для сегодняшних очень динамичных и нестабильных цепочек поставок. Этот разрыв будет только увеличиваться на фоне растущей сложности глобальных партнеров, продуктов, географических регионов и операций во всех аспектах цепочки поставок. Вторая проблема заключается в том, что растущий объем и разнообразие данных превышают возможности современного аналитического программного обеспечения. Организации не используют все имеющиеся в их распоряжении данные.
Конечный результат - неправильные решения, основанные на устаревшей и часто противоречивой информации, и упущенные возможности для извлечения выгоды и конкурентного преимущества.
Сегодня цепочки поставок не чувствуют - они реагируют, и часто они реагируют на основе исторических или скрытых данных, - сказала Лора Сесере, основатель Supply Chain Insights, во время недавнего вебинара ИИ в цепочке поставок с Aera Генеральный директор по технологиям Фредерик Лалуйо. Развитие поддержки принятия решений или правил для цепочки поставок часто основывается на этих данных, которые имеют задержку - они не актуальны, они часто являются пакетными и не основаны на считывании данных в реальном времени.
Интеллектуальные операции цепочки поставок
Но теперь быстрые инновации в области искусственного интеллекта (ИИ) и крупномасштабных распределенных вычислений позволяют цепочкам поставок работать в режиме реального времени с оптимизацией, невозможной в противном случае. Искусственный интеллект позволяет организациям управлять цепочками поставок на основе полных наборов данных с возможностью автономно рекомендовать, прогнозировать и предпринимать действия.
Как отметил Лалуйо, вместо фиксированных правил в традиционном программном обеспечении алгоритмы машинного обучения могут гибко учиться в реальном времени на полных наборах внутренних и внешних данных, как структурированных, так и неструктурированных. Это способствует принятию разумных решений по всей цепочке поставок, повышая скорость, рентабельность и удовлетворенность клиентов.
«Мы называем это автономной цепочкой поставок - бизнес с самоуправлением», - сказал Лалуйо во время вебинара. «Это тот орех, который мы раскололи с помощью наших технологий. Он понимает, как на самом деле работает цепочка поставок, как на самом деле работает ваш бизнес, рекомендует, прогнозирует и предпринимает действия на уровне транзакций ».
Доступно для обещания (ATP) - это один из примеров того, как ИИ может преобразовать процесс цепочки поставок. В традиционном программном обеспечении ATP - это, по сути, расчет на основе правил, основанный на теоретическом времени выполнения заказа и правилах распределения, которые невероятно изменчивы и непостоянны. Использование этих точек данных в расчетах ATP может привести к неправильным датам ATP.
Использование ATP в Aera динамически создает «карту цепочки поставок», отображающую все о заказе, включая выделенное количество и ожидаемую дату доставки. Aera может предоставлять высокоточные прогнозы на основе машинного обучения и анализа данных, а не простых вычислений ATP на основе правил.
Рассвет когнитивной автоматизации
Более того, Aera может использовать свои знания обо всех заказах в системе и производственных данных и давать рекомендации по ускорению доставки. Такая же когнитивная автоматизация применяется к ключевым процессам цепочки поставок, включая:
- Прогнозирование спроса и поставок
- Планирование цепочки поставок
- Оценка надежности поставщика
- Прогнозирование и управление уровнем сервиса
- Автоматизация закупок
- Оптимизация инвентаря
«Подумайте о системе, которая подключена снаружи и внутри, в реальном времени и всегда включена, думает и автономна», - сказал Лалуйо. «Мы находимся на пороге нового этапа, который мы называем когнитивной автоматизацией, и способности сочетать данные транзакций со сложностью бизнес-модели, и все это с совместной работой в режиме реального времени».
Мы должны рассматривать ИИ в цепочке поставок как путешествие, очень похожее на уровни беспилотных автомобилей уровней с 1 по 5. В цепочке поставок пять уровней простираются от понимания до автономных решений:
- Понимание. Используйте искусственный интеллект, чтобы полностью понять действительное состояние вашей цепочки поставок.
- Рекомендации. Используйте систему искусственного интеллекта для получения рекомендаций по ключевым рискам и возможностям.
- Прогнозы. Получайте аналитические данные с помощью прогнозов и вероятностей, основанных на непрерывно развивающемся машинном обучении ИИ.
- Расширенные решения. ИИ предлагает оптимальные решения, требующие рассмотрения и одобрения со стороны человека.
- Автономные решения. ИИ принимает решения автономно, без вмешательства человека.
Так с чего же начать?
Мы хотели бы утверждать, что вы сначала найдете конкретные бизнес-варианты использования, будь то в областях прогнозирования / управления спросом, в планировании, оптимизации запасов, ATP / CTP (возможность обещать) или производительности производства.
Во-вторых, подумайте о бизнес-правилах и о том, как вы можете использовать науку о данных, чтобы сделать эти правила более алгоритмическими на каждом этапе. В-третьих, важно внедрить ИИ в бизнес. ИИ не может быть второстепенным проектом - если все сделано правильно, он должен быть встроен в ваши процессы.
Помимо своей шумихи, ИИ должен оставаться в контексте цепочки поставок. Давайте изучим и примем это энергично.
—
Рам Кришнан - вице-президент по маркетингу продукции в Aera Technology. Рам Кришнан руководит маркетинговой стратегией и реализацией продукции Aera. Он имеет более чем 20-летний опыт работы в области корпоративного маркетинга программного обеспечения, стратегии и решений, ранее занимал руководящие должности в Anaplan и SAP.