Hoe AI de supply chain-crisis kan oplossen

De COVID-19-pandemie is een proeftuin geworden voor innovaties in meerdere industrieën. Dit is niet verwonderlijk. Door de geschiedenis heen hebben crises geleid tot innovatie. Nu wordt de wereld uitgenodigd om opnieuw te innoveren te midden van een catastrofale verstoring van onze wereldwijde toeleveringsketen.

Het probleem dat we nu ervaren, lijkt misschien een hopeloos knelpunt, en de veranderingen die we moeten aanbrengen om het op te lossen, zullen enige tijd vergen om waarde te realiseren. Maar kunstmatige intelligentie, in combinatie met andere technologieën en innovaties, zou voor een langdurige verbetering kunnen zorgen in de hele toeleveringsketen, van de productievloer tot het winkelschap. Hier zijn enkele scenario's.

De fabrieksvloer verbeteren

De berichtgeving over het knelpunt in de toeleveringsketen is meestal gericht op schepen die vastzitten op zee te midden van havensluitingen. Maar supply chain managers weten dat het verbeteren van de supply chain zich uitstrekt tot de fabrieksvloer waar grondstoffen worden ingekocht en verwerkt tot producten. AI gekoppeld aan andere technologieën kan een groot verschil maken. Een gegevensgestuurde prognose van de levering van grondstoffen kan bijvoorbeeld helpen bij het optimaliseren van beslissingen over productieplanning en arbeidsplanning om burn-out te verminderen. Bovendien kunnen slimme sensoren op de fabrieksvloer de productie efficiënter maken en beter inspelen op zowel vraag- als aanbodschommelingen. Slimme sensoren kunnen de fabrikant ook waarschuwen wanneer vitale onderdelen verslijten, waardoor de fabrikant proactief corrigerende maatregelen kan nemen voordat zich een storing voordoet.

Ik ben het meest enthousiast over het potentieel voor bedrijven om immersieve technologieën zoals virtual reality, mixed reality en augmented reality te combineren met AI (bijv. het huwelijk van diepgaand leren met 3D-simulatie) om productieprocessen te verbeteren. Bedrijven kunnen AI gebruiken om verschillende productiescenario's te simuleren en de fabrieksvloer te optimaliseren op manieren die minder tijdrovend en kosteneffectiever zijn. Bovendien kan een fabrikant met 3D-simulatie en versterkingsleren het hele productieproces optimaliseren, terwijl fysieke fabricage-experimenten mogelijk alleen voor een specifiek proces optimaliseren. Naarmate de belofte van metaverse werkelijkheid wordt, kan deze virtuele toepassing van AI helpen de fabrieksvloer te transformeren, niet alleen efficiënter te maken.

Reageren op verstoring

AI maakt het mogelijk om data en analyses te gebruiken om de voorraad die wordt beïnvloed door de verstoring van de supply chain te identificeren en in kaart te brengen. Als een bedrijf geen zicht heeft op een schip dat zijn materialen vervoert, moet het de crisis gebruiken als een kans om prioriteit te geven aan de digitale transformatie van de toeleveringsketen met data, het internet der dingen en geavanceerde analyses (bijv. machine learning en simulatie). Een bedrijf moet te allen tijde weten waar zijn goederen zich bevinden om met succes te kunnen inschatten welke impact de beperkingen aan de aanbodzijde zullen hebben op zijn activiteiten en het vermogen om aan de verwachtingen van de marktvraag te voldoen. Dit geldt met name voor complexe toeleveringsketens die afhankelijk zijn van veel spelers die wereldwijd actief zijn, zoals we zien in de auto-industrie. Autofabrikanten en retailers hebben moeite om de knelpunten in de toeleveringsketen voor halfgeleiders van het ene land naar het andere op te sporen. Dit gebrek aan transparantie maakt het voor hen bijna onmogelijk om stappen te ondernemen, zoals het identificeren van hoe het knelpunt kan worden doorbroken of om te voorspellen wanneer de voorraden weer normaal kunnen worden. Transparante gegevensuitwisseling en AI kunnen dit probleem helpen oplossen.

Inspelen op de vraag van consumenten

Het is leerzaam om te onthouden dat er geen crisis in de toeleveringsketen zou zijn zonder de vraag van de consument. AI kan iedereen in het ecosysteem van de toeleveringsketen helpen om beter af te stemmen op de vraag van de consument door middel van digitale schaptechnologie. Het digitale schap verwijst losjes naar een productdisplay - zowel in de winkel als online - dat via realtime gegevens is verbonden met de volledige activiteiten en toeleveringsketen van een retailer. Met een digitaal schap kent een bedrijf te allen tijde de exacte voorraadniveaus in elke winkel.

Neem de supermarkten van Amazon.com Inc. Sensoren in Amazon Go-winkels bieden voortdurend bijgewerkte informatie over digitale schappen, waardoor de detailhandelaar de voorraadniveaus kan aanpassen op basis van de regionale vraag en ook kan reageren op plotselinge stijgingen of dalingen in de vraag naar producten. Op grotere schaal bouwt Walmart Inc. deze mogelijkheid ook uit.

Het concept van het digitale schap bestaat al een paar jaar, maar de pandemie heeft het urgenter en actueler gemaakt. Dat komt omdat de snelle en onvoorspelbare veranderingen in de vraag van de consument en een golf van online/offline handel als gevolg van de pandemie elke foutmarge voor bedrijven die voorraadniveaus beheren, hebben weggenomen.

Een digitaal schap lost het knelpunt in de toeleveringsketen niet op, maar het zal bedrijven wel helpen om een ​​cruciaal onderdeel van de toeleveringsketen – de laatste kilometer van levering – soepeler te beheren.

Het tekort aan arbeidskrachten beheren

Een van de redenen waarom de crisis in de toeleveringsketen is verergerd, is een gebrek aan beschikbare arbeidskrachten, zoals magazijnmedewerkers om producten te lossen en vrachtwagenchauffeurs om ze te vervoeren. AI kan bedrijven helpen bij het beheren van een krap arbeidsaanbod, vooral als bedrijven creatief zijn over hoe ze het gebruiken om arbeidskrachten van aannemers te vinden. Veel bedrijven opereren nog steeds in de donkere middeleeuwen wanneer ze tijdelijke hulp vinden om capaciteitspieken op te vangen:ze pakken de telefoon en bellen een uitzendbureau. Dit is een zeer inefficiënte aanpak. Wat als een bedrijf de middelen zou vinden die ze nodig hadden door gebruik te maken van een enkele portal die wordt aangedreven door data en AI? Ervan uitgaande dat bedrijven en hun personeelspartners de portal up-to-date hielden met informatie over hun personeelsbehoeften en middelen, zou AI de middelen kunnen matchen op basis van factoren zoals de omvang van de behoefte, de nabijheid van beschikbaar personeel en middelen en het tijdsbestek. AI zou het probleem niet oplossen als er geen resources beschikbaar waren, maar het zou zeker helpen als het door het juiste platform wordt ingeschakeld.

Planning voor de volgende crisis

AI kan een bedrijf helpen bij het uitvoeren van scenarioplanningsoefeningen en het informeren van kritische zakelijke beslissingen. De pandemie is een wake-up call voor bedrijven om plannen te maken voor de volgende verstoring - of het nu gaat om een ​​nieuwe pandemie, natuurramp, burgerlijke onrust of een andere verstoring. AI kan bedrijven helpen om van tevoren te anticiperen op tekorten en leveringsproblemen en vervolgens te reageren met veerkrachtstrategieën, bijvoorbeeld door de levering van essentiële materialen om te leiden wanneer een haven wordt gesloten. Dit zou vereisen dat u over de gegevens beschikt en veerkrachtreacties kunt simuleren. AI kan bedrijven in de toeleveringsketen ook helpen te voorspellen of een bepaalde verstoring (zoals een natuurramp die de koffieproductie opheft) een tijdelijke of langere termijn is en reactiescenario's simuleren op basis van die gegevens.

Net als bij AI-aangedreven fabriekssimulatie, kunnen bedrijven digitale tweelingen gebruiken om scenario's te plannen voor de volgende verstoring. Zoals de MIT Technology Review opmerkte:"Wat als er een droogte is in Taiwan en het watertekort de productie van microchips stillegt? Een digitale tweeling zou het risico hiervan kunnen voorspellen, de impact op uw toeleveringsketen kunnen traceren en — met behulp van versterkend leren — kunnen voorstellen welke acties moeten worden ondernomen om de schade tot een minimum te beperken."

Er is geen gemakkelijke uitweg uit de supply chain-crisis. AI op zich zal ook niet de oplossing bieden. Ik stel voor dat bedrijven eerst de supply chain-crisis opsplitsen in kleinere pijnpunten en uitzoeken hoe ze deze kunnen oplossen, zoals dit bericht heeft gedaan. Vragen:"Hoe kunnen we ons bedrijf beschermen tegen de volgende verstoring?" is waarschijnlijk een te brede vraag. Concentreer u in plaats daarvan op iets dat concreter en gemakkelijker op te lossen is, zoals "Hoe kan ik mijn wagenpark effectiever afstemmen op de stijgende vraag?" Door de vraag te beantwoorden, zal het bedrijf een duidelijke en overtuigende rol voor AI begrijpen.

Ahmer Inam is Chief AI Officer bij Pactera EDGE, een wereldwijd bedrijf voor digitale en technologiediensten.

De COVID-19-pandemie is een proeftuin geworden voor innovaties in meerdere industrieën. Dit is niet verwonderlijk. Door de geschiedenis heen hebben crises geleid tot innovatie. Nu wordt de wereld uitgenodigd om opnieuw te innoveren te midden van een catastrofale verstoring van onze wereldwijde toeleveringsketen.

Het probleem dat we nu ervaren, lijkt misschien een hopeloos knelpunt, en de veranderingen die we moeten aanbrengen om het op te lossen, zullen enige tijd vergen om waarde te realiseren. Maar kunstmatige intelligentie, in combinatie met andere technologieën en innovaties, zou voor een langdurige verbetering kunnen zorgen in de hele toeleveringsketen, van de productievloer tot het winkelschap. Hier zijn enkele scenario's.

De fabrieksvloer verbeteren

De berichtgeving over het knelpunt in de toeleveringsketen is meestal gericht op schepen die vastzitten op zee te midden van havensluitingen. Maar supply chain managers weten dat het verbeteren van de supply chain zich uitstrekt tot de fabrieksvloer waar grondstoffen worden ingekocht en verwerkt tot producten. AI gekoppeld aan andere technologieën kan een groot verschil maken. Een gegevensgestuurde prognose van de levering van grondstoffen kan bijvoorbeeld helpen bij het optimaliseren van beslissingen over productieplanning en arbeidsplanning om burn-out te verminderen. Bovendien kunnen slimme sensoren op de fabrieksvloer de productie efficiënter maken en beter inspelen op zowel vraag- als aanbodschommelingen. Slimme sensoren kunnen de fabrikant ook waarschuwen wanneer vitale onderdelen verslijten, waardoor de fabrikant proactief corrigerende maatregelen kan nemen voordat zich een storing voordoet.

Ik ben het meest enthousiast over het potentieel voor bedrijven om immersieve technologieën zoals virtual reality, mixed reality en augmented reality te combineren met AI (bijv. het huwelijk van diepgaand leren met 3D-simulatie) om productieprocessen te verbeteren. Bedrijven kunnen AI gebruiken om verschillende productiescenario's te simuleren en de fabrieksvloer te optimaliseren op manieren die minder tijdrovend en kosteneffectiever zijn. Bovendien kan een fabrikant met 3D-simulatie en versterkingsleren het hele productieproces optimaliseren, terwijl fysieke fabricage-experimenten mogelijk alleen voor een specifiek proces optimaliseren. Naarmate de belofte van metaverse werkelijkheid wordt, kan deze virtuele toepassing van AI helpen de fabrieksvloer te transformeren, niet alleen efficiënter te maken.

Reageren op verstoring

AI maakt het mogelijk om data en analyses te gebruiken om de voorraad die wordt beïnvloed door de verstoring van de supply chain te identificeren en in kaart te brengen. Als een bedrijf geen zicht heeft op een schip dat zijn materialen vervoert, moet het de crisis gebruiken als een kans om prioriteit te geven aan de digitale transformatie van de toeleveringsketen met data, het internet der dingen en geavanceerde analyses (bijv. machine learning en simulatie). Een bedrijf moet te allen tijde weten waar zijn goederen zich bevinden om met succes te kunnen inschatten welke impact de beperkingen aan de aanbodzijde zullen hebben op zijn activiteiten en het vermogen om aan de verwachtingen van de marktvraag te voldoen. Dit geldt met name voor complexe toeleveringsketens die afhankelijk zijn van veel spelers die wereldwijd actief zijn, zoals we zien in de auto-industrie. Autofabrikanten en retailers hebben moeite om de knelpunten in de toeleveringsketen voor halfgeleiders van het ene land naar het andere op te sporen. Dit gebrek aan transparantie maakt het voor hen bijna onmogelijk om stappen te ondernemen, zoals het identificeren van hoe het knelpunt kan worden doorbroken of om te voorspellen wanneer de voorraden weer normaal kunnen worden. Transparante gegevensuitwisseling en AI kunnen dit probleem helpen oplossen.

Inspelen op de vraag van consumenten

Het is leerzaam om te onthouden dat er geen crisis in de toeleveringsketen zou zijn zonder de vraag van de consument. AI kan iedereen in het ecosysteem van de toeleveringsketen helpen om beter af te stemmen op de vraag van de consument door middel van digitale schaptechnologie. Het digitale schap verwijst losjes naar een productdisplay - zowel in de winkel als online - dat via realtime gegevens is verbonden met de volledige activiteiten en toeleveringsketen van een retailer. Met een digitaal schap kent een bedrijf te allen tijde de exacte voorraadniveaus in elke winkel.

Neem de supermarkten van Amazon.com Inc. Sensoren in Amazon Go-winkels bieden voortdurend bijgewerkte informatie over digitale schappen, waardoor de detailhandelaar de voorraadniveaus kan aanpassen op basis van de regionale vraag en ook kan reageren op plotselinge stijgingen of dalingen in de vraag naar producten. Op grotere schaal bouwt Walmart Inc. deze mogelijkheid ook uit.

Het concept van het digitale schap bestaat al een paar jaar, maar de pandemie heeft het urgenter en actueler gemaakt. Dat komt omdat de snelle en onvoorspelbare veranderingen in de vraag van de consument en een golf van online/offline handel als gevolg van de pandemie elke foutmarge voor bedrijven die voorraadniveaus beheren, hebben weggenomen.

Een digitaal schap lost het knelpunt in de toeleveringsketen niet op, maar het zal bedrijven wel helpen om een ​​cruciaal onderdeel van de toeleveringsketen – de laatste kilometer van levering – soepeler te beheren.

Het tekort aan arbeidskrachten beheren

Een van de redenen waarom de crisis in de toeleveringsketen is verergerd, is een gebrek aan beschikbare arbeidskrachten, zoals magazijnmedewerkers om producten te lossen en vrachtwagenchauffeurs om ze te vervoeren. AI kan bedrijven helpen bij het beheren van een krap arbeidsaanbod, vooral als bedrijven creatief zijn over hoe ze het gebruiken om arbeidskrachten van aannemers te vinden. Veel bedrijven opereren nog steeds in de donkere middeleeuwen wanneer ze tijdelijke hulp vinden om capaciteitspieken op te vangen:ze pakken de telefoon en bellen een uitzendbureau. Dit is een zeer inefficiënte aanpak. Wat als een bedrijf de middelen zou vinden die ze nodig hadden door gebruik te maken van een enkele portal die wordt aangedreven door data en AI? Ervan uitgaande dat bedrijven en hun personeelspartners de portal up-to-date hielden met informatie over hun personeelsbehoeften en middelen, zou AI de middelen kunnen matchen op basis van factoren zoals de omvang van de behoefte, de nabijheid van beschikbaar personeel en middelen en het tijdsbestek. AI zou het probleem niet oplossen als er geen resources beschikbaar waren, maar het zou zeker helpen als het door het juiste platform wordt ingeschakeld.

Planning voor de volgende crisis

AI kan een bedrijf helpen bij het uitvoeren van scenarioplanningsoefeningen en het informeren van kritische zakelijke beslissingen. De pandemie is een wake-up call voor bedrijven om plannen te maken voor de volgende verstoring - of het nu gaat om een ​​nieuwe pandemie, natuurramp, burgerlijke onrust of een andere verstoring. AI kan bedrijven helpen om van tevoren te anticiperen op tekorten en leveringsproblemen en vervolgens te reageren met veerkrachtstrategieën, bijvoorbeeld door de levering van essentiële materialen om te leiden wanneer een haven wordt gesloten. Dit zou vereisen dat u over de gegevens beschikt en veerkrachtreacties kunt simuleren. AI kan bedrijven in de toeleveringsketen ook helpen te voorspellen of een bepaalde verstoring (zoals een natuurramp die de koffieproductie opheft) een tijdelijke of langere termijn is en reactiescenario's simuleren op basis van die gegevens.

Net als bij AI-aangedreven fabriekssimulatie, kunnen bedrijven digitale tweelingen gebruiken om scenario's te plannen voor de volgende verstoring. Zoals de MIT Technology Review opmerkte:"Wat als er een droogte is in Taiwan en het watertekort de productie van microchips stillegt? Een digitale tweeling kan het risico hiervan voorspellen, de impact op uw toeleveringsketen traceren en — met behulp van versterkend leren — voorstellen welke acties moeten worden ondernomen om de schade tot een minimum te beperken."

Er is geen gemakkelijke uitweg uit de supply chain-crisis. AI op zich zal ook niet de oplossing bieden. Ik stel voor dat bedrijven eerst de supply chain-crisis opsplitsen in kleinere pijnpunten en uitzoeken hoe ze deze kunnen oplossen, zoals dit bericht heeft gedaan. Vragen:"Hoe kunnen we ons bedrijf beschermen tegen de volgende verstoring?" is waarschijnlijk een te brede vraag. Richt u in plaats daarvan op iets dat concreter en gemakkelijker op te lossen is, zoals "Hoe kan ik mijn wagenpark effectiever afstemmen op de stijgende vraag?" Door de vraag te beantwoorden, zal het bedrijf een duidelijke en overtuigende rol voor AI begrijpen.

Ahmer Inam is Chief AI Officer bij Pactera EDGE, een wereldwijd bedrijf voor digitale en technologiediensten.