Een Bewezen Drie-Staps AI Adoptie Roadmap voor Toeleveringsketens

De wereldwijde impact van de pandemie heeft een aantal belangrijke lessen opgeleverd voor bedrijven die de volgende grote storing willen doorstaan. Onder hen is de noodzaak om kunstmatige intelligentie beter te implementeren in toeleveringsketens.

Hier zijn enkele tips over hoe bedrijven dat doel kunnen bereiken.

Eerst, bouw een betere model om consumentenvraag te anticiperen, een die rekening houdt met minder voor de hand liggende invoeren. Momenteel zijn dergelijke systemen gebouwd rond eenvoudige trend- en seizoonaliteitsvoorspellingen. In plaats daarvan zouden ze externe invoeren moeten overwegen die gerelateerd zijn aan inflatie, consumentenprijsindices en andere invoerschokken veroorzaakt door COVID-19 interventiebeleiden, zoals stimulanscheques, lockdowns en woningbouw. Veel van deze patronen zijn in hindsight makkelijk te zien, maar dat betekent niet dat ze niet van tevoren gevangen kunnen worden. De schoonheid van AI-gebaseerde modellen voor voorspelling is dat ze in staat zijn interacties op te pikken tussen schijnbaar ongerelateerde kenmerken.

Eenmaal een betere consumentenvraag model is gebouwd, creeër een secundair verzendschattingsmodel. Het zou geconstrueerd moeten zijn om rekening te houden met de huidige toeleveringsketenstaat op elk moment, en de kosten te voorspellen om een container vol product te verzenden. Een voordeel van dit instrument is dat het back-getest kan worden om de nauwkeurigheid te evalueren. Kijk gewoon naar het verleden en controleer de prijsraming op elk gegeven moment om te zien of het de realiteit matcht.

Ten slotte, bouw een systeem dat het vraagmodel en kostenschatter gebruikt om te fungeren als een echte toeleveringsketen AI. De manier waarop dit zou werken is gebaseerd op twee kernobservaties:

• Het vraagmodel kan worden gebruikt om te voorspellen welke capaciteit op een gegeven punt in de toekomst nodig is.
• Het kostenschattingsmodel kan worden gebruikt om te voorspellen wat de prijs zou zijn om die verzending op dat punt in de toekomst voor die vraag te faciliteren.

Met die twee capaciteiten kan een AI-systeem verbeteren door de invoerhendels op het kostenschattingsmodel aan te passen. Het model zal invoerparameters hebben die zo eenvoudig kunnen zijn als 'hoeveel uren per dag draait de haven van Los Angeles'. Het wordt in staat om het effect op verzendkosten te kennen op basis van veranderende waarden. De AI kan getraind worden om constant de invoerhendels aan te passen van wat de toeleveringsketen constituyeert, om te zorgen dat ongeacht wat de vraag is, de totale kosten om de vraag te voldoen een bovengrens heeft.

Deze drie-staps benadering is wat de toeleveringsketen waarschijnlijk zal lijken over de komende 10 jaar. De duivel zit, natuurlijk, in de details. Maar zodra we zo'n systeem op zijn plaats hebben, hoeven we niet meer te vertrouwen op politici voor oplossingen om met toekomstige toeleveringsketen verstoringen om te gaan. Met AI die helpt bij toeleveringsketenplanning en modellering, is de hemel de grens.

James Kaplan is chief executive officer van MeetKAI.