AI Inzetten om de Mondiale Toeleveringsketencrisis te Overwinnen

De COVID-19 pandemie is een bewijsgrond geworden voor innovaties over meerdere industrieën heen. Dit is niet verrassend. Door de geschiedenis heen hebben crises innovatie voortgebracht. Nu wordt de wereld uitgenodigd om opnieuw te innoveren midden in een cataclysmische verstoring van onze mondiale toeleveringsketen.

Het probleem wat we nu ervaren kan lijken op een hopeloze knelpunt, en de veranderingen die we nodig hebben om het op te lossen, gaan enige tijd duren om waarde te realiseren. Maar kunstmatige intelligentie, gecombineerd met andere technologieën en innovaties, kan enige duurzame verbetering brengen over de hele toeleveringsketen, van de fabriek vloer tot de detailhandelplank. Hier zijn enkele scenario's.

De Fabrieksvloer Verbeteren

Het nieuws over de toeleveringsketenn knelpunt neigt ertoe te focussen op schepen vastgezet op zee tussen haven sluitingen. Maar toeleveringsketenmanagers weten dat het verbeteren van de toeleveringsketen zich uitstrekt tot de fabrieksvloer waar grondstoffen gesourced en geproduceerd worden tot producten. AI verbonden met andere technologieën kan een groot verschil maken. Zum voorbeeld, een data-gedreven voorspelling op de voorraad van grondstoffen kan helpen de productieplanning beslissingen te optimaliseren evenals arbeidsplanning om uitputting te verminderen. Bovendien kunnen slimme sensoren op de fabrieksvloer de productie efficiënter en responsiever maken op zowel voorraad- als vraagfluctuaties. Slimme sensoren kunnen de fabrikant ook waarschuwen wanneer vitale onderdelen uzien, waardoor het voor de fabrikant mogelijk wordt proactieve correctieve maatregelen te nemen voordat een storing gebeurt.

Ik ben het meest opgewonden over het potentieel voor bedrijven om immersieve technologieën zoals virtuele realiteit, gemengde realiteit en augmented reality te combineren met AI (bijv. de huwelijk van diepe versterkingsleren met 3-D 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 meer kosteneffectief zijn. Bovendien, met 3-D simulatie en versterkingsleren, kan een fabrikant het gehele productieproces optimaliseren, terwijl fysieke productie-experimenten alleen kunnen optimaliseren voor een specifiek proces. Naarmate de belofte van het metaverse vrucht draagt, kan deze virtuele toepassing van AI helpen de fabrieksvloer te transformeren, niet alleen efficiënter te maken.

Reageren op Storing

AI maakt het mogelijk om data en analytics te gebruiken om de voorraad die beïnvloed wordt door de toeleveringsketens storing te identificeren en uit te kaarten. Als een bedrijf zichtbaarheid mist van een schip dat zijn materialen transporteert, dan zou het de crisis moeten gebruiken als een kans om prioriteit te geven aan toeleveringsketen digitale transformatie met data, het internet van dingen en geavanceerde analytics (bijv. machine learning en simulatie). Een bedrijf moet weten waar zijn goederen zijn op alle tijden om met succes de impact van aanbodzijde beperkingen op zijn operaties en vermogen om aan marktvraag verwachtingen te voldoen te kunnen beoordelen. Dit is met name waar van complexe toeleveringsketens die vertrouwen op veel spelers die wereldwijd opereren, zoals we zien in de auto-industrie. Auto-fabrikanten en detailhandelaren worstelen om de knelpunten in de toeleveringsketen voor halfgeleiders van het ene land naar het andere te traceren. Deze gebrek aan transparantie maakt het bijna onmogelijk voor hen om stappen te nemen zoals het identificeren van hoe de knelpunt te doorbreken of te voorspellen wanneer voorraden terugkeren naar normaal. Transparante data sharing en AI kunnen dit probleem helpen oplossen.

Reageren op Consumentenvraag

Het is instructief om te onthouden dat er geen toeleveringsketencrisis zou zijn zonder consumentenvraag. AI kan iedereen in het toeleveringsketens ecosysteem meer afstemmen op consumentenvraag door middel van digitale plank technologie. De digitale plank verwijst losjes naar een productdisplay - zowel in-winkel als online - dat verbonden is met de gehele operaties en toeleveringsketen van een detailhandelaar door real-time data. Met een digitale plank weet een bedrijf zijn exacte voorraadsniveaus in elke winkel op alle tijden.

Neem Amazon.com Inc.'s supermarkten. Sensoren doorheen Amazon Go winkels bieden constant bijgewerkte intelligentie op digitale planken, wat het mogelijk maakt voor de detailhandelaar om voorraadsniveaus aan te passen op basis van regionale vraag en ook te reageren op plotselinge pieken of dalingen in productvraag. Op grotere schaal bouwt Walmart Inc. deze capaciteit ook.

Het concept van de digitale plank bestaat al een paar jaar, maar de pandemie heeft het dringender en tijdiger gemaakt. Dat is omdat de snelle en onvoorspelbare veranderingen in consumentenvraag en een opschoting in online/offline handel voortkomend uit de pandemie elke marge van fout voor bedrijven die voorraadsniveaus managen hebben verwijderd.

Een digitale plank zal de toeleveringsketenn knelpunt niet oplossen, maar het zal bedrijven helpen een cruciale element van de toeleveringsketen - de last mile van levering - soepeler te managen.

De Arbeidstekortkoming Managen

Een van de redenen dat de toeleveringsketencrisis geïntensifieerd is, is een gebrek aan beschikbare arbeid, zoals magazijnwerkers om producten te lossen en vrachtwagenchauffeurs om ze te transporteren. AI kan bedrijven helpen een krappe arbeidsvoorraad te managen, vooral als bedrijven creatief worden over hoe ze het gebruiken om contractarbeid te sourcen. Veel bedrijven opereren nog in de middeleeuwen als ze tijdelijke hulp zoeken om pieken in capaciteit te managen: ze tillen de telefoon op en bellen een uitzendbureau. Dit is een hoogst inefficiënte benadering. Wat als een bedrijf de bronnen die ze nodig hebben zou vinden door in te tappen op een enkele portal aangedreven door data en AI? Aannemende dat bedrijven en hun uitzendpartners de portal up-to-date hielden met informatie over hun bemanningsbehoeftes en bronnen, kan AI bronnen matchen afhankelijk van factoren zoals de omvang van de behoefte, nabijheid tot beschikbare personeel en bronnen, en tijdsframe. AI zou het probleem niet oplossen als nul bronnen beschikbaar waren - maar het zou zeker helpen als het geïnbabled werd door het juiste platform.

Plannen voor de Volgende Crisis

AI kan een bedrijf helpen scenario planning oefeningen uit te voeren en kritieke zakelijke beslissingen te informeren. De pandemie is een wake-up call voor bedrijven om te plannen voor de volgende storing - of het nu een andere pandemie is, natuurramp, burgeronlusten of enige andere storing. AI kan bedrijven helpen tekortkomingen en voorraadaangelegenheden van tevoren te anticiperen en dan te reageren met veerkrachtstrategieën - zum voorbeeld, het omleiden van levering van essentiële materialen wanneer een havensluiting optreedt. Dit zou vereisen dat men de data heeft en in staat is veerkrachtresponsen te simuleren. AI kan ook bedrijven langs de toeleveringsketen helpen voorspellen of een bepaalde storing (zoals een natuurramp die koffieproductie omverwerpt) overgangsmatig of langer termijn is en respons scenario's simuleren op basis van die data.

Vergelijkbaar met AI-aangedreven fabriekssimulatie, kunnen bedrijven digitale tweelingen gebruiken om scenario planning te doen voor de volgende storing. Zoals de MIT Technology Review merkte op, 'Wat als er een droogte is in Taiwan en de watertekortkoming de microchipproductie doet sluiten? Een digitale tweeling kan het risico voorspellen dat dit gebeurt, de impact traceren die het op uw toeleveringsketen zou hebben, en - met versterkingsleren - suggesten welke acties te ondernemen om de schade te minimaliseren.'

Er is geen makkelijke uitweg uit de toeleveringsketencrisis. AI op zich zal de oplossing ook niet bieden. Ik stel voor dat bedrijven de toeleveringsketencrisis eerst opsplitsen in kleinere pijnpunten en uitzoeken hoe ze opgelost kunnen worden, zoals deze post gedaan heeft. Vragen, 'Hoe kunnen we ons bedrijf beschermen van de volgende storing?' is waarschijnlijk te breed een vraag. In plaats daarvan, focus op iets wat concreter en makkelijker oplosbaar is, zoals 'Hoe kan ik mijn vrachtwagenchauffeursvloot effectiever afstemmen op pieken in vraag?' Het beantwoorden van de vraag zal het bedrijf helpen een duidelijke en overtuigende rol voor AI te begrijpen.

Ahmer Inam is chief AI officer bij Pactera EDGE, een wereldwijd digitale en technologie dienstverlenende bedrijf.