• /
  • /
18.12.2019

ВРЕМЯ ЧТЕНИЯ ≈ 5 МИН.

Цифровой двойник, дополненная аналитика и искусственный интеллект среди ведущих технологических трендов цепочек поставок

Экспертная статья
За последние несколько лет появилось множество инновационных технологий, способных оказать стратегическое влияние на цепочки поставок и операции с ними.

В опубликованном докладе «Основные тренды цепочек поставок 2019 года, которые нельзя игнорировать» (Кристиан Титц, Эндрю Стивенс, 11 марта 2019 года), Gartner приводит восемь главных стратегических трендов, которые оказывают влияние на отрасль, но еще не получили широкого распространения. Эти технологии претерпевают значительные изменения в процессе их освоения и развития.

Некоторые из этих трендов мы считаем наиболее актуальными, основываясь на опыте взаимодействия с клиентами и разработки решений.

Цифровой двойник цепочки поставок

Gartner дает следующее определение: «Цифровой двойник цепочки поставок – это цифровое представление взаимосвязей между всеми соответствующими субъектами сквозной цепочки поставок: продуктами, клиентами, рынками, распределительными центрами / складами, заводами, логистическими затратами и ограничениями. Он значительно повышает ситуационную осведомленность и в разы увеличивает скорость принятия решений».

На горизонтальном уровне цепочка поставок воссоздается в цифровом пространстве по принципу «от завода до клиента», объединяя поставщиков, производственные площадки, распределительные объекты, транспортные линии и места расположения клиентов. По вертикали она содержит представление каждого объекта. Модели могут быть построены как на максимальном уровне детализации, так и в прогнозе на годы вперед, что позволит учесть преимущества и недостатки обоих подходов. Просмотр и оценка всех потоков затрат позволяют провести полный анализ модели. Решения, принятые таким образом, по своей природе взаимосвязаны.

«Организации будут использовать цифрового двойника цепочки поставок на всех уровнях принятия решений, от стратегического до тактического. Надлежащая прогнозная и предписывающая аналитика, включая машинное обучение и ИИ, будет применяться к цифровому двойнику цепочки поставок, чтобы можно было принимать согласованные, и в некоторой степени автоматические, решения», – говорит один из авторов доклада Кристиан Титц.

По большому счету, принятие решений на уровне предприятия все еще отсутствует во многих организациях. Отсюда следует ключевая причина, почему цифровой двойник сквозной цепочки поставок становится новым трендом.

Дополненная аналитика

Эксперты Gartner считают, что влияние дополненной аналитики на цепочку поставок значительно. Дополненная аналитика все чаще используется в режиме реального времени или почти в реальном времени в таких областях, как динамическое ценообразование и пополнение, тестирование качества продукции.

Дополненная аналитика – это автономная или полуавтономная проверка данных или содержимого с использованием сложных методов и инструментов, которые, как правило, выходят за рамки традиционных методов бизнес-аналитики (BI), для более глубокого изучения, прогнозирования или выработки рекомендаций. Она включает в себя анализ данных или текста, машинное обучение, сопоставление закономерностей, прогнозирование, визуализацию, семантический анализ, анализ тональности, кластерный и сетевой анализ, многомерную статистику, графический анализ, моделирование, обработку сложных событий, нейронные сети.

Предписывающая аналитика – это форма дополненной аналитики, которая анализирует данные или содержимое, чтобы ответить на вопрос «Что нужно сделать?» или «Что мы можем сделать, чтобы _______ произошло?». Она характеризуется такими методами, как графический анализ, моделирование, обработка сложных событий, нейронные сети, рекомендательные системы, эвристика и машинное обучение.

Системы предписывающей аналитики обеспечивают поддержку принятия решений для менеджеров цепочки поставок и даже могут действовать автономно при принятии простых решений. Чтобы повысить качество и эффективность таких решений, компании могут включать внешние предпосылки, такие как экономические показатели, и использовать алгоритмы самообучения, которые помогают в автоматизации процесса принятия решений.

В конечном счете, предписывающая аналитика сможет предлагать сценарии с максимальной детализацией, описывающие возможное влияние перехода к новому поставщику на качество продукции или даже то, повысит ли внедрение нового вида автономного транспортного средства безопасность на складе.

Эта степень детализации будет полностью зависеть от способности компаний использовать данные для объединения всех ключевых элементов цепочки поставок в единое целое. Следующим логическим шагом будет автоматизация стандартных действий в цепочке поставок на основе рекомендаций, а также сосредоточение ресурсов на организации всей цепочки и управлении исключениями в стандартных процессах.

Чтобы начать использовать дополненную аналитику в своей цепочке поставок, определите методы, которые ей помогут, проверьте готовность данных и посмотрите, как применять полученные результаты.

Искусственный интеллект

Согласно исследованию Gartner, «Искусственный интеллект (ИИ) в цепочке поставок состоит из технологий, которые стремятся подражать человеческим действиям». Он делает это путем обучения, создания выводов, понимания сложных данных, использования диалогов с людьми и улучшения или замены человеческих действий применительно к некоторым задачам.

Разработчики цепочки поставок могут использовать ИИ для повышения ее функциональной производительности. Полученный опыт говорит о многообещающих преимуществах. ИИ может систематизировать методы моделирования цепочки поставок, такие как прогнозирование спроса, планирование производства или предиктивная поддержка, что помогает автоматически принимать решения.

Некоторые примеры вариантов использования включают использование ИИ для оптимизации маршрутов доставки, применение алгоритмов для уведомлений пользователей и внедрение ИИ-приложений для повышения качества обслуживания клиентов.

Примером систем, управляемых ИИ, служат самообучающиеся цепочки поставок, которые в недалеком будущем позволят принимать предупреждающие решения в случае выявления потенциальных проблем, либо автоматически выполнять действия, необходимые в подобной ситуации.

Многие компании уже начали применять цифровые технологии в управлении цепочками поставок, что в сочетании с ИИ в перспективе позволит создать самообучающиеся цепочки поставок и станет инновационным прорывом в этой области. Сама структура цепочки поставок трансформируется из фиксированной линейной в гибкую, электронно-связанную инфраструктуру, которая может поддерживать несколько виртуальных цепочек поставок. Результатом этой трансформации будут новые варианты потока информации, которые позволят, например, уменьшить сроки выполнения заказов.

Еще одной важной особенностью самообучающихся цепочек поставок является их способность самостоятельно определять параметры пополнения запасов, анализировать их уровень и инициировать процесс пополнения в каждом звене цепочки. Оперативный обмен информацией повышает гибкость всей цепочки. Самообучающиеся цепочки поставок, которые способны прогнозировать и адаптироваться в условиях неопределенности, являются революционным инструментом и станут ключевым конкурентным преимуществом в ближайшие годы.

Несмотря на то, что никакие прогнозы на будущее в отношении цепочек поставок никогда не будут точными на 100%, можно предположить, что Gartner держит руку на пульсе того, что ожидает нас впереди. Оцифровка цепочек поставок стала обязательным условием, и преимущество отнюдь не ограничивается большей эффективностью. Настоящей целью станет множество новых бизнес-моделей и источников дохода, которые откроет цифровая цепочка поставок.


Источник: статья подготовлена на основе отчета Gartner.
Поделиться в социальных сетях
Подпишитесь на обновления в блоге
Когда появится новый полезный материал, мы сразу отправим вам его на почту!
Подпишитесь на обновления в блоге
Когда появится новый полезный материал, мы сразу отправим вам его на почту!
Похожие материалы