Изложение заметки
6 Benefits of Machine Learning and AI for Supply Chain Management
Written By: Limor Wainstein.
Прежде всего стоит отметить, что Искусственный интеллект является одной самых прорывных технологий XXI века.
Как бы это не оказалось слишком оптимистическим.
Да, для стартапов, а также для подразделений НИОКР в области ИТ - это весьма прорывная технология, позволяющая освоить не один миллион долларов.
Ну и конечно, такой интерес к искусственному интеллекту хорошо стимулирует инновации в многих секторах и отраслях экономики.
Заметка же концентриуется на инновациях в секторе "Управление цепочками поставок".
Утверждается, что:
- Управление цепочками поставок - одна из областей, в которой ИИ имеет множество приложений и преимуществ.
ИИ интеллект, как бизнес-технология, принимается в достаточно узком смысле, настолько узким, что программые решения не могут истолкованы как "интеллект". Речь идет о поведение машин "как бы" человоческим образом. Это "like human" поведение и позволило привлечь серьезную концепцию - искусственный интеллект - для характеристики решений человекоподобного поведения систем, как бы принимающих решения в простых и рутинных ситуациях.
Более точно говоря, ИИ в данном случае состоит в моделирование интеллектуального поведения человека с помощью программых систем (машин) для выполнения рутинных операций, не требующих мало-мальской искры творчества и интуиции.
Данные программные решения широка используют статистические методы и алгоритмы как бы без применения явного программирования: используются только данные, поступающие на вход алгоритма.
Но даже такой ИИ несет немало преимуществ. И они раскрываются в заметке.
1. Прогнозная аналитика.
Используется для прогнозирования спроса для решения задач оптимизации процессов цепочки поставок. Оптимальные уровни запасов и снижение затрат на удержание являются ключевыми преимуществами точного прогнозирования спроса. Модели машинного обучения отлично подходят для решения задач прогнозной аналитики. Более того, модели машинного обучения могут идентифицировать скрытые шаблоны в загруженных данных.
2. Управление запасами.
В этом секторе интересно применение компьютерного зрения, позволяющего видеть, идентифицировать и обрабатывать изображения. Компьютерное зрение обеспечивает, например, с помощью робота, оснащенного камерой, контроль запасов и инвентария на складах или на полках магазинов.
3. Оптизация закупок.
Здесь нашли применение чатботы. Чатботы открывают диалоговые интерфейсы между человеком-оператором и автоматизированной системой. Человек может запрашивать информацию о закупках, о ходе исполнения заказов и им не нужно ждать ответов человека-оператора. ИИ сам предоставит всю необходимую информацию в реальном масштабе времени и теперь не требуется ждать, пока ответит оператор, пока он зайдет в систему, пока он найдет нужную информацию.
4. Автоматизированная проверка качества
Система искусственного интеллекта может использоваться для автоматического анализа дефектов и повреждений, тем самым заменяя ручные проверки качества, проводимые в логистических узлах. Такие проверки применимы для проверки пакетов или контейнеров на предмет любого повреждения во время транспортировки.
Использование ИИ для автоматических автоматических проверок качества снижает вероятность доставки дефектных товаров клиентам.
5. Улучшение проверок и обеспечения соответствия правовым и этическим нормам, соответствие стандартам соответствия (compliance).
Производители в определенных отраслях промышленности должны соблюдать ряд отраслевых правил, регулирующих качество продукции. В таких отраслях, как аэрокосмическая промышленность и здравоохранение, качество услуг имеет первостепенное значение. Управление качеством продукции, поступающей от поставщиков, является дорогостоящим и трудоемким мероприятием. Производители в сильно регулируемых отраслях промышленности должны отслеживать и контролировать тысячи или даже миллионы компонентов из разных поставщиков, чтобы обеспечить соответствие стандартам соответствия. Модели машинного обучения могут оптимизировать аудит и контроль соответствия компонентов.
6. Более быстрые и более продуктивные поставки.
Решаемаемые задачи - сокращение сроков доставки. Ожидается, что данная задача может быть успешно решена с помощью автономных транспортных средств. Это соответственно, снимает проблемы с водителями грузовиков, которым требуется существенное временя для отдыха и перерывов. Автономные транспортные средства не нуждаются в отдыхе.
6 Benefits of Machine Learning and AI for Supply Chain Management
Written By: Limor Wainstein.
Как бы это не оказалось слишком оптимистическим.
Да, для стартапов, а также для подразделений НИОКР в области ИТ - это весьма прорывная технология, позволяющая освоить не один миллион долларов.
Ну и конечно, такой интерес к искусственному интеллекту хорошо стимулирует инновации в многих секторах и отраслях экономики.
Заметка же концентриуется на инновациях в секторе "Управление цепочками поставок".
Утверждается, что:
- Управление цепочками поставок - одна из областей, в которой ИИ имеет множество приложений и преимуществ.
ИИ интеллект, как бизнес-технология, принимается в достаточно узком смысле, настолько узким, что программые решения не могут истолкованы как "интеллект". Речь идет о поведение машин "как бы" человоческим образом. Это "like human" поведение и позволило привлечь серьезную концепцию - искусственный интеллект - для характеристики решений человекоподобного поведения систем, как бы принимающих решения в простых и рутинных ситуациях.
Более точно говоря, ИИ в данном случае состоит в моделирование интеллектуального поведения человека с помощью программых систем (машин) для выполнения рутинных операций, не требующих мало-мальской искры творчества и интуиции.
Данные программные решения широка используют статистические методы и алгоритмы как бы без применения явного программирования: используются только данные, поступающие на вход алгоритма.
Но даже такой ИИ несет немало преимуществ. И они раскрываются в заметке.
1. Прогнозная аналитика.
Используется для прогнозирования спроса для решения задач оптимизации процессов цепочки поставок. Оптимальные уровни запасов и снижение затрат на удержание являются ключевыми преимуществами точного прогнозирования спроса. Модели машинного обучения отлично подходят для решения задач прогнозной аналитики. Более того, модели машинного обучения могут идентифицировать скрытые шаблоны в загруженных данных.
2. Управление запасами.
В этом секторе интересно применение компьютерного зрения, позволяющего видеть, идентифицировать и обрабатывать изображения. Компьютерное зрение обеспечивает, например, с помощью робота, оснащенного камерой, контроль запасов и инвентария на складах или на полках магазинов.
3. Оптизация закупок.
Здесь нашли применение чатботы. Чатботы открывают диалоговые интерфейсы между человеком-оператором и автоматизированной системой. Человек может запрашивать информацию о закупках, о ходе исполнения заказов и им не нужно ждать ответов человека-оператора. ИИ сам предоставит всю необходимую информацию в реальном масштабе времени и теперь не требуется ждать, пока ответит оператор, пока он зайдет в систему, пока он найдет нужную информацию.
4. Автоматизированная проверка качества
Система искусственного интеллекта может использоваться для автоматического анализа дефектов и повреждений, тем самым заменяя ручные проверки качества, проводимые в логистических узлах. Такие проверки применимы для проверки пакетов или контейнеров на предмет любого повреждения во время транспортировки.
Использование ИИ для автоматических автоматических проверок качества снижает вероятность доставки дефектных товаров клиентам.
5. Улучшение проверок и обеспечения соответствия правовым и этическим нормам, соответствие стандартам соответствия (compliance).
Производители в определенных отраслях промышленности должны соблюдать ряд отраслевых правил, регулирующих качество продукции. В таких отраслях, как аэрокосмическая промышленность и здравоохранение, качество услуг имеет первостепенное значение. Управление качеством продукции, поступающей от поставщиков, является дорогостоящим и трудоемким мероприятием. Производители в сильно регулируемых отраслях промышленности должны отслеживать и контролировать тысячи или даже миллионы компонентов из разных поставщиков, чтобы обеспечить соответствие стандартам соответствия. Модели машинного обучения могут оптимизировать аудит и контроль соответствия компонентов.
Решаемаемые задачи - сокращение сроков доставки. Ожидается, что данная задача может быть успешно решена с помощью автономных транспортных средств. Это соответственно, снимает проблемы с водителями грузовиков, которым требуется существенное временя для отдыха и перерывов. Автономные транспортные средства не нуждаются в отдыхе.
Комментариев нет:
Отправить комментарий