الذكاء الاصطناعي/التعلم الآلي لبناء سلاسل التوريد الذكية

ان سلسلة التوريد الذكية يدمج البيانات والأتمتة والتقنيات التحليلية المتقدمة لتحقيق الكفاءة وخفض التكاليف لأجزاء مختلفة من سلسلة التوريد. يمكن أن يكون مصدرًا للميزة الإستراتيجية للمؤسسة من خلال تعزيز تجربة العملاء. يتم دعمه عادةً من خلال مجموعة من تقنيات التحسين وتقنيات الذكاء الاصطناعي/التعلم الآلي. نستكشف خمس حالات استخدام ونربطها بخمسة عناصر لإدارة سلسلة التوريد: الخطة ← المصدر ← الصنع ← التسليم ← اللوجستيات العكسية.

1. استشعار الطلب على المدى القصير (الخطة): تعد إدارة المخزون نشاطًا بالغ الأهمية في سلسلة التوريد. ترتبط تكاليف رأس المال العامل والتخزين بمستويات المخزون، والتي تعتمد بدورها على التنبؤ الدقيق بالطلب من بين عوامل أخرى. يساعد المستوى العالي من دقة التنبؤ على تقليل تكاليف المخزون ونفاد المخزون من خلال تحفيز تصنيع الكمية المناسبة من المنتج في المكان المناسب وفي الوقت المناسب. ويساعد ذلك على تحسين المخزون في المستودعات مما يقلل من مستويات المخزون الآمن، وبالتالي تقليل التكاليف، مع تجنب نفاد المخزون الذي قد يؤدي إلى خسائر طويلة الأجل في الأعمال والإيرادات. يمكن للتطبيق المدعم بالذكاء الاصطناعي تحديد الأنماط في طلبات العملاء وربط بعض المؤشرات الرائدة بالطلب على المدى القصير ليكون أكثر دقة من الطرق التقليدية. باستخدام معلومات الطلبات في الوقت الفعلي، يمكننا أتمتة توقعات الطلب للشهر الحالي والشهر التالي والتي يتم تحديثها بانتظام.

2. تجزئة الموردين (المصدر): قد يكون لدى المؤسسات الكبيرة مئات أو آلاف الموردين الذين يشكلون جزءًا لا يتجزأ من سلسلة التوريد الخاصة بهم. يتم الحصول على مواد خام مختلفة بكميات مختلفة من الموردين. لتقليل تكلفة المشتريات مع زيادة موثوقية العرض، سيكون من المفيد تطبيق استراتيجيات مختلفة على الموردين المختلفين. سيكون تجميع الموردين في مجموعات رئيسية قليلة مفيدًا في هذا الصدد نظرًا لوجود عدد كبير من الموردين. سيمكن هذا النوع من التجزئة من إجراء مفاوضات عقود مستهدفة بشأن أسعار المواد الخام وأحجامها وتوقيت العرض لتحسين الإنفاق. يمكن للتطبيق الذي يدعم الذكاء الاصطناعي تقسيم الموردين بناءً على ميزات مثل الحجم والسعر والعلاقة الإستراتيجية والموثوقية لتمكين المتخصصين في تحديد المصادر من اعتماد استراتيجيات شراء مماثلة للموردين داخل المجموعة. يمكن تحديث هذا التقسيم على أساس شهري أو ربع سنوي لمراعاة تغييرات الموردين.

3. التنبؤات بفشل المعدات (التصنيع): تعد فترات التوقف غير المخطط لها بسبب فشل الموثوقية أمرًا شائعًا في عمليات التصنيع. تميل هذه إلى الضغط على أوضاع مخزون المنتج ويمكن أن تؤدي إلى تأخير في تلبية احتياجات العملاء. إن التنبؤ بموعد حدوث فترات التوقف هذه يمكن أن يساعد المنشأة إما على اتخاذ إجراءات للتخفيف من مخاطر تعطل المعدات أو الاستعداد مسبقًا عن طريق بناء المخزون لحساب فترة التوقف. يمكن أن تساعد هذه التنبؤات وإجراءات التخفيف اللاحقة في تجنب نفاد المخزون وخسارة الإيرادات، فضلاً عن تحفيز الاستثمار في خيارات الصيانة الوقائية لتجنب الإصلاحات المكلفة. يمكن للتطبيق الذي يدعم الذكاء الاصطناعي ربط أعطال المعدات بالقياسات الرئيسية (مثل الإنتاجية والضغط ودرجة الحرارة وما إلى ذلك) للأيام أو الأسابيع التي تسبق حدوث عطل غير مخطط له في المعدات وتقديم رؤى حول توقيت الأعطال. اعتمادًا على دقة القياسات، قد يتم تشغيل التطبيق كل يوم أو كل بضعة أيام لتقييم مخاطر الفشل.

4. التنبؤ بوقت التسليم (التسليم): يعد التسليم في الوقت المحدد للعملاء مقياسًا رئيسيًا لقياس أداء سلاسل التوريد التي تؤثر بشكل مباشر على تجربة العملاء. تقوم المؤسسات بقياس هذا المقياس وتحاول بنشاط تحسينه بناءً على اتجاهات التأخير التاريخية. إن القدرة على التنبؤ بأوقات التسليم بدقة يمكن أن تساعد في توصيل المنتج إلى العميل في الوقت المطلوب، وبالتالي تجنب تجربة العميل السيئة وخسارة الأعمال نتيجة لذلك وتجنب العقوبات والرسوم الأخرى بسبب التأخر في التسليم. يمكن استخدام تطبيق مزود بالذكاء الاصطناعي للتنبؤ بأوقات التسليم بناءً على يوم البدء والوقت والموسم والناقل والمصدر والوجهة من بين سمات أخرى. مثل هذا التنبؤ لكل شحنة سيمكن من إبقاء العميل على اطلاع ويعزز تجربة العملاء والاحتفاظ بهم. علاوة على ذلك، يمثل هذا فرصة لتحسين المسارات واختيار شركات النقل الأفضل أداءً.

5. توقعات مرتجعات العملاء (اللوجستيات العكسية): يتم إرجاع نسبة من المبيعات من قبل العملاء لمجموعة متنوعة من الأسباب بما في ذلك عدم استيفاء مواصفات الجودة أو التأخير في الشحن. للتحضير لشحنات المرتجعات والتخزين والمعالجة، تحتاج الشركات إلى الحصول على تقدير دقيق لحجم المنتجات العائدة. وهذا سوف يساعد في تقليل تكاليف التخزين والمعالجة. يمكن أن يوفر التطبيق الممكّن للذكاء الاصطناعي حجمًا إجماليًا من المرتجعات كدالة للأسابيع العديدة الماضية من شحنات العملاء. ويمكن تحديث هذا التوقع على أساس أسبوعي.