คู่มืออุตสาหกรรม

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทาน

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานใช้การเรียนรู้ของเครื่องเพื่อคาดการณ์ความต้องการ กำหนดเส้นทางการจัดส่ง และสร้างสมดุลสินค้าคงคลังในเครือข่ายทั่วโลกที่ซับซ้อน

ภาพรวม

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานใช้การเรียนรู้ของเครื่องเพื่อคาดการณ์ความต้องการ กำหนดเส้นทางการจัดส่ง และสร้างสมดุลสินค้าคงคลังในเครือข่ายทั่วโลกที่ซับซ้อน เป็นเรื่องสำคัญเพราะประสิทธิภาพแม้เพียงเล็กน้อยก็ยังช่วยประหยัดเงินได้นับพันล้าน ตลอดจนการสต็อกสินค้าและความล่าช้าน้อยลงมาก

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานใช้ AI ในสภาพแวดล้อมเฉพาะโดเมน ซึ่งกฎระเบียบ การดำเนินงาน และการยอมรับความเสี่ยงเป็นตัวกำหนดตัวเลือกการออกแบบอย่างมาก

เจาะลึก

ห่วงโซ่อุปทานเป็นเครือข่ายที่กว้างขวางของซัพพลายเออร์ โรงงาน คลังสินค้า เรือ รถบรรทุก และร้านค้า ซึ่งแต่ละแห่งสร้างข้อมูล AI กลืนท่อดับเพลิงนี้เพื่อการตัดสินใจที่มนุษย์ไม่สามารถคำนวณได้เร็วพอ โมเดลการคาดการณ์ความต้องการผสมผสานยอดขายในอดีตเข้ากับสภาพอากาศ โปรโมชั่น วันหยุด และแม้กระทั่งสัญญาณโซเชียลมีเดีย เพื่อคาดการณ์ว่าอะไรจะขายที่ไหน อัลกอริธึมการเพิ่มประสิทธิภาพจะตัดสินใจว่าจะสร้างได้มากเพียงใด จะสต็อกไว้ที่ไหน และรถบรรทุกแต่ละคันควรใช้เส้นทางใด ในช่วงที่เกิดการเปลี่ยนแปลงในปี 2020-2022 บริษัทที่มีการวางแผนที่ขับเคลื่อนด้วย AI จะฟื้นตัวเร็วขึ้น เนื่องจากสามารถวางแผนใหม่ได้ภายในไม่กี่ชั่วโมง ไม่ใช่หลายสัปดาห์ เครื่องมือต่างๆ เช่น Blue Yonder, o9 Solutions และระบบภายในของ Amazon ประสานงาน SKU หลายล้านรายการ เปลี่ยนการดับเพลิงเชิงรับให้เป็นการวางแผนเชิงรุกที่ขับเคลื่อนด้วยข้อมูล

ข้อมูลเชิงลึกทางเทคนิค

ภายใต้ประทุน การคาดการณ์ความต้องการมักจะใช้ต้นไม้ที่มีการไล่ระดับสี (เช่น XGBoost) หรือแบบจำลองลำดับ (LSTM, หม้อแปลงไฟฟ้า) ที่ได้รับการฝึกอบรมเกี่ยวกับข้อมูลอนุกรมเวลา การตัดสินใจเกี่ยวกับเส้นทางและสินค้าคงคลังถือเป็นปัญหาการหาค่าเหมาะที่สุดทางคณิตศาสตร์ โปรแกรมเชิงเส้นจำนวนเต็มผสม ซึ่งแก้ไขโดยกลไกเช่น Gurobi หรือ CPLEX ซึ่งบางครั้งได้รับคำแนะนำจากการเรียนรู้แบบเสริมแรง สิ่งสำคัญคือวงจรป้อนกลับ: การคาดการณ์จะป้อนเครื่องมือเพิ่มประสิทธิภาพ ผลลัพธ์ในโลกแห่งความเป็นจริงจะป้อนกลับเป็นข้อมูลการฝึกอบรมใหม่ และระบบจะปรับให้ทั้งการคาดการณ์และการตัดสินใจมีความคมชัดขึ้นอย่างต่อเนื่อง

การเรียนรู้ AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทาน

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานใช้การเรียนรู้ของเครื่องเพื่อคาดการณ์ความต้องการ กำหนดเส้นทางการจัดส่ง และสร้างสมดุลสินค้าคงคลังในเครือข่ายทั่วโลกที่ซับซ้อน เป็นเรื่องสำคัญเพราะประสิทธิภาพแม้เพียงเล็กน้อยก็ยังช่วยประหยัดเงินได้นับพันล้าน ตลอดจนการสต็อกสินค้าและความล่าช้าน้อยลงมาก AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานใช้ AI ในสภาพแวดล้อมเฉพาะโดเมน ซึ่งกฎระเบียบ การดำเนินงาน และการยอมรับความเสี่ยงเป็นตัวกำหนดตัวเลือกการออกแบบอย่างมาก เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ปฏิบัติต่อ AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานให้เป็นแบบจำลองการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานจะปรับความสามารถทางเทคนิคให้สอดคล้องกับนโยบายโดเมน การตรวจสอบ และการตัดสินใจระดับแนวหน้า โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่ ในเวลาเดียวกัน ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของ AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทาน

คาดหวังว่าห่วงโซ่อุปทานจะกลายเป็น 'การรักษาตนเอง' Digital Twins ซึ่งเป็นแบบจำลองเสมือนสดของเครือข่ายทั้งหมด จะช่วยให้ AI จำลองการปิดพอร์ตหรือความล้มเหลวของซัพพลายเออร์ และเปลี่ยนเส้นทางโดยอัตโนมัติก่อนที่จะเกิดการหยุดชะงัก Generative AI กำลังเพิ่มอินเทอร์เฟซภาษาธรรมชาติเพื่อให้นักวางแผนสามารถถามว่า 'จะเกิดอะไรขึ้นถ้าความต้องการเพิ่มขึ้น 20% ในเท็กซัส' และรับสถานการณ์ทันที ระบบตัวแทนจะเจรจากับซัพพลายเออร์ จองค่าขนส่ง และปรับคำสั่งซื้อโดยอัตโนมัติ โดยให้มนุษย์ตั้งฉากกั้นแทนที่จะอนุมัติทุกธุรกรรม

การใช้งานจริงในโลกแห่งความเป็นจริง

Walmart ใช้ AI เพื่อคาดการณ์ความต้องการสินค้าหลายล้านรายการต่อร้านค้า การตัดสินค้าคงเหลือ และลดขยะอาหารในผักผลไม้สด

รูปแบบการจัดส่งที่คาดการณ์ไว้ของ Amazon จะวางตำแหน่งสินค้าคงคลังในศูนย์ปฏิบัติตามใกล้กับจุดที่คาดการณ์ว่าคำสั่งซื้อจะมาถึง ส่งผลให้เวลาในการจัดส่งลดลง

Maersk ใช้ AI เพื่อเพิ่มประสิทธิภาพการกำหนดเส้นทางเรือคอนเทนเนอร์และกำหนดเวลาท่าเรือ ประหยัดเชื้อเพลิงและลดการปล่อยก๊าซคาร์บอนไดออกไซด์

Procter & Gamble ใช้การวางแผนที่ขับเคลื่อนด้วย AI เพื่อประสานงานซัพพลายเออร์หลายพันรายและสร้างสมดุลสินค้าคงคลังในศูนย์กระจายสินค้าทั่วโลก

รูปแบบการดำเนินงาน

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานในทางปฏิบัติ

Walmart ใช้ AI เพื่อคาดการณ์ความต้องการสินค้าหลายล้านรายการต่อร้านค้า การตัดสินค้าคงเหลือ และลดขยะอาหารในผักผลไม้สด

Walmart ใช้ AI เพื่อคาดการณ์ความต้องการสินค้าหลายล้านรายการต่อร้านค้า การตัดสินค้าหมดสต๊อก และลดขยะอาหารในผักผลไม้สด ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งผลผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานในทางปฏิบัติ

รูปแบบการจัดส่งที่คาดการณ์ไว้ของ Amazon จะวางตำแหน่งสินค้าคงคลังในศูนย์ปฏิบัติตามใกล้กับจุดที่คาดการณ์ว่าคำสั่งซื้อจะมาถึง ส่งผลให้เวลาในการจัดส่งลดลง

โมเดลการจัดส่งที่คาดการณ์ไว้ของ Amazon จะวางตำแหน่งสินค้าคงคลังในศูนย์ปฏิบัติตามใกล้กับจุดที่คาดการณ์ว่าคำสั่งซื้อจะมาถึง เวลาจัดส่งที่ลดลง ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานในทางปฏิบัติ

Maersk ใช้ AI เพื่อเพิ่มประสิทธิภาพการกำหนดเส้นทางเรือคอนเทนเนอร์และกำหนดเวลาท่าเรือ ประหยัดเชื้อเพลิงและลดการปล่อยก๊าซคาร์บอนไดออกไซด์

Maersk ใช้ AI เพื่อเพิ่มประสิทธิภาพการกำหนดเส้นทางเรือคอนเทนเนอร์และกำหนดเวลาท่าเรือ ประหยัดเชื้อเพลิงและลดการปล่อยก๊าซคาร์บอนไดออกไซด์ ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการเพิ่มประสิทธิภาพห่วงโซ่อุปทานในทางปฏิบัติ

Procter & Gamble ใช้การวางแผนที่ขับเคลื่อนด้วย AI เพื่อประสานงานซัพพลายเออร์หลายพันรายและสร้างสมดุลสินค้าคงคลังในศูนย์กระจายสินค้าทั่วโลก

Procter & Gamble ใช้การวางแผนที่ขับเคลื่อนด้วย AI เพื่อประสานงานซัพพลายเออร์หลายพันรายและสร้างสมดุลสินค้าคงคลังในศูนย์กระจายสินค้าทั่วโลก ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้

!

ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง

!

ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

แผนงานการดำเนินงาน

1

ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน

ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว

ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ

ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป