Поврзете се со нас

Мислите лидери

Гладни за податоци: Како вештачката интелигенција на синџирот на снабдување може да ја достигне својата точка на флексија

Вештачката интелигенција (ВИ) во синџирите на снабдување е работа на пилешко или јајце. Има и такви кои ја возвишуваат вештачката интелигенција за нејзиниот потенцијал да создаде поголема видливост во операциите на синџирот на снабдување. Со други зборови, прво вештачка интелигенција, второ видливоста.

Што можеби беше точно кога продорната видливост на синџирот на снабдување во реално време не беше инаку остварлива. Но, трансформативната вештачка интелигенција на синџирот на снабдување - вклучително и многу моќната генеративна вештачка интелигенција, која создава свежи сознанија, резултати, процеси и ефикасност од огромни збирки на податоци - бара да ја превртиме равенката на главата. Видливоста прво, проследена со иновации водени од GenAI низ синџирот на снабдување.

Замислете регионален менаџер за малопродажба, дистрибутер, производител или службеник за набавки кој се буди во понеделник, лансира познат чет-бот со вештачка интелигенција (можеби дури и активиран со глас) и прашува на природен јазик дали нивниот синџир на снабдување е оптимизиран за оваа недела. И ако не е, прашувајте како синџирот на снабдување може да се прилагоди за да ги исполни нивните цели. GenAI ја овозможува оваа интеракција со системите на синџирот на снабдување.

Но, единствениот начин на кој решението за синџирот на снабдување базирано на GenAI може автоматски да даде такви одговори е ако го знае статусот, локацијата, состојбата, движењето итн. на секој производ, кутија, куќиште, палета итн. во синџирот на снабдување. И единствениот начин да го знае тоа е ако самите производи можат автоматски да ги соопштат информациите без човечка интервенција. Денес, тие можат, преку сеприсутната платформа за видливост наречена амбиентален интернет на нештата (IoT).

GenAI во синџирот на снабдување

Глобалната консултантска компанија Ернст и Јанг проценува 40 проценти од компаниите со синџирот на снабдување инвестираат во GenAI. Тие го користеа GenAI за мапирање на сложени мрежи за снабдување, за извршување на сценаријата „што-ако“, за прогнозирање на снабдувањето нагоре и низводно, за развој на чат-ботови за партнерите да можат полесно да добиваат одговори, па дури и да генерираат нови договори врз основа на минати или постоечки договори.

Во такви случаи, компаниите сами обучуваат модели на вештачка интелигенција, историски податоци и што можат да соберат од партнерите. Потоа тие бараат од GenAI да најде начини за зголемување на ефикасноста. Но, како што велат аналитичарите на EY, „Алатките на GenAI се моќни само како нивните влезни податоци, така што тие се ограничени од квалитетот и достапноста на податоците од партнерите во синџирот на снабдување“.

Меѓутоа, светиот грал на вештачката интелигенција на синџирот на снабдување е да генерира нови правци, процеси, дизајни на производи и списоци на добавувачи врз основа на податоци во реално време - и да го направи тоа што е можно побрзо (што е побрзо отколку што е човечки возможно). Или како еден извршен директор изјави за Harvard Business Review, „Кога има криза во синџирот на снабдување, клучот за да се биде конкурентен е да се биде побрз во наоѓањето алтернативни добавувачи од сите други затоа што сите сакаат да го прават истото“.

Ова бара обука на решенијата на GenAI за многу повеќе - и поактуелни - податоци за реалните операции на синџирот на снабдување. Внесете го амбиенталниот IoT.

Амбиентниот IoT: Јазикот на синџирите на снабдување

Со амбиентниот IoT, производите, пакувањата и местата носат дигитални потписи, кои се јазикот за видливост во реално време на синџирот на снабдување, кој на крајот се вметнува во големи јазични модели (LLMs) кои се основата на GenAI. Овие потписи се носат преку IoT пиксели, електронски ознаки со големина на печат кои се напојуваат самостојно, прицврстени на сè во синџирот на снабдување што треба да се следи и следи. IoT пикселите вклучуваат сопствена пресметковна моќ, сензори и Bluetooth комуникации, дозволувајќи им на производите и пакувањата да го опишат своето патување низ синџирот на снабдување со податоци што можат да ги консумираат LLM. На крајот на краиштата, тие претставуваат мост помеѓу физичкиот и дигиталниот свет, овозможувајќи за прв пат достапни податоци од синџирот на снабдување кои всушност можат да ги прикажат, предвидат и оптимизираат операциите.

Амбиенталните IoT пиксели комуницираат податоци преку воспоставена мрежа на постојни безжични уреди, како што се паметни телефони и точки за безжичен пристап, или преку лесно распоредени, достапни, стандардизирани мостови и порти инсталирани во продавници, магацини, камиони за испорака и друго. Всушност, со соодветни дозволи и заштита на приватноста, амбиенталните IoT пиксели можат да ја прошират видливоста на синџирот на снабдување до потрошувачот, пренесувајќи податоци за употребата на производот, повторното користење и рециклирањето, докажувајќи ја основата за понапредни модели GenAI.

И тие испраќаат податоци континуирано. За разлика од записите на синџирот на снабдување што се користат за обука на моделите GenAI денес, амбиенталните податоци за IoT го опишуваат синџирот на снабдување веднаш. Со оваа видливост, сè што останува е да се имплементира GenAI за да одговори наместо нас: „Што гледам во мојот синџир на снабдување, веднаш? "

Видливоста во реално време и генерирање амбиентални IoT податоци низ синџирот на снабдување би можеле дури и да помогнат во решавањето на еден од предизвиците на GenAI: дека податоците што се користат за обука на LLM нужно ги одразуваат ненамерните пристрасност на податоците од нивните извори кои генерираат, кои често ги вклучуваат различните ERP системи на компаниите.

Производите проследени низ синџирот на снабдување со амбиентален IoT зборуваат објективна вистина бидејќи производите, всушност, се наоѓаат таму каде што амбиенталниот IoT вели дека се таму, кога вели дека се. И бидејќи амбиенталниот IoT не бара работниците со RFID скенери да ги следат пратките, човечката грешка може да се минимизира.

Амбиенталните податоци за IoT ја опишуваат маршрутата и времето што производите го поминуваат во синџирот на снабдување. И производите носат во нивните дигитални пасоши на производи податоци за страните и капацитетите вклучени во нивното ракување. Доколку е применливо, амбиенталните IoT пиксели може да додадат на LLM информации за температурата, влажноста и емисиите на јаглерод секој чекор од патот.

Според EY, една област во која компаниите од синџирот на снабдување ја истражуваат употребата на GenAI е регулаторното и ESG известувањето. Најдобар, најисплатлив начин за собирање огромни податоци, така што GenAI да дава соодветни информации е преку амбиентниот IoT.

Од Chatbot до автоматизација

Секој ден, постојат два начини на кои спојувањето на амбиенталниот IoT и GenAI може да им користи на синџирите на снабдување. Прво, ќе им овозможи на повеќе луѓе во синџирот на снабдување да ги разберат ситуациите кои се развиваат и да преземат активни чекори за оптимизирање или корекција на операциите на синџирот на снабдување. Не мора да бидете аналитичар на податоци или специјалист за набавки за да прашате четбот на GenAI за статусот на пратките или да побарате алтернативни добавувачи, иако на компаниите ќе им требаат експерти за податоци за да се осигураат дека LLM и алатките GenAI еволуираат за да дадат корисни резултати. Но, демократизацијата на анализата и истражувањето на синџирот на снабдување може да овозможат брзо донесување одлуки потребно за да биде конкурентно.

Второ, GenAI и другите алатки за вештачка интелигенција можат да помогнат да се изгради мост кон поголема автоматизација на синџирот на снабдување. Преку машинското учење, особено зајакнувачкото учење кое често се среќава во контролните системи, софтверот може да се обучи да донесува одлуки што постигнуваат подобри резултати. Евентуално, на пример, тие би можеле да бидат обучени да откриваат прекини во синџирот на снабдување пред да се случат и автоматски да ангажираат алтернативни добавувачи или испраќачи. Или може да иницираат предвидливо одржување со одредување дали одредени магацински или производствени системи или линии може да откажат.

Тие го прават тоа со учење од големи збирки на податоци, вклучувајќи податоци за синџирот на снабдување генерирани од амбиенталниот IoT.

Како што дознавме во последниве години, сложените синџири на снабдување постојат на работ на жилетот. Неколку ситни фактори можат да ги втурнат во хаос. Вештачката интелигенција ќе биде клучна за да се избегне хаос во иднина. Но, за да стигнат таму, синџирите на снабдување треба да ги отклучат податоците за работи што моментално не можат да ги видат. Ambient IoT ги испорачува податоците за видливост на кои ќе се градат утрешните иновации на GenAI.

Охад Силберт, д-р, е директор за наука за податоци во Вилиот, каде што тој го предводи развојот на науката за податоци, вклучително и создавање на модели за вештачка интелигенција на науката за податоци кои го премостуваат амбиенталниот IoT и сознанијата за податоците од синџирот на снабдување што може да се извлечат од него. Пред неговата работа во Вилиот, Охад водеше група за вештачка интелигенција во медицинската индустрија, развивајќи компјутерска визија и јазични модели.