Łańcuchy dostaw zawsze były złożonym zagadnieniem i funkcjonowały pod ciągłą presją. Powszechnie oczekuje się od producentów, że będą oni skalować produkcję, ograniczać przestoje i zaspokajać zapotrzebowanie klientów, obniżając jednocześnie koszty i skracając czas realizacji zamówień, a tym samym generując wyższy zwrot z zaangażowanego kapitału.
Choć niektóre zakłócenia są nieuniknione, to konkurencyjność poszczególnych organizacji działających w pełnym niepewności świecie zależy od sposobu, w jaki podchodzą one do stojących przed nimi wyzwań.
Zastosowanie w stosunku do łańcucha dostaw perspektywy globalnej, ze współpracującymi ze sobą centrami produkcyjnymi, zapewnia wyraźną przewagę konkurencyjną. Takie działanie wymaga jednak również kompleksowej wizji oraz zdolności do reagowania na wszelkie zakłócenia w czasie rzeczywistym.
Kluczową rolę w tej misji odgrywa sztuczna inteligencja. Pomaga ona organizacjom budować zwinne łańcuchy dostaw, które dzięki zastosowaniu holistycznego podejścia potrafią samodzielnie przewidzieć problemy i radzą sobie ze złożonymi wyzwaniami operacyjnymi w czasie rzeczywistym.
Choć AI pełni krytyczną funkcję w zwinnym zarządzaniu łańcuchami dostaw, to równie ważna jest także gotowość firm do uczenia się i reagowania na zmiany. Zdolność adaptacji jest niezbędna w procesie ciągłej ewolucji i pozwala na nowo odkrywać modele operacyjne oraz procesy, z jakich składa się cały łańcuch wartości.
Innowacyjne działania muszą być również podejmowane w odpowiedzialny sposób, bo każdy nowy system niesie ze sobą zagrożenia związane z bezpieczeństwem, zgodnością z przepisami prawa oraz zaufaniem klientów. Bez zastosowania odpowiednich zabezpieczeń, szybkie tempo działania może przerodzić się w straty, a wydajność może ustąpić miejsca ryzyku. Wdrażane w sposób odpowiedzialny innowacje są gwarancją tego, że sztuczna inteligencja będzie przyczyniać się do wzrostu odporności, lepszej ochrony danych oraz pozwoli zyskać zaufanie polegających na niej osób.
Jeden z klientów poprosił mnie niedawno o podanie przykładów na to, jak rozwiązanie NTT DATA pomogło globalnym producentom wprowadzić do ich łańcucha dostaw zwinność opartą na sztucznej inteligencji. Poniżej przedstawiam udostępnione mu dane.
Optymalizacja operacji logistycznych: usprawnienie przepływu materiałów
Przepływ materiałów wymaga precyzyjnej, prowadzonej w czasie rzeczywistym koordynacji. Opóźnienia, do których dochodzi na jednym etapie szybko przenoszą się dalej, powodując przestoje i tworząc wąskie gardła, co podnosi koszty operacyjne i zwiększa zapotrzebowanie na kapitał obrotowy. Logistyka wewnętrzna, która przez długi czas opierała się w dużej mierze na planowaniu ręcznym, z trudem nadążała za dynamicznymi warunkami produkcji.
Wdrożenie opartej na AI optymalizacji działań logistycznych zmienia wszystko. Korzystając z pochodzących z całego zakładu, pozyskiwanych w czasie rzeczywistym danych, systemy AI umożliwiają zsynchronizowane przepływu materiałów pomiędzy etapami ich obróbki, kształtowania i wykończenia. Zamiast reagować na zakłócenia, tego rodzaju rozwiązania mogą autonomicznie dostosowywać poszczególne procesy, utrzymując w ten sposób płynność produkcji.
Nic więc dziwnego, że według najnowszego badania NTT DATA dotyczącego logistyki zewnętrznej pt. „Jak poradzić sobie z nowościami: zmieniająca się dynamika łańcucha dostaw”, ponad jedna czwarta spedytorów (27%) zwraca obecnie uwagę na konieczność optymalizacji transportu i tras. Oznacza to, że branża postrzega logistykę jako jeden z obszarów, który pozwala najszybciej zwiększać wartość dodaną. W świecie rzeczywistym przekłada się to na mniejszą liczbę przestojów, krótsze czasy realizacji zamówień oraz lepsze wykorzystanie sprzętu i ludzi.
Oparte na AI rozwiązania logistyczne, wdrażane w sposób odpowiedzialny, chronią również integralność danych i procesów decyzyjnych, zapewniając tym samym wzrost wydajności bez generowania nowych zagrożeń.
Jeden z producentów stali wprowadza obecnie takie podejście w formie pilotażu, wykorzystując sztuczną inteligencję do zorganizowania logistyki wewnątrzzakładowej i międzyzakładowej. Wszystkie tego rodzaju usprawnienia promują wydajniejszą współpracę i zwiększają poziom widoczności w całym łańcuchu dostaw - czyli w obszarze, w którym logistyka przychodząca odgrywa kluczową rolę.
Zarządzanie zadaniami w logistyce przychodzącej: zapewnianie przejrzystości i szybkości procesów
Logistyka przychodząca często zmaga się z fragmentaryczną komunikacją i ręcznym sterowaniem procesami. Konieczność zajmowania się e-mailami, rozmowami telefonicznymi i działającymi w sposób nieskoordynowany systemami sprawia, że poszczególne zespoły mają trudności z ustalaniem priorytetów zadań i szybkim rozwiązywaniem problemów, co prowadzi do opóźnień i wyższego zagrożenia brakiem towaru w magazynie.
Wdrożenie sztucznej inteligencji do procesu zarządzania zadaniami pomaga uporządkować skomplikowaną rzeczywistość. Integrując różne źródła danych i stosując inteligentną automatyzację, AI potrafi scentralizować komunikację, dynamicznie przydzielić zadania oraz zapewnić wszystkim - od dostawców aż po planistów - wgląd w przepływ materiałów w czasie rzeczywistym. Wszystko to pozwala szybciej reagować na krytyczne dla produkcji zagrożenia i wyraźnie określa obszary odpowiedzialności w ramach poszczególnych zespołów.
Nie mniej ważne jest również to, że dzięki odpowiedzialnemu projektowaniu, systemy te wspierają transparentność w procesie określania priorytetów i monitorowania zadań. Takie podejście pomaga producentom budować coraz większe zaufanie do podejmowanych w sposób zautomatyzowany decyzji.
W przypadku jednego z globalnych graczy z branży motoryzacyjnej, taka postawa przyspieszyła proces radzenia sobie z incydentami, zwiększyła szybkość reakcji i poprawiła współpracę pomiędzy poszczególnymi zakładami.
Optymalizacja procesu zarządzania zamówieniami: od błędów ręcznych po systemy adaptacyjne
Wraz z poprawą koordynacji logistyki przychodzącej, producenci mogą skupić się na kolejnym ogniwie łańcucha dostaw, a mianowicie precyzyjnym i niezawodnym zarządzaniu składanymi przez klientów zamówieniami. Proces zarządzania zamówieniami, który leży u podstaw każdego łańcucha dostaw, często grzęźnie w wyzwaniach - począwszy od błędów i niekompletnych danych, a skończywszy na wprowadzanych w ostatniej chwili zmianach.
Zarządzanie zamówieniami często zawodzi z powodu niskiej jakości danych. Nasze badanie - przeprowadzone w branży logistycznej - wykazało, że zdaniem zarówno spedytorów (34%), jak i zewnętrznych dostawców usług logistycznych (39%) poprawa jakości danych jest jednym z największych efektów, jakiego oczekują od AI. Podkreślają oni przy tym krytyczne znaczenie wiarygodnych danych dla sprawnego funkcjonowania łańcucha dostaw.
Jeśli zmagamy się z brakującymi numerami zamówień, nieprawidłowymi ilościami oraz koniecznością częstej ręcznej walidacji danych, to generujemy opóźnienia, które nadwerężają zaufanie klientów.
Włączenie sztucznej inteligencji w proces zarządzania zamówieniami pomaga producentom działać zarówno mądrzej, jak i szybciej. Systemy oparte na AI potrafią weryfikować dane zamówień w czasie rzeczywistym i automatycznie korygować błędy. Mogą one również proaktywnie komunikować się z zespołami sprzedażowymi i klientami, przekazując informacje o dostępności towaru lub aktualizując terminy dostaw. W przypadku wystąpienia niedoborów, systemy mogą nawet zarekomendować odpowiednie zamienniki.
Dzięki wbudowanym mechanizmom kontroli i możliwości audytowania ich działania, systemy te poprawiają jakość i przejrzystość danych, pomagając producentom w budowaniu zaufania klientów przy jednoczesnym zwiększeniu wydajności.
Współpracowaliśmy kiedyś z klientem działającym w branży dóbr konsumpcyjnych, stosując takie właśnie podejście do obsługi zamówień specjalnych i optymalizacji procesu zaokrąglania ich wartości. Wyniki okazały się być zaskakujące: nasz klient odnotował znaczny spadek ilości pracy ręcznej, a także zwiększenie poziomu dokładności i zadowolenia klientów.
Wydajność transportu: organizowanie bardziej niezawodnych procesów dostawy
Zakłócenia wynikające z wydajności przewoźników, realizacji warunków umowy i występujących w ostatniej chwili zakłóceń mogą obniżyć wydajność transportu i zwiększyć koszty. Oparte na sztucznej inteligencji systemy zarządzania transportem zaczynają to obecnie zmieniać. Weryfikując umowy, dynamicznie przydzielając środki transportu, optymalizując trasy i zarządzając dokami w czasie rzeczywistym, systemy te sprawiają, że procesy logistyczne są realizowane w sposób bardziej elastyczny i niezawodny. Pomagają one również szybko klasyfikować i rozwiązywać incydenty, skracając zarówno czas oczekiwania, jak i obniżając poziom naliczanych kar.
Zapewniane przez nie korzyści są bardzo przekonujące. Z naszych danych wynika, że zdaniem niemal trzech czwartych spedytorów wykorzystanie sztucznej inteligencji przez zewnętrznego dostawcę usług logistycznych wpłynęłoby na ich wybór partnera do współpracy. Wielu z nich wskazało ponadto, że byliby nawet skłonni zmienić dostawcę, aby uzyskać dostęp do większych możliwości, oferowanych przez AI. Powód takiego stanu rzeczy jest oczywisty: odpowiedzialne wdrażanie sztucznej inteligencji pozwala skupić się na priorytetowych dla spedytorów parametrach – od przejrzystego planowania tras po zgodność z warunkami umowy oraz uczciwą ocenę wydajności przewoźnika.
W przypadku jednego z naszych klientów - producenta na skalę globalną - takie podejście skróciło czas alokacji ładunków do mniej niż trzech godzin, przy jednoczesnej koordynacji działań z ponad 70 przewoźnikami. Projekt pozwolił zarówno zaoszczędzić na kosztach, jak i poprawić zdolność do realizacji zobowiązań umownych.
Wspomaganie utrzymania: skrócenie czasu przestojów i wydłużenie żywotności aktywów
Nieplanowane przestoje pozostają jednym z najbardziej uciążliwych i kosztownych problemów występujących na hali produkcyjnej. Wielu producentów nadal działa w trybie reaktywnym, naprawiając sprzęt dopiero po jego awarii. Takie podejście nieuchronnie skraca żywotność aktywów, zakłóca realizację harmonogramów i podnosi koszty napraw.
Wprowadzenie agentowej sztucznej inteligencji do procesu zarządzania utrzymaniem umożliwia producentom przejście na modele proaktywne i predykcyjne. Raport NTT DATA dot. branży produkcyjnej pokazuje, że zdaniem 91% producentów połączenie AI oraz cyfrowych bliźniaków zwiększa wydajność zasobów i ogólną odporność łańcucha dostaw.
Dzięki wspomagającej sztuczną inteligencję infrastrukturze, systemy mogą rejestrować incydenty, nadawać im stosowne priorytety oraz tworzyć zlecenia z właściwymi zasobami. Mogą także gromadzić i poddawać analizie odpowiednio ustrukturyzowane dane. Równie ważne jest to, by oparte na sztucznej inteligencji systemy odpowiedzialne za utrzymanie ruchu były projektowane z myślą o odpowiedzialnym wdrażaniu innowacyjnych rozwiązań. Wymaga to promowania integralności i przejrzystości danych, a także bezpiecznego wdrażania procesów przy jednoczesnym zwiększaniu wydajności.
Takie podejście przyczynia się do ciągłego doskonalenia osiąganych wyników, uzyskiwanego wraz z upływem czasu, co umożliwia zespołom przejście od rozwiązywania pojawiających się niespodziewanie problemów do koncentrowania się na długoterminowej niezawodności aktywów.
Jeden z naszych globalnych klientów z branży produkcyjnej wdrożył już takie podejście w swojej działalności, uzyskując wymierne skrócenie przestojów i zwiększenie ciągłości operacyjnej.
Budowanie odpowiedzialnego i elastycznego łańcucha dostaw
Wspólną cechą wszystkich opisanych powyżej rzeczywistych przykładów jest zmiana sposobu myślenia i przejście z reaktywnego rozwiązywania problemów na proaktywne, skoordynowane działania. Systemy oparte na AI umożliwiają producentom przewidywanie problemów, dostosowywanie się do sytuacji w czasie rzeczywistym, zastosowanie optymalnych działań w przypadku wystąpienia zakłóceń oraz uczenie się na podstawie pozyskiwanych w każdym cyklu danych.
Pięć przedstawionych powyżej przykładów zastosowań AI przyniosło wymierne korzyści organizacjom, które je wdrożyły. Aby jednak odblokować pełen potencjał i uzyskać znaczącą przewagę konkurencyjną, konieczne jest przyjęcie holistycznego podejścia do całego łańcucha wartości oraz ponowne zaprojektowanie procesów z uwzględnieniem możliwości zapewnianych przez AI, systemy agentowe oraz zaangażowanych w cały cykl ludzi.
Takie podejście powinno być czymś więcej niż tylko odosobnioną inicjatywą - powinno być to raczej ciągłe dążenie ku transformacji, w ramach której organizacje konsekwentnie wykorzystują nowe technologie w celu zmaksymalizowania wartości swoich aktywów i inwestycji kapitałowych.