كيف يعمل الذكاء الاصطناعي على تحسين أداء المستودعات وتخفيف اضطرابات سلسلة التوريد

يساعد إطلاق العنان لمكاسب أداء أكبر في المستودعات (warehouses) باستخدام الذكاء الاصطناعي (AI) والتعلم الآلي (ML) على جعل سلاسل التوريد (supply chains) أكثر مرونة وقدرة على التعافي بشكل أسرع من الاضطرابات. لسوء الحظ، تزداد شدة وتواتر اضطرابات سلسلة التوريد، حيث وجدت شركة ماكينزي أن الشركات، في المتوسط ​​، تعاني من انقطاع لمدة شهر إلى شهرين كل 3.7 سنوات.

على مدى عقد من الزمان، يمكن أن تساوي التداعيات المالية لاضطرابات سلسلة التوريد في قطاع السلع الاستهلاكية 30% من أرباح العام قبل الفوائد والضرائب والاستهلاك والإطفاء (EBITDA) earnings before interest, taxes, depreciation and amortization. ومع ذلك، حققت شركات Fortune 500 ذات سلاسل التوريد المرنة علاوة بنسبة 7% على أسعار أسهمها ورسملة السوق.

سلاسل التوريد المرنة هي ممتصات الصدمات التي تحافظ على التجارة الإلكترونية والتجزئة والبقالة وشركات البريد والطرود على الرغم من تسارع وتيرة الاضطرابات. تقوية سلاسل التوريد لجعلها أكثر قدرة على الصمود.

 
سد فجوات المستودعات يعزز سلاسل التوريد
إن التأخيرات غير المتوقعة وأخطاء المستودعات غير المكتشفة تكلف أكثر لإصلاحها وإحداث فوضى في سلاسل التوريد. يعتمد مديرو المستودعات والمخططون والمتعهدون على عمليات عمرها عقود تستند إلى جداول بيانات Microsoft Excel. ولكن مع زيادة التكاليف وسرعة وشدة الاضطرابات، لا يمكن للمستودعات أن تتفاعل بالسرعة الكافية مع هذه الأنظمة اليدوية. نتيجة لذلك، "يقضي مديرو العمليات ساعات في جمع البيانات وإدخالها يدويًا في جداول بيانات Excel، ويأخذون وقتًا ثمينًا بعيدًا عن إدارة عمليات المستودعات وتحسينها"، كما قال أكاش جين، المدير العام لشركة Honeywell للمستودعات.

تتباطأ دقة المستودع وأدائه بشكل أكبر لأن القرارات التي يتم اتخاذها في طابق المستودع والتي تؤثر على الهوامش والتكاليف ومقايضات الإيرادات غالبًا لا تصل إلى الطابق العلوي. يحتاج كبار المديرين التنفيذيين إلى معرفة كيفية اتخاذ قرارات في أجزاء من الثانية بشأن أوامر الشحن لتأثير تكاليف نقل المخزون وإجمالي قيمة المخزون. يجعل التضخم الجامح تقييم المخزون أحد أكثر المخاطر تكلفة التي يجب إدارتها اليوم.

غالبًا ما تكشف سلاسل التوريد الخاصة باختبار الإجهاد عن الفجوات الأكبر والأكثر تكلفة في أداء المستودعات وصولاً إلى مستوى الأصول. يجب أن تكون إدارة أداء الأصول (APM) Asset performance management جزءًا أساسيًا من إدارة المستودع، وبالتالي يمكن تحسين التكلفة والمخاطر والآلات المستخدمة باستخدام البيانات في الوقت الفعلي.

لكي تستوعب المستودعات الاضطرابات وتستمر في العمل، يحتاج المديرون الذين يديرونها إلى تدفق مستمر من البيانات شبه الآنية من خوارزميات تعلم الآلة الخاضعة للإشراف لتحسين العديد من قيود عملياتهم. لقد فوجئت العديد من شركات التوزيع تمامًا عندما انطلق الطلب على التجارة الإلكترونية في بداية الوباء. قال جاين: "كان العديد منهم يقومون بنوبات عمل متعددة لمواكبة الطلب، مع القليل من الوقت للحفاظ على أصول الآلات والمخازن حتى لا تتعطل".

كيف يعمل الذكاء الاصطناعي على سد فجوات المستودعات
كلما أصبحت سلاسل التوريد أكثر هشاشة، زادت أهمية العثور على فجوات المستودعات وإغلاقها. باستخدام خوارزميات ML الخاضعة للإشراف والشبكات العصبية التلافيفية، من الممكن استخدام تدفقات البيانات في الوقت الفعلي المتولدة من المستودعات لتحديد مكان الفجوات. ومع ذلك، فقد ثبت أن تحديد مدى اتساع هذه الفجوات وتأثيرها على عمليات المستودعات اليومية وتأثيرها المالي على الأعمال التجارية أمر بعيد المنال.

تواجه منصات إدارة أداء المؤسسات القائمة على السحابة enterprise performance management (EPM) هذا التحدي. إنهم يجمعون بين APM وتطبيقات عمليات الموقع لتحديد كيفية أداء مواقع المستودعات وفقًا للخطة، ومساعدة المديرين على تحديد الاختناقات وحلها قبل أن تؤثر على الأداء. يعتمد موفرو EPM الرائدون على واجهات برمجة التطبيقات للتكامل مع أنظمة إدارة المستودعات الحالية والقديمة، وتمييز أنفسهم حسب المنطقة الوظيفية والسوق الرأسي. تقدم Oracle و SAP و IBM و Anaplan و OneStream Software و Honeywell Connected Warehouse اليوم منصات EPM.

من بين الأساليب العديدة التي يتبعها بائعو برامج المؤسسات اليوم، فإن إستراتيجية النظام الأساسي لـ Connected Warehouse من Honeywell واستخدام الذكاء الاصطناعي والتعلم الآلي جديرة بالملاحظة. إنها تقود سوق منصة EPM في استخدام تقنيات تعلم الآلة المتقدمة ونمذجة القيد لتحديد الاختناقات في المستودعات والخدمات اللوجستية.

 

تم تصميم الذكاء الإصطناعي والتعلم الآلي في الأساس لمنصة Honeywell's Forge ومجموعة المنتجات. لدى الشركة أكثر من 150 خبيرًا في الذكاء الاصطناعي وعلوم البيانات من بين الموظفين، مع التركيز على خارطة طريق هانيويل فورج والابتكارات المستقبلية وفرص براءات الاختراع الجديدة.

تُترجم كل استثمارات الذكاء الاصطناعي والتعلم الآلي هذه إلى تحسين مستمر في توفير رؤى في الوقت الفعلي وذكاء سياقي يعمل على تحسين أداء المستودعات وسلسلة التوريد. قال جين إن الهدف هو تزويد شركات التوزيع بنظام تسجيل في الوقت الفعلي يمكنهم استخدامه لتحديد الثغرات في أداء المستودعات وإدارة الآلات والأصول بشكل أفضل.

تستخدم Honeywell's Connected Warehouse التعلم الآلي لتحليل البيانات في الوقت الفعلي وتقديم التوصيات بناءً على القيود أثناء مراقبة الآلات لمعرفة كيف يمكن تحسين أدائها. تجمع لوحة القيادة أدناه بين التحديثات في الوقت الفعلي للعمليات الصادرة، وتتبع التقدم الحالي في الكراتين المعبأة والشحن مقابل الخطة.

تحافظ بيانات الوقت الفعلي، التي يتم تحليلها باستخدام التحليلات وخوارزميات ML، على تحديث لوحة القيادة. تحسب خوارزميات ML القائمة على القيود أيضًا الأداء المخطط في الوقت الفعلي وتستخدم لتتبع وقت تعطل الأصول. بالإضافة إلى ذلك، قدمت شركة Honeywell مؤخرًا أداة APM تتنبأ عندما تحتاج آلات المستودعات إلى صيانة وقائية وتحديثات.

توقع المزيد من اضطرابات سلسلة التوريد
يجب أن تبدأ سلاسل التوريد الخاصة باختبار الإجهاد في المستودع، حيث يمكن أن تُحدث التحسينات الصغيرة للعملية التي يتم إجراؤها على نطاق واسع فرقًا في الحفاظ على تشغيل مراكز وشبكات التوزيع بكفاءة. ما ينقص هو عرض 360 درجة لأداء المستودعات التي يمكنها تحديد مدى سرعة نمو الاختناقات وتأثيرها المالي. من خلال الجمع بين AI و ML وبيانات OT وتكنولوجيا المعلومات في الوقت الفعلي، تواجه منصات EPM المستندة إلى السحابة هذا التحدي.

من المؤكد أن المزيد من اضطرابات سلسلة التوريد في طريقها. سيساعد استخدام الذكاء الاصطناعي والتعلم الآلي لتحسين عمليات المستودعات على امتصاص تلك الصدمات. تعد إدارة المستودعات القائمة على الذكاء الاصطناعي والتعلم الآلي ضرورة اليوم لشركات التوزيع عالية السرعة، بما في ذلك التجارة الإلكترونية وتجارة التجزئة والبقالة والبريد والطرود، لتقليل تأثير اضطرابات سلسلة التوريد.