AI はサプライチェーン管理においてすでに大きな成果を上げています

サプライ チェーンは、製品の設計から調達、製造、流通、配送、顧客サービスに至るまでの一連のアクションを実行します。シスコの AI/ML データ製品担当ディレクター、Devavrat Bapat 氏は、「あらゆる時点で、AI と ML には大きなチャンスがあります。なぜなら、現代の AI は、サプライ チェーン管理に必要なことにおいてすでに非常に優れているからです。」と述べています。 。 1 つ目は予測です。AI を使用して下流の需要や上流の不足を予測します。さらに、アルゴリズムは、故障の前兆と思われる 1 つ以上のイベントを検出し、生産品質が低下する前に組立ラインのオペレーターに警告することができます。

2 つ目は検査で、AI を使用して製造上の問題を検出します。また、材料やコンポーネントを認証し、サプライ チェーン全体で追跡するためにも使用できます。

最終的には、AI がサプライ チェーンを最適化し、あらゆる状況で特定の顧客のニーズを満たすようになります。実現するテクノロジーはすでに存在しますが、現在のサプライチェーンでは達成が難しいレベルのデータ共有を必要とするという課題が残っています。同時に、世界中に 41,000 人を超える従業員と 200 を超える工場を擁する多くの企業が、予測と検査の米ドルの改善による恩恵を今も享受しています。同社は主に食品とヘルスケアの包装に注力しており、市場シェアの過半を占めている。「冷蔵庫にある製品の3分の1は当社が製造している」と同社のグローバル最高情報責任者のジョエル・ランチン氏は述べた。製造上の課題は、需要の変化を正確に予測し、それに適応することに関係しています。食品サプライチェーンの世界では、需要の変化に基づいて注文が変更されることがよくあります。たとえば、暑い季節には人々はゲータレードをより多く飲むため、需要が急増する可能性があり、ボトルの需要は 10 ～ 15% 増加する可能性があります。他の種類の製品についても同様です。突然海の魚が増える可能性があり、より多くの魚を収容するための梱包の必要性が高まります。 「たとえ予測しようとしても、顧客が何を望んでいるのかを事前に知ることができるとは限らないため、それは非常に困難です」とランチン氏は語った。 Amcor が不足を正確に予測できない場合、原材料を事前に備蓄することはできません。さらに、同社は価格の変動を予測して、価格が上昇する前に安い価格でより多くの商品を購入したり、価格が下落しそうな場合は購入を減らしたりする必要がある。顧客の需要と供給側の予測を最適化します。彼らは、ERP からの 3 年間のデータを使用してツールをトレーニングし、変動パターンを探しました。システムは、変更のカテゴリと、どのイベントがさまざまな種類の変更に関連付けられているかを検索しようとします。たとえば、季節変動や、2 つ以上の種類の変化が同時に発生するかどうか、またはそれらが相互に排他的であるかどうかを調査するもので、ランチン氏は「我々が得た予備的な結果は非常に心強いものであり、はるかに期待を上回った。」と述べた。変化を予測できれば、原材料のニーズをより適切に予測し、必要に応じて事前に補充することができます

これは Bapat にとって驚くことではありません。表現予測は、人工知能が大幅に改善されている分野です。 「これまでは、多くの企業がコンセンサス予測に依存し、さまざまな専門家の意見を重み付けして平均的な予測を導き出していました。また、研究によると、統計技術を使用して過去のデータから推定する統計的予測手法が、 「コンセンサス手法を一貫して上回っています。機械知能でさえ予測においては優れた仕事をします。しかし重要なのは、適切なデータを確実に使用することです。」

CHECK

AI がどのように変化するかを示すもう 1 つの例使用されているものは Intel で見つけることができます。フォトリソグラフィーを使用して、いくつかのチップがウェーハ上に印刷されます。ウェーハの中心に最も近いものは、最高の電力性能曲線を示す傾向があります。外側のリングに近いものは、依然として信頼性がありますが、パフォーマンスが低下する傾向があります。インテルには、チップを保管するか廃棄するかの品質基準があります。人間がウェーハを検査すると、時間がかかり、不具合が多いプロセスになります。

インテルの上級副社長兼最高技術責任者であるグレッグ・ラベンダー氏は、「当社は人工知能を使用して高品質のチップを選択し、より迅速に生産して市場に投入し、より良い品質を提供できるようにしています。」と述べました。もちろん、これは人工知能を使って行うことの 1 つにすぎません。私のもとには何百人もの AI ソフトウェア エンジニアがいます。彼らの仕事の一部は当社の工場での検査やテストに使用されますが、時には彼らが開発した AI が社内で使用され、必ずしも人々に知られることなく当社の製品を納品することもあります。

インテルがソフトウェア ツールを提供することで、OEM 顧客のマルウェア テストをどのように支援しているかが好例です。これらのツールの 1 つは、Intel ラップトップ上で実行される Intel Threat Detection Technology です。 Windows でコードを実行する場合、Intel コードは CPU の命令フローを検査します。適応学習署名アルゴリズムを利用して、マルウェアの署名と一致するコード内の異常を探します。一致するものが見つかると、このツールはマルウェアを傍受またはブロックし、Windows Defender にデバイスの感染を警告します。「脅威検出テクノロジは、当社の顧客のすべての CPU に組み込まれています。これらの感染は、プロビジョニング チェーンを通じて侵入します。最終製品は組み立てられますが、それらを見つける唯一の方法はこのツールを使用することです。私たちは過去数年間、この AI ツールやその他の AI ツールを提供してきましたが、今では大規模な言語モデルについて話題になっているため、それについて話す人が増えています。

Cisco の Bapat 氏によると、検査はサプライ チェーン管理の重要な部分です。製品設計段階で適切な手順を踏むと、検査が容易になります。 「流れの監視に役立つデータを生成できる機器を製品設計プロセスに組み込めば、大幅なコストを節約できます。製品の材料費と人件費を考慮すると、次のことがわかります」と同氏は述べた。それらは非常に高いということです。」負担となるのは主に製品の品質や監督管理コストなどです。現在、人工知能はすでにこれらのコストの発生を最小限に抑えるのに役立っています。 Bapat は、最高の AI アルゴリズムの 1 つを設計していたときに重要な教訓を学びました。開発と導入には 9 か月かかりましたが、最終的に機能するまでには驚くほど長い時間がかかりました。何がうまくいかなかったのかを振り返ってみると、テクノロジーがどれほど優れていても、まず時間をかけてエンド カスタマーが誰で、アプリケーションをどのように使用する予定であるかを理解しなければ、望ましい結果は得られないことに気づきました。 。また、上級管理職は最も声が大きいことが多いが、最終顧客は上級管理職ではないことにも言及した。

彼はこう言いました: 「それ以来、私は、販売に関わるものであれ、サプライチェーン管理に関わるものであれ、常に基本的なビジネスをよく理解することから始めることを常に強調してきました。」しっかりと理解したら、データと AI の分野に戻ります。」

Bapat は、この概念はサプライ チェーン管理に適用されるべきであると信じています。次に、サプライ チェーンをたどりながら、人件費、生産、税金、在庫などのさまざまなコストを考慮し、それらを一緒に最適化します。

彼は、それをサプライ チェーンに追加します。プロセスに合わせて最適化されているため、予測品質とメンテナンスのインストールと実行を開始できます。その時点から、供給管理の調達側に戻ることができます。

同氏は次のように述べています。「これは、サプライヤーがそうしているという見解を裏付けています。」敵ではなくパートナーです。 「

したがって、データを共有しない少なくとも 3 つの独立した企業で構成されるサプライ チェーンの性質は、長年の課題です。まず、これらの企業には 1 つ以上のパートナーがいる可能性があります。」第 2 に、競合するサプライ チェーンの一部である可能性があります。第 3 に、交渉の場での優位性を高めるために情報を保持しています。

現世代の人工知能は、サプライ チェーンを最適化し、カスタマイズすることもできます。カスタマイズとは、適切な製品を適切な顧客に適切な価格で提供することですが、これを達成するには、ほとんどの企業が対応できるレベルのデータ共有が必要です。「欠けているのは、企業がデータの一部を共有できるようにするテクノロジーです。」あまり多くを明かすことなく、完全な自信を持って。 「この目標を達成するにはさらに5年から10年かかるでしょう。 「

以上がAI はサプライチェーン管理においてすでに大きな成果を上げていますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。