امروزه زنجیره تامین دیجیتال در صنعت لجیستیک به بررسی نقش هوش مصنوعی و کلان داده‌ها می‌پردازد. استفاده از هوش مصنوعی در لجیستیک طی سال‌های گذشته متحول شده است. با توجه به اینکه بسیاری از شرکت‌های زنجیره تأمین و لجستیک دچار تحول دیجیتالی شده‌اند، تأثیر فناوری جدید با سرعت چشمگیری در حال افزایش است. برای ادامه موفقیت و حفظ مزیت رقابتی در این زمینه، شرکت ها می‌دانند که استفاده از هوش مصنوعی و کلان داده‌ها در عملیات‌های روزمره ضروری است. اگرچه مفاهیم جدید، هوش مصنوعی معرفی شده‌اند، اما برای بخش لجستیک جدید نیستند.
در حقیقت حمل و نقل، راه‌آهن و حمل و نقل دریایی چند دهه است که توسط ماهواره ردیابی می‌شوند. با این حال، این داده‌ها از گذشته تا به امروز با ظرفیت کامل خود مورد استفاده قرار نگرفته‌اند. عناصر هوش مصنوعی اکنون به طور منظم برای تجزیه و تحلیل پیش‌بینی در رابطه با حمل و نقل هوشمند و برنامه‌ریزی مسیر، برنامه‌ریزی تقاضا و سایر موارد استفاده می‌شوند. برخی از عملیات انبار نیز با سیستم‌های راهنمایی و رباتیک ادغام می‌شوند تا مدیریت موجودی را مقیاس بندی کنند.
وجود داده‌هایی که به راحتی در دسترس قرار می‌گیرند چیز جدیدی نیست، اما شیوه استفاده از آن‌ها در حال تغییر است. با وجود اینکه هوش مصنوعی در مقیاس کوچک‌تر بدون افزایش حجم، سرعت یا تنوع وجود دارد، انواع جدیدی از داده‌ها در طی چند سال گذشته ظهور کرده‌اند و افزایش قابل‌توجهی در سرعت ایجاد و تغییر داده‌ها به وجود آمده است. در حال حاضر، کلان داده‌ها تضمین می‌کنند که اطلاعات جمع‌آوری‌شده می‌تواند به روش‌های عملی استفاده شود. معرفی کلیه داده‌های حاصل از زنجیره تأمین، تجزیه و تحلیل آن‌ها، شناسایی الگوها و ارائه بینش برای هر حلقه از زنجیره تأمین، به عنوان گام‌های اساسی رو به جلو تلقی می‌شوند.
طبق گفته راجا، مدیر صنعت و راهکارهای بازاریابی در کلرادو، همه چیز در تمام مراحل زنجیره لجیستیک حول داده‌ها می‌چرخند. راجا می‌گوید: ” یک توانایی مهم مورد نیاز برای افزایش عملکرد در فرآیندها، تسلط بر چرخه عمر مدیریت کلان داده‌ها است. شرکت‌ها باید بتوانند داده‌های خود را در منابع مختلف پردازش کنند، از جمله داده‌های خارجی مانند آب و هوا، مفاهیم ژئوپلیتیکی، تقویم‌های محلی یا داده‌های تفسیر اجتماعی . ”
” پس از آن باید در برخی موارد در زمان واقعی تجزیه و تحلیل شود تا فورا دیدگاهی را فراهم کند که به آن‌ها کمک کند تا عملیات خود را با موفقیت مدیریت کنند. چه یک سیستم خودکار ورود بدون اشتباه در فرودگاه باشد و یا نظارت بر درجه حرارت کامیون‌هایی که دارو را تحویل می‌دهند که به چند درجه افزایش دما حساس هستند، باید باهوش‌تر و غنی‌تر باشد. این سیستم باید قادر به جمع‌آوری، ذخیره و پردازش داده‌های هوشمند باشند تا اقدامات شخصی برای دستیابی به بهترین چرخه لجیستیک موثر را فراهم آورند .”
راجا اضافه می‌کند که معتقد است شرکت‌های لجستیک در تمام مراحل سفر، دید و شفافیت کامل دارند. او می‌گوید : ” داشتن یک راه‌حل مناسب در حال حرکت که قادر است داده‌های جمع‌آوری‌شده در لبه را پردازش کند، برای شرکت ضروری است . ” تیم‌های تدارکات باید تصویری جامع از داده‌های خود در هر مرحله از سفر داشته باشند. این امر به آن‌ها این امکان را می‌دهد تا برای اطمینان از یک روند لجستیکی بدون اختلال و بهینه، بر اساس اطلاعات ضروری در زمان واقعی با چابکی و پیشگیری عمل کنند تا در نهایت، باعث توانمندسازی آن‌ها برای موفقیت در تجارتشان شوند. ”
چرا اکنون زمان مناسبی است ؟
تجارت جهانی در سراسر جهان دچار اختلال شده‌است . این بدان معنی است که کسب و کارها باید چابک و سریع باشند تا با خواسته‌های دنیای مدرن سازگار شوند. در حال حاضر هوش مصنوعی هرگز تا به این حد در دسترس و مقرون‌به‌صرفه نبوده است . این امر باعث شده تا در حال حاضر اشکال باریکی از هوش مصنوعی در فضای مصرف کننده وجود داشته باشد که بخش‌های تجاری و صنعتی به زودی از آن پیروی خواهند کرد. در لجستیک، ماهیت شبکه محور صنعت یک چارچوب طبیعی برای معرفی و مقیاس گذاری هوش مصنوعی، تسریع مولفه‌های انسانی زنجیره‌های تامین جهانی سازمان‌یافته را ارائه می‌دهد.
در گزارش هم‌کاری DHL و IBM بر روی مفاهیم و استفاده از موارد برای صنعت لجستیک، مشخص شد که شرکت‌های لجستیک به طور منحصر به فرد آمادگی دارند با معرفی هوش مصنوعی در تمام جنبه‌های زنجیره تأمین از مزایای آن بهره‌مند شوند. طبق این گزارش، ” یکی از کم مصرف‌ترین دارایی‌های این صنعت، حجم بالایی از اطلاعاتی است که زنجیره‌های تامین به صورت روزانه تولید می‌کنند. این داده‌ها هم ساختار یافته و هم غیرساختاریافته هستند و هوش مصنوعی شرکت‌های لجستیک را قادر خواهد ساخت تا از آن بهره‌برداری کنند. علاوه بر این، همانطور که بسیاری از شرکت‌های لجستیک در سراسر جهان از تحول دیجیتال استقبال کرده‌اند و از سیستم‌های برنامه‌ریزی منابع برای تجزیه و تحلیل پیشرفته، افزایش اتوماسیون‌سازی، و ابزارهای سخت‌افزاری و نرم‌افزاری و محاسبات موبایل استفاده می‌کنند، گام بعدی در زنجیره تامین دیجیتالی استفاده از هوش مصنوعی است .”
سیمون ، معاون مدیرعامل EMEA در Domo تایید می‌کند که لجیستیک باید با چالش‌های کووید 19 روبرو می‌شد تا مردم و شرکت‌ها را با وجود اختلال ناشی از بیماری همه‌گیری تا حد ممکن بهم متصل سازد. در حالی که این صنعت به خوبی در داده‌ها تخصص دارد، یک فرصت بزرگ برای ایجاد آینده لجستیک با کلان داده و هوش مصنوعی وجود دارد. هیوا توضیح می‌دهد که ادغام این تکنولوژی‌ها می‌تواند کارایی عملیاتی را بهبود ببخشد و به کسب و کارها کمک کند که به اختلافاتی که قبلا ً شناسایی نشده‌اند، واقف شوند. ” به عنوان چند مثال، دید نهایی در مورد داده‌ها به برنامه‌ریزی و پیش‌بینی تغییرات در تقاضای مشتری و کمبود موجودی کمک می‌کند.
داده‌های GPS در زمان واقع، داده‌های آب و هوایی، ناوگان و برنامه‌های پرسنل را می‌توان در یک سیستم کلی با بررسی روندهای تاریخی جاسازی کرد تا مسیرهای بهینه سازی شده برای تحویل انتخاب شود. با استفاده از داده‌های گذشته و زمان واقعی، هوش مصنوعی می‌تواند یک دیدگاه رو به جلو برای کمک به شکل برنامه ریزی فروش و عملیات (S & OP) فراهم کند. ”
اندی فاکس ، مدیر ارشد راه حل تحویل در LLamasoft، با نگاهی به آینده معتقد است که فناوری‌هایی مانند AI دیگر فقط “خوب” تلقی نمی‌شوند بلکه برای تداوم و موفقیت در تجارت ضروری است. فاکس اظهار داشت: “2020 ، با تمام اختلالات خود، این مسئله را آشکار کرده است و با پیش آمدن Brexit، کسب و کارها نمی‌توانند انتظار استقبال از سال جدید را داشته باشند.” در عوض ، تکنولوژی نظیر هوش مصنوعی و دیجیتال را می توان برای بهینه‌سازی مسیرهای تحویل مورد استفاده قرار داد، بخصوص در زمانی که برنامه‌های احتمالی برای زمانی که این مسیرها به طور اجتناب‌ناپذیری دچار اختلالات می‌شوند. با این کار، کسب و کارها می‌توانند راه رهایی کارآمد را تضمین کند، بدون توجه به محیطی که آن‌ها در آن فعالیت می‌کنند.
کسب و کارها برای کسب بهترین نتیجه از فن‌آوری دیجیتال , باید به داده‌های صحیح دسترسی داشته باشند. این موضوع شامل داده‌های کسب‌وکارهای داخلی و خارجی است، چه مربوط به آب و هوا باشد، چه اثرات یک پاندمی یا کاهش فصلی در تقاضا است. هرچه بیشتر اطلاعات جمع آوری کنیم تا الگوریتم از آن‌ها بیاموزد، فرآیندها عملی‌تر خواهند بود. چیزی که هوش مصنوعی را برای کسب و کارها ضروری می‌سازد (البته اگر به درستی استفاده شود) این است که شرکت‌ها نیازی به تجربه یک تجارت ندارند. آن‌ها می‌توانند سریع و دقیق باشند. “
