كيف يغيّر الذّكاء الاصطناعي إدارة سلاسل التّوريد؟

تتعدد التغييرات التي فرضها الذكاء الاصطناعي على طريقة عمل المؤسسات في مختلف القطاعات، وأحد أوجه هذه التغييرات يأتي على مستوى سلاسل التوريد. على مدى سنوات، عملت أشكال مختلفة من التعلم الآلي والأتمتة على تغيير كيفية عمل سلاسل التوريد، وقد أدت هذه التغييرات عموماً إلى جعل التجارة العالمية أكثر كفاءة ومرونة، وخاصة بالنسبة للشركات التي نفذتها.

إلى ذلك، فإن التطور السريع للذكاء الاصطناعي يعد بتحقيق أكثر من مجرد تحسين الأجيال السابقة من التكنولوجيا. في الواقع، فإن ما يسمى الذكاء الاصطناعي التوليدي - وهو النوع المستخدم في برنامج الدردشة الشهير "تشات جي بي تي" التابع لشركة "أوبن إيه آي" - لديه القدرة على تغيير، إن لم يكن إحداث ثورة، في كيفية إدارة سلاسل التوريد وتنظيمها.

في هذا الإطار، أطلقت شركة "Kinaxis" قبل أيام "Maestro"، وهي أول منصة لتنسيق سلسلة التوريد مدعومة بالذكاء الاصطناعي. توفر المنصة مزيجاً من التقنيات والأساليب الحسابية الخاصة التي تضمن الشفافية والمرونة عبر سلسلة التوريد بأكملها، بدءاً من التخطيط الاستراتيجي المتعدد السنوات وحتى التسليم في المرحلة الأخيرة. في تطوير لمنصة الشركة الرئيسية، "RapidResponse"، تتضمن "Maestro" تقنيات الذكاء الاصطناعي الجديدة والحديثة لمساعدة الفرق في التحرك الأسرع وأكثر ذكاءً لإتقان تعقيدات سلاسل التوريد الحديثة اليوم.

على سبيل المثال، استجابة للطلب المتزايد على سيارة كهربائية جديدة، قد تتساءل شركة تصنيع السيارات التي تشعر بالقلق إزاء نقص المكونات "كيف يمكنني منع نفاد المخزون؟". ومن دون تفويت أي فرصة، سيوفر المساعد الذكي الذي يعمل بالذكاء الاصطناعي من "Maestro" التوجيه بناءً على أفضل ممارسات سلسلة التوريد لضمان استيعاب المواقف الصعبة وإدارتها في الوقت الفعلي.

ماذا يقدم الذكاء الاصطناعي لسلاسل التوريد؟

تعتمد إدارة سلاسل التوريد أساساً على البيانات، يمكن لمحركات البرمجيات المدعومة بالذكاء الاصطناعي التوليدي معالجة مجموعات أكبر بكثير من البيانات مقارنة بالأشكال السابقة من التعلم الآلي، كما أن لشبكات العصبية التي تنتقل عبرها البيانات مصممة لتعمل إلى حد كبير مثل الدماغ البشري، وإن كانت قادرة على تحليل مجموعة معقدة بشكل لا نهائي من المتغيرات. يمكن للذكاء الاصطناعي التوليدي أيضاً أن يتعلم - ويعلم نفسه - حول الفروق الدقيقة في النظام البيئي لسلسلة التوريد لأي شركة، ما يسمح له بتحسين تحليلاته وصقلها بمرور الوقت.

أولاً: التنبؤ وإدارة المخاطر

يمكن لمحركات الذكاء الاصطناعي التوليدية معالجة نطاق أوسع بكثير من المعلومات مقارنة بنماذج التعلم الآلي الحالية واستخدام البيانات في الوقت الفعلي لإنشاء سيناريوهات تخطيط أكثر دقة وفي الوقت المناسب. يمكن أخذ أي متغير يؤثر على إنتاج الشركة وشحنها في الاعتبار، بدءاً من أحوال الطقس، وصولاً إلى غلة المحاصيل، وانقطاع التيار الكهربائي، وقضايا العمل، وازدحام الموانئ، وتأخير التصنيع، ونقص المواد، وأسعار المكونات، وغير ذلك الكثير.

يمكن للتحليلات التنبئية في الوقت الفعلي من هذا النوع (بدلاً من التحليلات المستندة إلى البيانات التاريخية) أن تساعد الشركات على توقع الاختناقات المحتملة في سلسلة التوريد مقدماً، وصياغة خيارات الطوارئ المحدثة، والاستجابة استجابةً أكثر مرونة للتقلبات في العرض والطلب.

ثانياً: إدارة المخزون

بالإضافة إلى معرفة مكان وجود كل شيء بالضبط عبر سلسلة التوريد بأكملها، يمكن للأدوات المدعومة بالذكاء الاصطناعي أن تحول إدارة المخزون إلى مركز ربح من خلال استخلاص الكفاءات المكتسبة عبر تحليل أعمق لبيانات المخزون. قد يعني هذا تحسين مستويات المخزون تحسيناً أكثر كفاءة، أو استخدام بيانات الأسعار والتتبع لنقل المنتجات إلى المناطق المحلية حيث تكون أكثر قيمة أو إيجاد الطريقة الأكثر فعالية لإدارة مناطق التجارة الحرة والخارجية.

في المستودعات، قد يعني ذلك تحليل أنماط حركة المرور وحركة المنتج لتحديد الاستخدام الأكثر كفاءة للمساحة، أو فتح مسارات العمل التي تتجنب إهدار الوقت والطاقة غير الضروري.

ثالثاً: لوجستيات النقل

يمكن لخوارزميات الذكاء الاصطناعي التوليدية أن تأخذ نظرة أكثر شمولاً لسلسلة التوريد، ما يسمح لمديري سلسلة التوريد بتحسين خيارات النقل والتسليم بناءً على أنماط حركة المرور في الوقت الفعلي، والظروف الجوية، ومتغيرات أخرى. ويمكن لهذه الأنظمة أيضاً تقليل وقت تعطل المركبات من خلال تحديد الطريقة الأكثر كفاءة لصيانة السيارات والشاحنات والسفن والطائرات، وخفض التكاليف من خلال تحديد خيارات الوقود الأكثر فعالية من حيث التكلفة في أي وقت محدد.

يمكن للشركات المهتمة بالامتثال البيئي والاجتماعي والحوكمة (ESG) أيضاً استخدام الذكاء الاصطناعي التوليدي لتقليل بصمتها الكربونية من خلال تحليل النظام البيئي لمنتجات الشركة بالكامل لتحديد أفضل الطرق النظيفة والأكثر كفاءة في استهلاك الوقود لنقل البضائع حول العالم.

بالإضافة إلى هذه النقاط الثلاث الأساسية، يمكن للذكاء الاصطناعي تحسين الإنتاجية وخفض تكاليف العمليات عبر التنبؤ بحاجة الأجهزة للصيانة، مراقبة الجودة، تحديد مستويات المخزون المثلى، تحليل بيانات أداء الموردين، وأتمتة العمليات.