Як використовувати штучний інтелект для надання допомоги підприємствам з виробництва технологій?
Як використовувати штучний інтелект для надання допомоги підприємствам з виробництва технологій?
Як штучний інтелект може зробити революцію в управлінні ланцюгами поставок? Логістика Kapoklog детально представила конкретне застосування технології AI у ланцюзі поставок.
Завдяки оптимізації машинного навчання та експлуатаційних досліджень, вона покращила прогнозування попиту, планування пропозицій, управління запасами та доставка замовлень для сприяння ланцюгу поставок підприємства для досягнення логістики Kapoklog, яка дала глибоке розуміння того, як технологічні інновації можуть сприяти трансформації підприємств.
Logistics Kapoklog Logistics ділиться практичним досвідом Lenovo у використанні технології AI для розширення можливостей ланцюга поставок, сподіваючись, що цей вміст може забезпечити корисну довідку для всіх та допомогти своїм підприємствам досягти чудової роботи в майбутньому.
Обмін логістикою Kapoklog поділяється на п'ять частин. По -перше, введіть поточну ситуацію ланцюга поставок Lenovo. З якими проблемами ми стикаємося? Чому нам потрібно пройти цифрову трансформацію? Як приклад, взявши Lenovo Group, китайську компанію з електронних технологій, цифрова трансформація Lenovo завжди була зосереджена на створенні інтелектуальної ланцюга поставок. Отже, яку технологічну архітектуру повинен мати інтелектуальний ланцюг поставок? Які сценарії посадки?
Менеджер відділу ланцюгів поставок компанії Kapoklog Logistics буде зосереджено на прогнозуванні попиту, розподілу матеріалів та споживання та інтелектуальному плануванні, які є нашими внутрішніми зірковими проектами або найкращими практиками. Нарешті, має бути певний час. Менеджер відділу ланцюгів поставок компанії Kapoklog Logistics також поділиться великою моделлю, агентом, яка є найсучаснішим напрямком ШІ. Як глибоко інтегрувати технології AIGC з реальними сценаріями ланцюга поставок, вирішувати больові точки та створити практичну цінність. Нарешті, виходячи з мого дуже неглибокого мислення, я хотів би зробити перспективу для майбутнього технологічного напрямку розумного ланцюга поставок.
1. Огляд ланцюга поставок Lenovo
Давайте познайомимось із глобальною ланцюгом поставок Леноно разом. Для виробничого підприємства ланцюжок поставок - це абсолютно критичний функціональний відділ, який надає послуги та гарантії для продажу, що заздалегідь. То що продає Lenovo? Ми є найбільшим у світі виробником персональних комп'ютерів, а також смартфонами, планшетами, серверами та різними розумними терміналами. Щорічний обсяг відвантаження 120 мільйонів юанів, ми продаємо понад 180 країн та регіонів у всьому світі, що охоплює понад 1 мільярд користувачів. Такий величезний ринок вимагає великої ланцюга поставок. Тому у нас є понад 30 фабрик, розповсюджених по всьому світу, з понад 5000 постачальників та понад 2000 основних постачальників. Окрім великих, ми також повинні бути сильними. Тому група щороку інвестує понад 1 мільярд юанів у цифрову трансформацію ланцюга поставок і досягла чудових результатів.
Lenovo вже три роки поспіль займав 10 найкращих рейтингів глобальних ланцюгів поставок Gartner. Ми досягли вражаючих результатів у лідерстві ланцюгів поставок, ESG та інтелектуальному виробництву, і отримали повне визнання від IDC Mingsheng, включаючи Всесвітнього економічного форуму МакКінсі та інших.
В даний час цей ланцюг поставок постійно стикається з п'ятьма основними проблемами. Іншими словами, це також напрямок, на якому ми повинні зосередитись на нашій цифровій трансформації. Наприклад, у роз'єднанні технологій між Китаєм та США, багато основних компонентів, включаючи деяке основне промислове програмне забезпечення, обмежені від покупки в Китаї, і ми повинні покладатися на саморозвинені коливання попиту. Lenovo працює в індустрії побутової електроніки з невеликою партією, різноманітними та персоналізованими датами замовлення. Ми отримуємо понад 80% замовлень щорічно, маючи не більше 5 невеликих пакетних замовлень.
Регулювання країн ESG стає все більш суворим, і ми звернемо увагу на деякі технології з низьким вмістом вуглецю. Однак, коли економічна рецесія відстає, ВВП основних економік не відповідає очікуванням, зростанню цін на товари, логістичних перебоїв та інших геополітичних конфліктів та подій Чорного лебедя.
Отже, зіткнувшись з такою кількістю викликів, що може зробити ланцюг поставок Леноно? Йдеться про використання різних інноваційних та основних технологій, використовуючи їх для підготовки внутрішньої сили та озброєння, щоб наш ланцюг поставок може бути підготовлений до криз, перш ніж вони відбудуться, підвищуючи стійкість, адаптованість та рівень інтелекту нашої ланцюга поставок.
Цифрова трансформація Леново ланцюга поставок триває майже 1 0 років. Перед пандемією ми назвали її стадією 1.0, який зосередився на консолідуванні фундаменту та візуалізації знань. Від закупівель до планування, виробництва до логістики, а потім до обслуговування, різні функціональні відділи повинні спочатку зібрати всі дані. На основі узгоджених правил процесу кожного відділу можна досягти візуалізації даних у режимі реального часу та частковою автоматизацією рішень.
Після епідемії ми ввели 2. 0, який щойно був запущений. Основна увага приділяється взаємозв'язку, спільній розвідці, з'єднанні різних силосів даних, встановленню зв’язків між власними невеликими системами функціональних відділів та досягненням загальних виграшних результатів. Тому ми повинні переробити процеси, переосмислювати правила та об'єднати їх. Дані повинні бути стандартизовані не лише для отримання даних, але й для перетворення їх на якісні дані, досягнення повністю розумних та всебічних рішень. Найбільша особливість тут-сприяти активному прийняттю рішень, керованим аналізом даних, допомагаючи нашим особам, які приймають рішення, та планувальників бути проактивними та мати передбачення до того, як виникають кризи.
2. Ленов -функціональний ланцюг поставок
Тож ми щойно згадували, що ми повинні озброїтися різними передовими технологіями. Тут я перераховую вісім інноваційних технологій, які найбільше стурбовані ланцюгом поставок Lenovo. Автоматизація - це робот тут, але ми все ще можемо їх класифікувати, такі як Інтернет, блокчейн тощо, щоб надати дані або гарантувати надійність. Цифрові близнюки забезпечують середовище, де наші різні алгоритми моделювання можуть постійно розвиватися. Розширений аналітичний штучний інтелект більше зосереджується на самих моделях та самих алгоритмах, а також на тому, як отримати інформацію з даних, щоб керувати майбутнім.
Приймаючи розширений аналіз даних, як приклад, ми, як правило, ділимо його на три рівні. По -перше, описовий аналіз розповідає нам про те, що відбувається зараз. По -друге, прогнозний аналіз розповідає нам про те, що буде виявлено та що буде в майбутньому, проаналізувавши закономірності та закономірності в історичних даних.
Третій етап називається аналізом рішень, який не тільки розповідає, що таке майбутні тенденції, але й розповідають особам, які приймають рішення, що вони повинні робити. Штучний інтелект має історію понад 60 років, і більшість людей можуть думати про комп’ютерне бачення, розпізнавання мови, обробку природної мови, машинне навчання тощо. Ці технології вражають, але одне, що часто критикують, - це те, що це незрозуміла модель чорної коробки.
На щастя, точність та виконання цих технологій тепер досягли певного рівня, і в деяких цілеспрямованих галузях вони можуть досягти або навіть перевершити рівень людини. То чому б не вставити його як плагін у робочий процес ланцюга постачання.
Наприклад, автоматичний оптичний огляд на виробничій лінії може визначити деякі дефекти продуктів та дефектів встановлення, а її точність значно перевищує точність людських очей. Чи стільки технологій змусить людей запаморочитись і втратити? Ця проблема не існує в Lenovo. Тому що ми всі керуються сценаріями та вимогами до кожного проекту, а потім шукаємо відповідні технології для його доопрацювання.
Ось простий приклад, який - Lenovo робить усі проекти цифрової трансформації. У рішеннях на основі сценаріїв різні основні технології, згадані раніше, влаштуються в кінцеву башту управління ланцюгом поставок. Навколишній 12345 - це типовий сценарій. Наприклад, у першому сценарії прогнозування попиту використовували аналіз часових рядів, глибоке навчання машини та AIGC.
Другий інтелектуальний ієрархічний менеджмент з питань інтелектуальних закупівель та постачальників, з точки зору досліджень постачальників, ми накопичили велику кількість даних про закупівлі, щоб визначити, чи надійні постачальники та чи може доставка вчасно. У той же час ми також використовуємо методи аналізу природних мов та методи видобутку даних для аналізу 360 -градусного профілю ланцюга поставок із загальнодоступних даних на периферії.
Інтелектуальне управління третього замовлення клієнтів, у нас є стільки замовлень з різними кількостями продукції, термінами доставки, постачанням та рівнем клієнтів. Ми можемо використовувати технологію оптимізації та технологію оперативної оптимізації, щоб інтелектуально вирішити, які накази спочатку виконувати, які замовлення повинні чекати, і навіть забезпечити плавне впровадження конкретних замовлень.
Остання інтелектуальна логістика, включаючи доставку, вибір місцезнаходження складу, вибір методу логістики та яку станцію спочатку доставити останню милю та яку станцію доставити останнє, - це деякі технології оперативної оптимізації.
Кожен може зосередитись на червоному банері та жовтому тексті, що охоплює три основні процеси, від попиту до постачання на етапі планування до того, як надійде перше замовлення. Друге замовлення дійшло до етапу доставки, від замовлення до готівки. Третій аспект, який обертається навколо всього продукту, - це оптимізація його життєвого циклу, трьох основних процесів та вісім основних технологій, згаданих раніше.
Ми підсумовуємо його на дві основні категорії технологій, одна називається прогнозованою технологією, представленою машинним навчанням, яка має на меті вирішити, як зменшити невизначеність, або іншими словами, як використовувати дані та алгоритми, щоб зробити деякі раніше невизначені сценарії трохи контрольованими. Дозвольте навести вам крайній приклад. Коли ми кидаємо монету, без жодних даних, це 1/2. Однак, якщо ви знаєте кути кидка і навіть різні текстури символів на передній і спині, ви все одно можете зробити більш точні прогнози за допомогою аналізу даних.
Іншою основною категорією є методи прийняття рішень, представлені оптимізацією досліджень операцій, яка використовується для вирішення багатоцільових збалансованих ланцюгів поставок, транспорту, навіть розподілу активів та розподілу енерговируків, які передбачають різні суперечливі багатоцільові проблеми. Як досягти оптимального балансу? Традиційні операції можуть вирішити такі проблеми.
Ми перебуваємо у виробничій промисловості, особливо в дискретному виробництві. У нас є концепція під назвою "Білл матеріалів", якою насправді можна керувати шарувати. Чим більше ми знаходимось у верхній частині першого шару, тим критичніше. Дотримуючись схеми, ми, безумовно, зможемо знайти найкращу основну технологію для певного предмета, яка сильно пов'язана з больовими точками певного сценарію, про який ми турбуємось.
У галузі дискретного виробництва ми маємо концепцію "законопроекту про матеріали". Компоненти можна керувати шарами, причому перший шар ближче до вершини є більш критичним. Завдяки цьому ієрархічному управлінню ми можемо визначити найбільш критичні матеріали в конкретному проекті, заснованому на встановлених підказках. Ця основна технологія тісно пов'язана з больовими точками конкретних сценаріїв, на які ми зосереджуємось, і може ефективно допомогти вирішити практичні проблеми.
3. Тематичне дослідження інтелектуального мозку ланцюга поставок
Тут існує концепція під назвою Башта управління ланцюгом поставок, яка є мозком ланцюга поставок, про який ми згадали пізніше. Тут я наведу один -два приклади, щоб проілюструвати концепцію меблів. Перша технологія - це технологія прогнозування, яка може використовуватися в багатьох сценаріях, таких як прогнозування попиту, прогнозування продажів, прогнозування заварювання, прогнозування виробничих потужностей.
Мета прогнозування - вирішення невизначеності. Які характеристики нашого прогнозування Lenovo? Йдеться не лише про прогнозування та оцінку чисел. Наше характерне ключове слово називається змішуванням, яке спеціально відображається у змішаному використанні AI на декількох рівнях. Наприклад, ви можете використовувати комбінацію алгоритмів, статистичних методів, машинного навчання, глибокого навчання та суміші великих і малих моделей для запуску у хмарі. Інші GPT також можна перевірити на краю. Наприклад, на виробничій лінії нам потрібно виявити невизначеність цих сигналів, вирішити їх на краю, а потім підтримати поєднання з даними.
Крім того, існує багаторівнева інтеграція. Нам потрібно робити прогнози продажів. Ми можемо мати різні регіони, кожен з яких має різні країни. Чи варто розділити їх після завершення прогнозу вищого рівня, або об'єднати кожен локальний прогноз? Насправді, жоден розмір не відповідає всім підході. Нам потрібно робити динамічні судження на основі розподілу, якості та формату даних. Повернувшись до поєднання знань та даних, про які ми щойно говорили, дозвольте навести приклад. Наприклад, коли ми продаємо ПК у Lenovo, деякі з них продаються безпосередньо клієнтам, але більшість з них продаються через канали. Щодо того, наскільки канали продають кінцевим клієнтам, ми не знаємо, але ми дуже хочемо знати.
Оскільки тенденція розпродажу та інвентар каналів визначає, скільки ми доставляємо, як ми можемо передбачити розпродаж? Звичайно, ми можемо попросити канали зібрати, скільки вони продають щороку, щомісяця та кожного кварталу, і вимірювати його з цифрами. Однак фактичний ефект дуже поганий. Пізніше ми виявили, що нам не вистачає ключової інформації. Це те, що нам розповів продажі. Ви вчені повинні піти і зрозуміти відкриття знижок на різних каналах. Якщо він зможе продати 80 одиниць і отримати знижку на 5%, він продасть 81 одиниці, 85 одиниць 82 одиниці, але він, безумовно, не продаватиме 79 одиниць. Він повинен досягти 80 одиниць. Як тільки ми зрозуміємо цю схему, точність наших прогнозів може бути значно вдосконалена.
Наприклад, коли ми раніше робили прогнози для ланцюга поставок послуг, його називали "скільки запасних частин повинні підготуватися до надзвичайних ситуацій". Ми зіткнулися з проблемою в той час у Південно -Східній Азії, наприклад, неточне прогнозування її модуля відображення з травня по серпень. Пізніше місцевий бізнес сказав нам уважно вивчити погоду. Травень по серпень-це мусонний сезон Індії з високою вологістю, а рівень відмови пристроїв із вбудованими ланцюгами досить високий. Наскільки це високо? Він не знає, але завдяки своєму оперативному режимі ми знаємо, як отримати інформацію про температуру, інформацію про опади, інформацію про вологість та злити ці дані разом. Під час сезону дощів у Південно -Східній Азії наша точність прогнозування значно покращилася.
Давайте подивимось на другу область застосування, пов’язану з оптимізацією. Я підготував кілька відео, і я поговорю трохи менше. Кожен повинен розуміти після перегляду відео. Перш ніж заглибитися глибше, давайте коротко зрозуміємо поняття "оптимізації". З точки зору досліджень операцій, оптимізація в основному включає три основні елементи. По -перше, у сценарії ланцюга поставок є багато цілей, які потрібно оптимізувати. Наприклад, рівень доставки, вартість, транспортний маршрут, час очікування замовлень, включаючи час зміни ліній між різними продуктами на виробничій лінії тощо, - це всі бізнес -цілі, на які нам потрібно зосередитись та оптимізувати. Це перший елемент оптимізації.
Другий елемент - змінна рішення. Наприклад, коли розміщено замовлення або вказані вимоги, нам потрібно придбати деталі для складання. На даний момент ми стикаємося з вибором між придбанням у постачальника А або постачальником B, припускаючи, що компоненти цих двох постачальників можуть бути замінені один на одного. Мало того, час і кількість закупівель у постачальника також потрібно ретельно розглянути та приймати рішення. Наприклад, у процесі планування, будь то робочий порядок організовано на виробничій лінії A або виробничій лінії B, різні варіанти матимуть різний вплив на ефективність виробництва, витрати тощо.
Третій елемент - це умова обмеження. Всі ми знаємо, що ресурси для того, щоб робити все, не є нескінченними, і їх потрібно здійснювати за певними обмеженнями. Виходячи з прикладу попереднього робочого порядок, можливо, що певний продукт може бути вироблений лише на виробничій лінії ABC через процес, обладнання та інші причини, і не може бути оброблений на виробничій лінії D.
Це типова умова обмеження.
Наприклад, у випадку з роздрібними магазинами вони можуть забрати товари лише з місцевих центрів розподілу і не можуть виділити товари з сусідніх провінцій, що є обмеженням. Розчин, отриманий під цими обмеженнями, - це можливий розчин. Однак не всі можливі рішення можуть задовольнити людей. Після того, як ми маємо чітку мету, нам потрібно знайти оптимальне рішення. Навіть якщо є кілька оптимальних рішень, нам все одно потрібно знайти відповідні бали на так званому фронті Парето.
Дозвольте навести приклад інтелектуального розподілу матеріалів. Під час епідемії поставки не вистачали, а процесори від таких компаній, як Intel або AMD, користуються великим попитом. Різні регіони та групи клієнтів вимагали цих популярних процесорів у відділі ланцюга поставок штабу.
Отже, на кого слід виділити ці дорогоцінні процесори?
Коли немає розумного алгоритму, звичайний підхід полягає у використанні рівного розподілу, розділяючи загальний попит кожного на загальну пропозицію. Припускаючи, що кожна людина може отримати 80% попиту, виявляється, що кожен цілком задоволений поверхнею. Однак начальник так не думає. Оскільки прибуток та доходи продуктів різняться в різних регіонах, а також є відмінності в толерантності до клієнтів.
Отже, нам потрібно інтегрувати фінансові цілі, цілі справедливості та інші цілі для проведення багатоцільної оптимізації, щоб розподілити ці процесори або дефіцитні матеріали, такі як модулі дисплея.
