AIがサプライチェーンの危機をどのように解決できるか

COVID-19のパンデミックは、複数の業界にわたるイノベーションの証明の場となっています。これは驚くべきことではありません。歴史を通じて、危機はイノベーションを生み出してきました。現在、世界は、私たちのグローバルサプライチェーンへの大変動の混乱の中で、もう一度革新するよう招待されています。

私たちが現在直面している問題は、絶望的なボトルネックのように見えるかもしれません。それを修正するために必要な変更は、価値を実現するために時間がかかるでしょう。しかし、人工知能を他のテクノロジーやイノベーションと組み合わせると、製造現場から小売店の棚まで、サプライチェーン全体で長期的な改善がもたらされる可能性があります。ここにいくつかのシナリオがあります。

工場フロアの改善

サプライチェーンのボトルネックに関するニュース報道は、港の閉鎖の最中に海で立ち往生している船に焦点を当てる傾向があります。しかし、サプライチェーンマネージャーは、サプライチェーンの改善が、原材料が調達されて製品に製造される工場のフロアにまで及ぶことを知っています。他のテクノロジーに接続されたAIは大きな違いを生む可能性があります。たとえば、原材料の供給に関するデータ主導の予測は、製造計画の決定と、燃え尽き症候群を減らすための労働計画の最適化に役立ちます。さらに、工場フロアのスマートセンサーにより、生産がより効率的になり、供給と需要の両方の変動に対応できるようになります。スマートセンサーは、重要な部品が摩耗したときにメーカーに警告することもできるため、メーカーは混乱が発生する前に予防的な是正措置を講じることができます。

バーチャルリアリティ、複合現実、拡張現実などの没入型テクノロジーとAI（たとえば、深層強化学習と3Dシミュレーションの組み合わせ）を組み合わせて製造プロセスを改善する企業の可能性に最も興奮しています。企業はAIを使用して、さまざまな生産シナリオをシミュレートし、時間のかからない、より費用効果の高い方法で工場のフロアを最適化できます。さらに、3Dシミュレーションと強化学習により、製造業者は製造プロセス全体を最適化できますが、物理的な製造実験では特定のプロセスに対してのみ最適化できます。メタバースの可能性が定着するにつれて、このAIの仮想アプリケーションは、工場の効率を高めるだけでなく、工場のフロアを変革するのに役立つ可能性があります。

混乱への対応

AIを使用すると、データと分析を使用して、サプライチェーンの混乱によって影響を受けている在庫を特定してマッピングすることができます。企業が資材を輸送する船の可視性を欠いている場合は、データ、モノのインターネット、高度な分析（機械学習やシミュレーションなど）を使用したサプライチェーンのデジタルトランスフォーメーションを優先することを正当化する機会として危機を利用する必要があります。企業は、供給側の制約が事業と市場の需要期待に応える能力にどのような影響を与えるかをうまく測定するために、常に商品がどこにあるかを知る必要があります。これは、自動車業界で見られるように、グローバルに活動する多くのプレーヤーに依存する複雑なサプライチェーンに特に当てはまります。自動車メーカーと小売業者は、ある国から次の国への半導体のサプライチェーンにおけるボトルネックを追跡するのに苦労しています。この透明性の欠如により、ボトルネックを解消する方法を特定したり、在庫がいつ正常に戻るかを予測したりするなどの措置を講じることはほぼ不可能になります。透過的なデータ共有とAIは、この問題の解決に役立ちます。

消費者の需要への対応

消費者の需要がなければサプライチェーンの危機は発生しないことを覚えておくことは有益です。 AIは、デジタルシェルフテクノロジーを通じて、サプライチェーンエコシステムのすべての人が消費者の需要とより整合するのを支援できます。デジタル棚とは、店舗内とオンラインの両方で、リアルタイムデータを介して小売業者の業務全体とサプライチェーンに接続されている製品ディスプレイを大まかに指します。デジタル棚を使用すると、企業はすべての店舗の正確な在庫レベルを常に把握できます。

Amazon.comInc。の食料品店を見てください。 Amazon Goストア全体のセンサーは、デジタルシェルフで常に更新されるインテリジェンスを提供します。これにより、小売業者は地域の需要に基づいて在庫レベルをカスタマイズし、製品需要の突然の急増や減少に対応することができます。より大規模な場合、WalmartInc。もこの機能を構築しています。

デジタル棚の概念は数年前から存在していましたが、パンデミックにより、より緊急かつタイムリーになりました。これは、消費者の需要の急速で予測不可能な変化と、パンデミックから生じたオンライン/オフラインコマースの急増により、在庫レベルを管理する企業の許容誤差がなくなったためです。

デジタルシェルフはサプライチェーンのボトルネックを解決しませんが、企業がサプライチェーンの重要な要素であるラストワンマイルの配送をよりスムーズに管理するのに役立ちます。

人手不足の管理

サプライチェーンの危機が深刻化している理由の1つは、製品を降ろす倉庫作業員や製品を輸送するトラック運転手など、利用可能な労働力の不足です。 AIは、特に企業が請負業者の労働力を調達するためにAIをどのように使用するかについて創造的になる場合、企業がタイトな労働力供給を管理するのに役立ちます。多くの企業は、容量の急増を管理するための一時的な支援を見つけたとき、まだ暗黒時代に活動しています。彼らは電話を取り、人材派遣会社に電話をかけます。これは非常に非効率的なアプローチです。データとAIを活用した単一のポータルを利用して、企業が必要なリソースを見つけたとしたらどうでしょうか。企業とその人員配置パートナーが、人員配置のニーズとリソースに関する情報でポータルを最新の状態に保っていると仮定すると、AIは、ニーズの範囲、利用可能なスタッフとリソースへの近さ、時間枠などの要因に応じてリソースを照合できます。利用可能なリソースがゼロの場合、AIは問題を解決しませんが、適切なプラットフォームで有効にすると確かに役立ちます。

次の危機への計画

AIは、ビジネスがシナリオプランニングの演習を実施し、重要なビジネス上の意思決定に情報を提供するのに役立ちます。パンデミックは、企業が次のパンデミックを計画するための目覚めの呼びかけです—それが別のパンデミック、自然災害、市民の不安、またはその他の混乱であろうと。 AIは、企業が不足を予測して問題を事前に供給し、回復力のある戦略で対応するのに役立ちます。たとえば、港の閉鎖が発生したときに重要な資材の配送を再ルーティングします。これには、データがあり、復元力の応答をシミュレートできる必要があります。 AIは、サプライチェーンに沿った企業が、特定の混乱（自然災害によるコーヒー生産の増加など）が一時的なものか長期的なものかを予測し、そのデータに基づいて対応シナリオをシミュレートするのにも役立ちます。

AIを活用した工場シミュレーションと同様に、企業はデジタルツインを使用して、次の混乱に備えたシナリオプランニングを行うことができます。 MIT Technology Reviewが指摘しているように、「台湾で干ばつが発生し、水不足によりマイクロチップの製造が停止した場合はどうなるでしょうか。デジタルツインは、これが発生するリスクを予測し、サプライチェーンに与える影響を追跡し、強化学習を使用して、害を最小限に抑えるために実行するアクションを提案できます。」

サプライチェーンの危機から抜け出す簡単な方法はありません。 AI自体も解決策を提供しません。この投稿で行ったように、企業はまずサプライチェーンの危機をより小さな問題点に分解し、それらを解決する方法を理解することをお勧めします。 「次の混乱からビジネスをどのように保護できるか」と質問します。おそらく広すぎる質問です。代わりに、「トラックの運転車両を需要の急増に効果的に合わせるにはどうすればよいか」など、より具体的で解決しやすいものに焦点を当てます。質問に答えることは、企業がAIの明確で説得力のある役割を理解するのに役立ちます。

Ahmer Inamは、グローバルなデジタルおよびテクノロジーサービス企業であるPacteraEDGEの最高AI責任者です。

COVID-19のパンデミックは、複数の業界にわたるイノベーションの証明の場となっています。これは驚くべきことではありません。歴史を通じて、危機はイノベーションを生み出してきました。現在、世界は、私たちのグローバルサプライチェーンへの大変動の混乱の中で、もう一度革新するよう招待されています。

私たちが現在直面している問題は、絶望的なボトルネックのように見えるかもしれません。それを修正するために必要な変更は、価値を実現するために時間がかかるでしょう。しかし、人工知能を他のテクノロジーやイノベーションと組み合わせると、製造現場から小売店の棚まで、サプライチェーン全体で長期的な改善がもたらされる可能性があります。ここにいくつかのシナリオがあります。

工場フロアの改善

サプライチェーンのボトルネックに関するニュース報道は、港の閉鎖の最中に海で立ち往生している船に焦点を当てる傾向があります。しかし、サプライチェーンマネージャーは、サプライチェーンの改善が、原材料が調達されて製品に製造される工場のフロアにまで及ぶことを知っています。他のテクノロジーに接続されたAIは大きな違いを生む可能性があります。たとえば、原材料の供給に関するデータ主導の予測は、製造計画の決定と、燃え尽き症候群を減らすための労働計画の最適化に役立ちます。さらに、工場フロアのスマートセンサーにより、生産がより効率的になり、供給と需要の両方の変動に対応できるようになります。スマートセンサーは、重要な部品が摩耗したときにメーカーに警告することもできるため、メーカーは混乱が発生する前に予防的な是正措置を講じることができます。

バーチャルリアリティ、複合現実、拡張現実などの没入型テクノロジーとAI（たとえば、深層強化学習と3Dシミュレーションの組み合わせ）を組み合わせて製造プロセスを改善する企業の可能性に最も興奮しています。企業はAIを使用して、さまざまな生産シナリオをシミュレートし、時間のかからない、より費用効果の高い方法で工場のフロアを最適化できます。さらに、3Dシミュレーションと強化学習により、製造業者は製造プロセス全体を最適化できますが、物理的な製造実験では特定のプロセスに対してのみ最適化できます。メタバースの可能性が定着するにつれて、このAIの仮想アプリケーションは、工場の効率を高めるだけでなく、工場のフロアを変革するのに役立つ可能性があります。

混乱への対応

AIを使用すると、データと分析を使用して、サプライチェーンの混乱によって影響を受けている在庫を特定してマッピングすることができます。企業が資材を輸送する船の可視性を欠いている場合は、データ、モノのインターネット、高度な分析（機械学習やシミュレーションなど）を使用したサプライチェーンのデジタルトランスフォーメーションを優先することを正当化する機会として危機を利用する必要があります。企業は、供給側の制約が事業と市場の需要期待に応える能力にどのような影響を与えるかをうまく測定するために、常に商品がどこにあるかを知る必要があります。これは、自動車業界で見られるように、グローバルに活動する多くのプレーヤーに依存する複雑なサプライチェーンに特に当てはまります。自動車メーカーと小売業者は、ある国から次の国への半導体のサプライチェーンにおけるボトルネックを追跡するのに苦労しています。この透明性の欠如により、ボトルネックを解消する方法を特定したり、在庫がいつ正常に戻るかを予測したりするなどの措置を講じることはほぼ不可能になります。透過的なデータ共有とAIは、この問題の解決に役立ちます。

消費者の需要への対応

消費者の需要がなければサプライチェーンの危機は発生しないことを覚えておくことは有益です。 AIは、デジタルシェルフテクノロジーを通じて、サプライチェーンエコシステムのすべての人が消費者の需要とより整合するのを支援できます。デジタル棚とは、店舗内とオンラインの両方で、リアルタイムデータを介して小売業者の業務全体とサプライチェーンに接続されている製品ディスプレイを大まかに指します。デジタル棚を使用すると、企業はすべての店舗の正確な在庫レベルを常に把握できます。

Amazon.comInc。の食料品店を見てください。 Amazon Goストア全体のセンサーは、デジタルシェルフで常に更新されるインテリジェンスを提供します。これにより、小売業者は地域の需要に基づいて在庫レベルをカスタマイズし、製品需要の突然の急増や減少に対応することができます。より大規模な場合、WalmartInc。もこの機能を構築しています。

デジタル棚の概念は数年前から存在していましたが、パンデミックにより、より緊急かつタイムリーになりました。これは、消費者の需要の急速で予測不可能な変化と、パンデミックから生じたオンライン/オフラインコマースの急増により、在庫レベルを管理する企業の許容誤差がなくなったためです。

デジタルシェルフはサプライチェーンのボトルネックを解決しませんが、企業がサプライチェーンの重要な要素であるラストワンマイルの配送をよりスムーズに管理するのに役立ちます。

人手不足の管理

サプライチェーンの危機が深刻化している理由の1つは、製品を降ろす倉庫作業員や製品を輸送するトラック運転手など、利用可能な労働力の不足です。 AIは、特に企業が請負業者の労働力を調達するためにAIをどのように使用するかについて創造的になる場合、企業がタイトな労働力供給を管理するのに役立ちます。多くの企業は、容量の急増を管理するための一時的な支援を見つけたとき、まだ暗黒時代に活動しています。彼らは電話を取り、人材派遣会社に電話をかけます。これは非常に非効率的なアプローチです。データとAIを活用した単一のポータルを利用して、企業が必要なリソースを見つけたとしたらどうでしょうか。企業とその人員配置パートナーが、人員配置のニーズとリソースに関する情報でポータルを最新の状態に保っていると仮定すると、AIは、ニーズの範囲、利用可能なスタッフとリソースへの近さ、時間枠などの要因に応じてリソースを照合できます。利用可能なリソースがゼロの場合、AIは問題を解決しませんが、適切なプラットフォームで有効にすると確かに役立ちます。

次の危機への計画

AIは、ビジネスがシナリオプランニングの演習を実施し、重要なビジネス上の意思決定に情報を提供するのに役立ちます。パンデミックは、企業が次のパンデミックを計画するための目覚めの呼びかけです—それが別のパンデミック、自然災害、市民の不安、またはその他の混乱であろうと。 AIは、企業が不足を予測して問題を事前に供給し、回復力のある戦略で対応するのに役立ちます。たとえば、港の閉鎖が発生したときに重要な資材の配送を再ルーティングします。これには、データがあり、復元力の応答をシミュレートできる必要があります。 AIは、サプライチェーンに沿った企業が、特定の混乱（自然災害によるコーヒー生産の増加など）が一時的なものか長期的なものかを予測し、そのデータに基づいて対応シナリオをシミュレートするのにも役立ちます。

AIを活用した工場シミュレーションと同様に、企業はデジタルツインを使用して、次の混乱に備えたシナリオプランニングを行うことができます。 MIT Technology Reviewが指摘しているように、「台湾で干ばつが発生し、水不足によりマイクロチップの製造が停止した場合はどうなるでしょうか。デジタルツインは、これが発生するリスクを予測し、サプライチェーンに与える影響を追跡し、強化学習を使用して、害を最小限に抑えるために実行するアクションを提案できます。」

サプライチェーンの危機から抜け出す簡単な方法はありません。 AI自体も解決策を提供しません。この投稿で行ったように、企業はまずサプライチェーンの危機をより小さな問題点に分解し、それらを解決する方法を理解することをお勧めします。 「次の混乱からビジネスをどのように保護できるか」と質問します。おそらく広すぎる質問です。代わりに、「トラックの運転車両を需要の急増に効果的に合わせるにはどうすればよいか」など、より具体的で解決しやすいものに焦点を当てます。質問に答えることは、企業がAIの明確で説得力のある役割を理解するのに役立ちます。

Ahmer Inamは、グローバルなデジタルおよびテクノロジーサービス企業であるPacteraEDGEの最高AI責任者です。