РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЛОГИСТИКЕ: ЭФФЕКТИВНОСТЬ, ВЫЗОВЫ И РЕШЕНИЯ

АННОТАЦИЯ

В этой статье рассматривается преобразующий потенциал искусственного интеллекта (ИИ) в логистике, с упором на его способность повышать эффективность, оптимизировать процессы и сокращать затраты. В ней определяются ключевые приложения ИИ в логистике, такие как оптимизация маршрутов, управление запасами, автоматизация операций и предиктивная аналитика. Однако в статье также обсуждаются проблемы внедрения ИИ, включая высокие затраты, нехватку квалифицированных специалистов, трудности интеграции и риски безопасности данных. Предлагаются практические решения, такие как разработка доступных решений ИИ, повышение уровня образования в области ИИ и создание специализированных центров для внедрения ИИ в логистику. Реальные примеры применения ИИ подчеркивают его преимущества в повышении операционной устойчивости и удовлетворенности клиентов.

ABSTRACT

This article explores the transformative potential of artificial intelligence (AI) in logistics, focusing on its ability to enhance efficiency, optimize processes, and reduce costs. It identifies key applications of AI in logistics, such as route optimization, inventory management, operations automation, and predictive analytics. However, the article also discusses challenges to AI implementation, including high costs, a shortage of skilled professionals, integration difficulties, and data security risks. Practical solutions are proposed, like developing affordable AI solutions, increasing education in AI, and establishing specialized centers for AI implementation in logistics. Real-world case studies of AI application highlight its benefits in boosting operational resilience and customer satisfaction.

Ключевые слова: Искусственный интеллект, Логистика, Управление цепочками поставок (SCM), Оптимизация эффективности, Предиктивная аналитика, Оптимизация маршрутов, Безопасность данных, Автоматизация

Keywords: Artificial Intelligence (AI), Logistics, Supply Chain Management (SCM), Efficiency Optimization, Predictive Analytics, Route Optimization, Data Security, Automation

Цифровые технологии, искусственный интеллект (ИИ) и Интернет вещей серьёзно улучшают работу цепочек поставок в производственной сфере. Благодаря этим решениям, ИИ помогает лучше планировать и прогнозировать, что позволяет экономить ресурсы и снижать бизнес-риски. Все больше технологии на основе ИИ входят в повседневную жизнь человека, где он использует его в поиске, медицине , но и конечно же нельзя отделить логистику от этого процесса проникновения ИИ.

Все чаще, специалисты-практики ставят эксперименты с внедрение программ на основе ИИ в свою цепочку поставок , но не имея достаточного опыта и практики приходят к разочарованиям. Они бросают это начинания и возвращаться к прежним методом , которые ведут в таблицах , или даже в блокноте с ручкой.

Современная логистика столкнулась с вызовом различных проблем , таких как , пандемия Ковид , политические конфликты , в результате которых были перекрыты различные трациционные маршруты и необходимость искать новые методы доставки .

Вхождение в нашу повседневную жизнь четвертой промышленной революции ставит в качестве основной задачи введение новых систем обслуживания логистики , так как цепочки поставок являются формирующим  компонентом стоимости продукции и не эффективная логистика имеет непосредственное значение в росте цен на  потребительские товары и следовательно на карман каждого потребителя. Что может предложить современное технологическое сообщество для эффективной работы цепочек поставок. Конечно , прежде всего это искусственный интеллект , который упрощает время обработки  процессов с минут до секунд, оптимизирует рутинные задачи и повышает эффективность обработки больших объемов запросов, что приводит к потенциальному увеличению прибыли  компаний.

В этой статье мы попробуем разобраться , как работает  искусственный интеллект  в логистике и с какими трудностями сталкиваются компании-практики и какие решения находят для этого.

На примерах компании мы посмотрим как происходило внедрение программного обеспечения с искусственным интеллектом в логистические процессы. Это исследование было проведено компанией McKinsey. (7)

В партнерстве с ECU Worldwide компания McKinsey провела логистическую компанию через комплексную цифровую трансформацию, которая внедрила ИИ и машинное обучение для повышения эффективности и устойчивости цепочек поставок . Данная работа проводилась во время пандемии КОВИД-19 .Подход McKinsey включал разработку платформы ECU360 для автоматизации сложных логистических процессов, улучшения принятия решений в реальном времени и предоставления мгновенного ценообразования. ИИ способствовал автоматизированным рабочим процессам и аналитике, принося пользу как внутренним операциям, так и взаимодействию с клиентами. Однако ECU Worldwide столкнулась с проблемами, типичными для систем ИИ, включая проблемы конфиденциальности данных, необходимость постоянного управления качеством данных и начального обучения персонала для интерпретации идей, полученных с помощью ИИ. Кроме того, зависимость ИИ от высококачественных данных может создавать ограничения, если данные непоследовательны, что может повлиять на надежность принятия решений.

Сотрудничество Worldwide и McKinsey привело к значительным положительным результатам. Автоматизация на основе ИИ позволила быстрее и точнее устанавливать цены, оптимизировать логистические процессы и улучшить качество обслуживания клиентов с помощью платформы ECU360. Операционная эффективность и гибкость повысились, что позволило ECU динамично реагировать на сбои на рынке. Внедрение ИИ также оптимизировало распределение ресурсов, сократив затраты и повысив производительность по всей глобальной цепочке поставок. Кроме того, эти достижения повысили удовлетворенность и вовлеченность клиентов, поскольку услуги ECU стали более доступными и эффективными, с измеримыми улучшениями в устойчивости и масштабируемости.

В результате сотрудничества с компанией McKinsey ECU Worldwide добилась значительных улучшений. Внедрение платформы ECU360 позволило повысить эффективность использования клиентов на 25 %, сократить время обработки операций и повысить оперативную эффективность. Процессы автоматизации с использованием искусственного интеллекта более быстро и точно контролируют цены, а также устойчивость гибкости и устойчивость компаний к изменениям на мировом рынке.

Таким образом практика говорит об успешном внедрении программных на основе искусственного интеллекта в логистикою.

По данным McKinsey, внедрение искусственного интеллекта в управление цепочками поставок для потребительских товаров позволяет значительно улучшить прогнозирование спроса. Основываясь на анализе причинных факторов, а не только на прошлых данных, AI способен повысить точность прогноза на 10–20%. Это ведет к сокращению затрат на хранение на 5% и увеличению доходов на 2–3%. (6)

Так же проведя широкомасштабное McKinsey приходит к выводу, ИИ имеет значительные перспективы для преобразования логистики и операций цепочки поставок. Методы ИИ, особенно глубокое обучение, обеспечивают существенное повышение производительности по сравнению с традиционной аналитикой, предлагая ценную информацию в таких областях, как оптимизация логистики, предиктивное обслуживание и прогнозирование спроса. Например, логистические решения на основе ИИ могут повысить эффективность маршрутизации, сократить расход топлива и сократить время доставки за счет использования данных в реальном времени и методов непрерывной оценки. Эта возможность ценна для управления как затратами, так и ожиданиями клиентов.

Кроме того, McKinsey отмечает, что наибольший потенциал ИИ заключается в применении его к существующим вариантам использования, где традиционные методы, такие как регрессия и классификация, уже установлены, но где ИИ может дать улучшенные результаты. Эти улучшения не только операционные, но и повышают общую корпоративную производительность. Однако McKinsey подчеркивает, что успешное внедрение ИИ во многом зависит от цифровой зрелости организаций и их способности решать такие проблемы, как сбор данных, нормативные проблемы и дефицит кадров. Сосредоточившись на этих факторах, компании могут отдать приоритет развертыванию ИИ, которое принесет наибольшую потенциальную ценность, гарантируя конкурентное преимущество за счет инноваций в логистике и управлении цепочками поставок.

Искусственный интеллект помогает в логистике, автоматизируя рутинные и повторяющиеся задачи, такие как комплектация, сортировка и перемещение товаров. Роботы и ИИ-решения освобождают людей от однообразной работы, повышают скорость и точность операций. Например, ИИ-роботы могут сортировать более 1000 посылок в час с высокой точностью, помогая справляться с возросшим объемом заказов. Взаимодействие людей и роботов делает процессы более эффективными, а людей обучают управлять и контролировать роботизированные системы. (6)

ИИ можно использовать для обработки больших объёмов данных, например, данных от датчиков, прогнозов погоды и даже информации из социальных сетей, чтобы точно прогнозировать спрос и эффективно управлять запасами. Это также помогает оптимизировать логистику, маршруты доставки, а ещё снижать издержки и повышать общую эффективность.(2) ИИ позволяет предсказывать, когда оборудование может выйти из строя, что даёт возможность заранее планировать ремонт и избегать простоев.

Кроме того, ИИ может выявлять риски в цепочке поставок, такие как природные катастрофы, дефицит материалов или политическая нестабильность, а также улучшать контроль качества на всех этапах производства и транспортировки. Автоматизация рутинных задач с помощью ИИ позволяет сотрудникам сосредоточиться на более важных задачах и улучшает взаимодействие между участниками цепочки поставок, такими как поставщики и розничные продавцы.

Внедрение ИИ помогает компаниям лучше обслуживать клиентов, предоставляя быстрые и точные ответы на их запросы, что повышает уровень удовлетворённости и, в конечном счёте, помогает бизнесу расти. Однако, несмотря на все преимущества, внедрение ИИ требует значительных вложений и специалистов, а также поднимает вопросы о защите данных.(1)

В будущем искусственный интеллект (ИИ) в управлении цепочками поставок будет развиваться в нескольких направлениях. Ожидается, что он будет всё активнее использоваться, так как компании видят его способность повышать эффективность и снижать затраты. Системы ИИ будут лучше интегрироваться с уже существующими системами, что позволит точнее анализировать данные и принимать решения.

Также будет уделяться больше внимания вопросам этики и защиты данных — важно, чтобы ИИ был объективным и не нарушал конфиденциальность. Важно будет учитывать влияние автоматизации на людей, а также повышать квалификацию работников, чтобы они могли работать с новыми технологиями. ИИ будет помогать предсказывать проблемы в цепочках поставок и управлять рисками, позволяя компаниям быстрее реагировать на неожиданные сбои.

Кроме того, ожидается, что ИИ будет всё больше сочетаться с блокчейн-технологиями, что сделает управление цепочками поставок более безопасным и прозрачным.(4)

• Роль ИИ в цепочках поставок : ИИ используется для обработки и анализа данных, собранных с GPS, датчиков IoT и меток RFID. Это помогает повысить устойчивость цепочки поставок за счет оптимизации логистики и улучшения процессов принятия решений. Анализ данных на основе ИИ позволяет принимать предиктивные решения, что помогает цепочкам поставок эффективнее реагировать на сбои и делать более точные прогнозы.
• Преимущества ИИ в цепочках поставок : ИИ способствует устойчивости цепочек поставок, улучшая видимость и контроль, снижая риски и позволяя быстрее реагировать на потенциальные сбои. ИИ может повысить точность решений по сравнению с традиционными методами, которые полагаются на ручной контроль и человеческое суждение.
• Более широкое воздействие ИИ : использование ИИ в цепочках поставок поддерживает внедрение эффективных и устойчивых практик, помогая снизить производственные и транспортные издержки. Это, в свою очередь, способствует снижению потребительских цен, улучшению экономических показателей и снижению воздействия на окружающую среду, например, за счет сокращения выбросов углерода.

Искусственный интеллект играет преобразующую роль в цепочках поставок, повышая эффективность, устойчивость и принятие решений с помощью технологий, основанных на данных. Системы ИИ собирают огромные объемы данных из множества источников, таких как устройства IoT, GPS-трекеры, RFID-метки и другие цифровые системы, встроенные в цепочку поставок. Эти датчики и системы отслеживания предоставляют информацию в реальном времени об уровнях запасов, маршрутах транспортировки и условиях эксплуатации, которую ИИ интегрирует в централизованную платформу для обработки и анализа.

Благодаря возможностям мониторинга в реальном времени ИИ улучшает видимость всех элементов цепочки поставок, позволяя заинтересованным сторонам иметь актуальную информацию о движении и состоянии товаров. Эта прозрачность гарантирует, что компании могут отслеживать местоположение поставок, контролировать транспортные средства доставки и оценивать состояние складских запасов. Информация ИИ в реальном времени также распространяется на условия окружающей среды, такие как температура или влажность, которые необходимы для управления чувствительными товарами.

Одним из ключевых преимуществ ИИ в цепочках поставок является его способность прогнозирования. Анализируя исторические данные и данные в реальном времени, ИИ может прогнозировать спрос, предсказывать потенциальные сбои и выявлять риски. Например, он может анализировать тенденции продаж и поведение клиентов, чтобы точнее прогнозировать будущий спрос. ИИ также может прогнозировать потенциальные риски, такие как сбои в погодных условиях или задержки поставщиков, и рекомендовать альтернативные маршруты или стратегии снабжения для смягчения этих проблем.

ИИ оптимизирует различные операции цепочки поставок, автоматизируя сложные решения. Например, он может обрабатывать схемы движения, графики доставки и данные о расходе топлива для оптимизации маршрутов доставки в режиме реального времени, сокращая транспортные расходы и время доставки. Он также оптимизирует управление запасами, прогнозируя, когда необходимо пополнить запасы, балансируя запасы на складах, чтобы предотвратить затоваривание или дефицит, что повышает уровень обслуживания и снижает затраты на хранение.

ИИ обеспечивает автоматизацию в различных областях цепочки поставок, оптимизируя такие процессы, как обработка заказов и управление складом. Это снижает количество человеческих ошибок, повышает эффективность и позволяет операциям работать гладко. Поскольку системы ИИ используют методы машинного обучения, они постоянно учатся на прошлых результатах, повышая точность прогнозирования, планирования и логистики. Выявляя закономерности и изучая обратную связь, ИИ помогает цепочкам поставок адаптироваться и совершенствовать свои операции с течением времени.

ИИ также предоставляет предписывающие рекомендации, предлагая наилучший курс действий при столкновении с трудностями. Например, если прогнозируется дефицит поставок, ИИ может рекомендовать альтернативных поставщиков или логистические маршруты для обеспечения своевременной доставки. Кроме того, ИИ способствует устойчивости, снижая эксплуатационные расходы и воздействие на окружающую среду. Он оптимизирует использование ресурсов, таких как топливо и рабочая сила, и сокращает отходы, предотвращая ненужные поставки и хранение. Такая оптимизация приводит к снижению выбросов углерода и потребления энергии.

В проведенном исследовании "Искусственный интеллект и предписывающая аналитика для устойчивости цепочек поставок» (5) ученые пришли к выводам : искусственный интеллект (ИИ) имеет огромный потенциал для улучшения управления цепочками поставок (SCM), его применение все еще ограничено, охватывая только определенные функции ИИ в SCM. Они подчеркивают необходимость расширения исследований ИИ за пределы традиционного машинного обучения, чтобы включить такие области, как автономная робототехника, которая может обеспечить значительный рост эффективности. Исследование также подчеркивает важность интеграции различных функций ИИ для раскрытия новых возможностей и эффективности в SCM. Они призывают к скоординированным усилиям между академическими кругами и промышленностью для использования всего потенциала ИИ, обеспечивая экономическую и социальную ценность во все более сложных глобальных цепочках поставок.

ИИ в цепочках поставок будет незаменимым инструментом-помощником для принятия решений управленцам в логистике.  На рисунке 1 описывает «Стратегическую структуру устойчивости ИИ» для цепочек поставок, предоставляя структурированный подход к интеграции технологий ИИ в управление цепочками поставок для повышения устойчивости. Структура подчеркивает выявление уязвимостей, стратегическую интеграцию ИИ и разработку надежных стратегий устойчивости. Она подчеркивает роль ИИ в проактивном управлении сбоями с помощью предписывающей аналитики, способствуя созданию совместных экосистем для повышения прозрачности и гибкости по всей цепочке поставок. Диаграмма подразумевает, что аналитика на основе ИИ помогает лицам, принимающим решения, принимать своевременные, обоснованные ответы на потенциальные сбои, что повышает общую устойчивость цепочки поставок.

Рисунок 1. Стратегическая структура устойчивости ИИ

Искусственный интеллект (ИИ) и цифровые технологии играют ключевую роль в улучшении цепочек поставок, делая их более эффективными и устойчивыми. Используя данные с различных датчиков, GPS и RFID-меток, ИИ может собирать и анализировать информацию в первый момент, что позволяет компаниям лучше управлять запасами, оптимизировать маршруты доставки и снижать затраты. Прогнозирование перспектив и сбоев помогает снизить риски и улучшить планирование. Автоматизация рутинных процессов снижает вероятность ошибок и повышает скорость выполнения задач. ИИ принял решение о сокращении международных расходов в целях оптимизации логистических и управленческих мер, что также положительно влияет на окружающую среду. Внедрение ИИ требует инвестиций и специалистов, но его преимущества в повышении производительности и снижении затрат.

Основные проблемы, связанные с использованием ИИ в логистике, включают высокую стоимость внедрения и адаптации технологий, сложность интеграции с существующими системами, а также необходимость постоянного технического обслуживания и модернизации. Другие вызовы связаны с обеспечением безопасности данных и непредсказуемыми сбоями в работе автоматизированных систем. Также важна зависимость от качества данных, на которых обучаются алгоритмы, что может приводить к ошибкам в принятии решений.

Для решения проблемы внедрения цифровых технологий в логистике можно предложить следующие пять путей:

1. Постепенное внедрение и пилотные проекты: Начать с небольших пилотных проектов, которые позволят протестировать технологии на отдельных участках логистической цепи. Это поможет выявить возможные проблемы и оптимизировать процессы без значительных финансовых вложений сразу.

2. Инвестиции в обучение персонала: Для успешного внедрения цифровых технологий необходимо подготовить сотрудников. Проведение тренингов и программ обучения позволит персоналу освоить новые инструменты и эффективно использовать цифровые решения.

 3. Государственные и частные гранты: Привлечение финансовой поддержки от государства или инвесторов на разработку и внедрение цифровых решений. Это снизит нагрузку на компании и поможет быстрее внедрить технологии.

 4. Партнёрство с технологическими компаниями: Сотрудничество с IT-компаниями или стартапами, специализирующимися на цифровизации логистики. Это позволит получить доступ к передовым решениям и использовать их на выгодных условиях.

5. Создание единых стандартов и платформ: Разработка и внедрение общих стандартов для технологий, используемых в логистике. Это облегчит интеграцию различных систем и уменьшит проблемы совместимости, ускорив процесс внедрения."

Хотя ИИ отлично справляется с частыми сбоями, человеческий опыт остается необходимым для принятия решений, особенно во время редких или непредсказуемых событий. Будущее ИИ в цепочке поставок обещает дальнейшее улучшение эффективности и устойчивости, но человеческий контроль сохранится.

Список литературы:

1. Данилова М. А. Возможности и вызовы технологий четвертой промышленной революции для развития розничной торговли. - Вестник СГСЭУ. 2019. № 2 (76)
2. AI in logistics & supply chains - Delivered – Global URL: https://www.dhl.com/global-en/delivered/innovation/ai-in-logistics.html  (дата обращения 30.10.2024)
3. Lockamy, A., & McCormack, K. (2004). The development of a supply chain management process maturity model using the concepts of business process orientation  .  - Supply Chain Management An International Journal, 9(4), 272–278.
4. Fan, S., Yang, Z., Wang, J., & Marsland, J. (2022). Shipping accident analysis in restricted waters: Lesson from the Suez Canal blockage in 2021. Ocean Engineering, 266, 113119.
5. Conn Smyth, Denis Dennehy, Samuel Fosso Wamba, Murray Scott & Antoine Harfouche (23 Apr 2024): Artificial intelligence and prescriptive analytics for supply chain resilience: a systematic literature review and research agenda, International Journal of Production Research
6. Notes from the AI Frontier: Insights from Hundreds of Use Cases," published by the McKinsey Global Institute.
7. Undaunted by Global Disruption, a Logistics Company Embraces Bold Transformation. URL: https://www.mckinsey.com/industries/travel-logistics-and-infrastructure/how-we-help-clients/undaunted-by-global-disruption-a-logistics-company-embraces-bold-transformation. (дата обращения 30.10.2024)