Tehnologija, digitalna transformacija, umjetna inteligencija. Sve su to termini koji se spominju, o kojima se diskutira, promišlja. Ali, što je zapravo umjetna inteligencija? To je sustav koji nastoji oponašati ljudsku inteligenciju prilikom razumijevanja teksta, pretraživanja, stvaranja uzoraka, rješavanja problema, zaključivanja, donošenja odluka, predviđanja. Da bi sve to bilo moguće, potrebno je kreirati velike baze podataka, imati jaku tehnološku infrastrukturu i razvijati efikasne algoritme.
Što sve to znači da upravljanje lancem opskrbe? Da bismo odgovorili na ovo pitanje, krenimo ispočetka. Postoje različite definicije lanca opskrbe, ali mnoge naglašavaju da je lanac opskrbe tijek materijala, roba, usluga i informacija. Neke definicije uključuju i financijske tijekove, a mogli bismo naravno dodati i neke specifične za svaku pojedinu djelatnost. I što se onda svakodnevno radi s tim tijekovima? U svakoj točki balansiramo između efikasnosti i efektivnosti, tj., u svakoj točki nastojimo maksimizirati razinu usluge i minimizirati trošak. Kako to radimo? Primjenom strategija upravljanja lancem opskrbe: upravljanje dobavljačima, nabavom, transportom, skladištem, zalihama, proizvodnjom roba i usluga, distribucijom, potražnjom. U zadnje se vrijeme puno govori i o održivosti, integraciji, koordinaciji i komunikaciji u lancu opskrbe. I kako onda umjetna inteligencija doprinosi upravljanju lancem opskrbe?
Umjetna inteligencija može pomoći u svakoj točki lanca opskrbe. Da bi to bilo moguće, potrebno je u svakoj točki prikupljati potrebne podatke koje će algoritmi koristiti. U tablici 1 navedeni su neki najčešće prikupljani podaci po točkama u lancu opskrbe.
Tablica 1. Podaci u lancu opskrbe
| Točka u lancu opskrbe | Podaci |
| Dobavljači | Matični podaci Cijena Kvaliteta Tehničke karakteristike proizvoda/usluge Rok isporuke Postotak oštećenih proizvoda Fleksibilnost Održivo poslovanje Društvena odgovornost Zeleno poslovanje Sigurnost Način dostave Prateće usluge |
| Transport/Distribucija | Jedinični trošak transporta Fiksni trošak transporta Kapacitet transporta Položaj skladišta, distribucijskih centara i dućana Udaljenosti i položaj Podaci o prometu Meteorološki uvjeti |
| Skladište/Zalihe | Šifre SKU Predviđena potražnja Povijesne potražnje Rokovi isporuke dobavljača Cijene repromaterijala Jedinični trošak držanja zaliha Jedinični trošak dostave Kapacitet skladišta Layout skladišta (usklađivanje s layoutom dućana) Podaci važni za Yard management Kapacitet transporta Sastavnica materijala za MRP |
| Proizvodnja roba i usluga | Predviđena potražnja Povijesne potražnje Cijene repromaterijala Jedinični trošak držanja zaliha Jedinični trošak dostave Jedinični trošak proizvodnje Jedinični trošak rada Jedinični trošak outsourcinga Jedinični trošak prekovremenog rada Kapacitet skladišta Kapacitet transporta Kapacitet proizvodnje |
| Predviđanje potražnje | Podaci o povijesnoj prodaji Podaci o povijesnoj potražnji (propuštene prodaje) Povijesne predviđene vrijednosti Navike potrošača/klijenata Lokacija na kojoj se ostvaruje potražnja Vrijeme/trenutak kad se ostvaruje potražnja Makroekonomski pokazatelji Specijalni događaji (sportska natjecanja, kulturna događanja, Advent) Meteorološke prilike |
Umjetna inteligencija pretražuje, obrađuje i analizira podatke, simulira, pokreće algoritme, rješava probleme, donosi zaključke, kreira odluke i komunicira.
Dobavljači i nabava
Procesi upravljanja odnosima s dobavljačima i nabave uključuju definiranje kriterija odabira, selekciju dobavljača, pregovaranje i donošenje odluke o kupnji. Pritom umjetna inteligencija koristi povijesne podatke o dobavljačevom ponašanju, o njegovoj pouzdanosti što se tiče roka isporuke, točnih količina, održavanja i svih elemenata koji su zanimljivi pojedinoj kompaniji. Na temelju toga, algoritmi izračunavaju ekonomski najpovoljniju ponudu, ukupan trošak posjedovanja i ostale stavke potrebne za donošenje odluke o kupnji. Pritom korisnik može postavljati pitanja i dodatne zahtjeve, a umjetna inteligencija će odgovarati u skladu s prikupljenih znanjem iz prošlosti. Što je baza podataka veća, dobivat ćemo preciznije odgovore i točnije informacije. Algoritmi onda automatski kreiraju narudžbenice, dostavnice i ostalu dokumentaciju.
Transport i distribucija
Optimizacija utovara, ruta kojima se prevozi, združeni teret, modularni prijevoz, sve to provodi umjetna inteligencija. Istina je da koristi algoritme, ali prikupljajući podatke i iskustvo kreira bazu znanja koju onda upotrebljava za unapređenje algoritama koji se neprekidno mijenjaju i prilagođavaju situacijama, ponekad i u realnom vremenu. Također, uzimajući u obzir podatke o vremenskim prilikama, prometu i neplaniranim preprekama, umjetna inteligencija doprinosi pravovremenim isporukama, smanjenju troškova, potrošnje goriva i ugljičnog otiska. Kao i kod nabave, i ovdje se automatski kreira sva popratna dokumentacija koju mogu koristiti svi sudionici procesa.
Valja spomenuti i razvoj autonomnih vozila i dronova za prijevoz i dostavu koji svakim danom sve više napreduje. Kao krajnji kupci, svjedočimo raznim aplikacijama koje nam omogućuju praćenje našeg paketa, letova, autobusa, ali i kupovinu karata, roba i usluga.
Skladištenje i zalihe
Optimalan raspored polica i skladišnih mjesta kako bi put viljuškara bio najkraći mogući, a sve povezano s predviđanjem potražnje za određenim proizvodom; utovar po proizvodu ili po mjestu isporuke; redoslijed slaganja proizvoda na kolica u skladištu koji je usklađen s redoslijedom slaganja tih istih proizvoda na police na prodajnom mjestu. Sve su to procesi o kojima brine umjetna inteligencija. Roboti viljuškari i dronovi doprinose preciznijem odabiru, utovaru, sortiranju i pakiranju. Tu, naravno, veliku ulogu igra i internet stvari (IoT).
Upravljanje zalihama osigurava optimalne količine proizvoda u skladištu, te doprinosi uravnoteženju ponude i potražnje. Umjetna inteligencija predviđa potražnju, te na temelju tih podataka i ostalih relevantnih parametara izračunava količine i frekvenciju narudžbi balansirajući između minimizacije troškova i maksimizacije razine usluge. Narudžbe se kreiraju automatski, te se kroz sustav šalju dobavljačima. Usput se, naravno, kreira popratna dokumentacija.
Agregatno planiranje i proizvodnja
Na temelju prognozirane potražnje, kreiraju se planovi korištenja resursa i kapaciteta na agregatnoj, master i mikro razini. Pritom se vodi o računa o zadovoljavanju potražnje, ali i minimiziranju troškova. Umjetna inteligencija prati procese i u slučaju nepredviđenog događaja prilagođava se novoj situaciji. To omogućuje da proces bude agilan i fleksibilan, te da se prazan hod minimizira. Razvijaju se različiti scenariji koji se testiraju kroz simulacije uzimajući u obzir i, na primjer, podatke o pouzdanosti dobavljača i kapacitetu transporta.
Predviđanje potražnje
Što se tiče lanca opskrbe, strojno se učenje najprije povezalo s predviđanjem potražnje. Postoje razne poznate metode za predviđanje, ali strojno ih učenje optimalno kombinira, prikuplja podatke i iskustvo iz upravljanja odnosima s potrošačima, te praktički u realnom vremenu prilagođava prognoze. Tu se, recimo, može jako dobro koristiti i vrlo popularan Chat GPT jer se iz tih komunikacija s potrošačima kroz chat botove mogu dobiti razne korisne informacije za predviđanje potreba potrošača i trendova. Na temelju se tih informacija mogu kreirati programi vjernosti i prilagođeni pristupi svakom individualnom potrošaču.
Točnije prognoze onda poboljšavaju upravljanje zalihama i skladištem, kao i bolje planiranje resursa i kapaciteta. Dakle, da ponovimo, umjetna inteligencija kontinuirano unapređuje uravnoteženje ponude i potražnje.
Sigurnost u lancu opskrbe i vidljivost
Kreirajući baze podataka, umjetna inteligencija dokumentira trag svih aktivnosti u lancu. Time doprinosi transparentnosti i brzom izvještavanju. Da bi sigurnost podataka bila osigurana, koriste se razne zaštite, a recimo može se koristiti i blockchain. Blokchain se uglavnom veže uz sigurnost u području financija i krptovaluta, ali zapravo, koncept je isti. Blokchain je jednostavno tehnologija koja se koristi za zapisivanje i zaštitu svih aktivnosti u nekom procesu.
Nakon pandemije, kompanije su sve više zainteresirane i za mogućnost vidljivosti od dobavljača druge ili treće razine do kupca druge ili treće razine (supply chain end-to-end visibility; first tier supplier; second and third tier supplier; first, second, third tier customer). Naravno da im umjetna inteligencija može sve to omogućiti.
Integracija i koordinacija u lancu opskrbe
Tijekove u lancu opskrbe treba podupirati i unapređivati. Sve je naravno lakše uz razvijenu tehnologiju i umjetnu inteligenciju. Na primjer, Chat GPT ne moramo koristiti samo za komunikaciju s klijentima/potrošačima. Neki vlastito razvijen Chat GPT može se koristiti i za internu komunikaciju i razmjenu znanja i među dionicima u samom lancu opskrbe. Sve ovisi o tome koja se baza podataka koristi.
Uz te se tijekove mogu definirati i neki sofisticiraniji KPI-ovi koji će sadržavati, na primjer, rezultate nabave i prodaje zajedno. Uz umjetnu inteligenciju i integriranost lako se izračuna doprinos svakog člana u lancu. Tu se, recimo, može koristiti duboko učenje i root – cause analiza. Zajednički KPI može biti veći od zbroja pojedinačnih KPI – ova nabave i prodaje, a kroz algoritme umjetne inteligencije mogu se dobiti podaci o doprinosima koji se onda koriste za kreiranje sustava nagrađivanja.
Zaključak
Do sad su se koristili razni softveri i, zapravo, neki vid umjetne inteligencije je već odavno prisutan. No, ti softveri nisu bili povezani, računala nisu bila dovoljna brza i nisu imala kapacitet obrade i analize velikih količina podataka. Sad je sve to moguće i implementacija umjetne inteligencije je zapravo nužnost ako želimo (p)ostati konkurentni.
Naravno, o umjetnoj se inteligenciji mora promišljati, potrebno je kreirati regulatorni okvir i treba se koristiti za stvaranje boljeg okruženja. I mi se pritom moramo mijenjati i prilagođavati, educirati i stalno razvijati. Operativnim će tijekovima u lancu upravljati umjetna inteligencija, a na zaposlenicima ostaje razvijati kreativnost, inovacije, empatiju, emocionalnu inteligenciju i pozitivnu energiju.