Kompleks Uluslararası Tedarik Zinciri Sorunlarını Çözmek İçin Yapay Zeka Kullanmak

Depo Yönetim ve Otomasyon Sistemleri: Yeni uygulamalar
4 Ocak 2018
SAP’den McDermott – “Bütün CRM Kategorisini Yeniden Tanımlayacağız!”
2 Mayıs 2018

Kompleks Uluslararası Tedarik Zinciri Sorunlarını Çözmek İçin Yapay Zeka Kullanmak

Man and robot meet and handshake. Concept of the future interaction with artificial intelligence. 3D rendering.

Şirketler yapay zekayı uluslararası tedarik zinciri yönetiminin içindeki tedarik zinciri planlaması, depo otomasyonu ve lojistik gibi alanlardaki verimliliği arttırmak ve karar verme sürecini hızlandırmak için kullanmaya başladı.

2016 SCM Tedarik Zincirinin Geleceği araştırmasına göre yapay zekanın önemi giderek artıyor, tedarik zincirinin önde gelen firmalarını %47’si teknolojinin tedarik zinciri yönetimi stratejileri açısından çığır açıcı olduğunu düşünüyor. Araştırma şirketi IDC’nin tahminlerine göre 2020 yılına kadar, büyük tedarik zincirlerinin %50’si yapay zeka ve gelişmiş analizleri planlama ve kısa süreli satış tahminlerine olan bağımlılığı azaltmak için kullanacak.

Küresel Tedarik Zinciri Planlaması İçin Yapay Zeka Kullanımı

Tedarik zinciri planlaması, optimizasyonu ve talep tahmini yapay zekanın şimdiden kullanılmaya başlandığı öncül alanlar. Uzmanlar küresel tedarik zincirlerinin çok karmaşık ve bir çok değişkenden etkilenir hale geldiğini, yapay zeka kullanımının sorunları tanımlama, tahmin etme ve potansiyel çözümler üretmede zorunluluk halini aldığını söylüyorlar. Nucleus Resarch analizcisi Seth Lippincott’a göre Tedarik zinciri yöneticileri bir insanın tek başına işleyebileceğinin çok üzerinde veriyi hesaba katmak durumunda. IDC analizcisi Simon Ellis’in ise şunu söylüyor. ‘Pek çok şirket tedarik zinciri risklerinin derinliğini ve kapsamını anlamıyor buna bağlı olarak ortaya çıkabilecek sorunlara etkili ve verimli olarak tepki vermeye hazır değiller.

Küresel tedarik zincirlerinin kendine özgü karmaşıklığı ve akıl almaz biçimde artan veri yoğunluğu olayların iç yüzünü kavramayı ve gerçeklere dayalı ticari kararlar vermeyi neredeyse imkansızlaştırıyor. Üstelik DHL’in 2016 Lojistik Trendleri raporuna göre tedarik zinciri yönetimi aygıtlarının internete bağlanma oranları ve oluşturdukları veri artmaya devam ediyor.

Binaenaleyh, şirketler şimdiden yapay zekayı akıl almaz boyuttaki tedarik zinciri verisini analiz etmek, trendleri saptamak ve tahmine dayalı analizler ile sorunları ve sonuçlarını tahmin etme yeteneği kazanmak için kullanmaya başladı bile. Lippinton diyor ki ‘ Yazılım çözümleri makine öğrenme yeteneklerini gerçek zamanlı verileri işlerken hataları tespit etme ve yöntem düzeltimi için uygulamaya soktu.

Şirketlerin topladığı büyük boyutlu veriler algoritmaların işlerin nerede yanlış gittiğini anlayabilmeleri için kullanılabilir, şu an şirketlerin bu sayede elde edebilecekleri getirinin sadece çok küçük bir kısmını görebilmiş durumdayız.

Örneğin bazı tedarik zinciri çözümleri yapay zekayı sosyal medya, haber kaynakları, hava durumu raporları ve tarihi veriler gibi harici kaynaklardan bilgi toplamak ve bunlar arasında bağ kurmak için kullanıyor.

Büyük bir gıda üreticisi talep tahmini konusunda yaygın görülen bir problemin çözümü için yapay zeka tabanlı bir sistem kullanıyor: bu problem müşteri taleplerini karşılarken depo stokunu minimumda tutmak. 10.000 farklı ürünün dahil olduğu, her ürünün farklı talep varyasyonlarının bulunduğu oldukça karmaşık bir iş. Şirket promosyon ve özel tekliflerin yarattığı etkiden doğan müşteri davranışlarını yapay zekaya dayalı istatistiksel modellemeler kullanarak daha doğru tahmin etmeyi başardı.

2016 da 1.100 tedarik zinciri ve üretici şirket arasında yapılan araştırmada şirketlerin yalnızca %17’sinin tahmine dayalı analizleri kullandığı görüldü; ancak bu rakamın önümüzdeki üç ile beş yıl içerisinde %79’a çıkması bekleniyor.

Siparişleri Verilmeden Önce Tahmin Etmek

DHL’in Lojistik Trendleri raporunda belirttiği gibi tahmine dayalı algoritmalar ile daha sipariş verilmeden önce taleplerin sezilmesi sayesinde teslim zamanının kısaltılması ve verimliliğin artması sağlanabilir. Örneğin küresel tedarik zinciri yöneticileri yapay zeka sistemlerini ticaret yollarındaki riskleri algılamak, şok algılayan sensörler kullanarak potansiyel kargo hasarlarını belirlemek ve bunlara karşı doğru aksiyonları alarak operasyonel gecikmeleri minimize etmek için kullanabilirler.

Müşterilerinin sipariş alışkanlıklarını analiz eden tedarik zinciri yöneticileri ürünleri müşteriye en yakın depoya yönlendirerek daha hızlı teslimat yapılmasını sağlayabilirler. Yine DHL’in raporuna göre yapay zeka entegre edilmiş depolar yaygın senaryoları ve trendleri algılayıp bunları belli müşterilerin sipariş alışkanlıkları ile ilişkilendirerek daha sipariş verilmeden ürünlerin seçilip paketlenmesini sağlayabilirler.

Robotlar Ve Kendi Kendine Giden Araçlar

DHL’e göre etraflarını sezmek ve karar vermek için yapay zekayı kullanan otonom araçlar lojistikte kullanılmaya başlandı bile ancak geniş ölçekli olarak kabul görmeleri uzun yıllar alabilir. Kendi kendine giden araçlar depolar ve yarı açık depolarda kendilerine yer bulmaya başladı, DHL ilerleyen yıllarda buralarda ki otonom forkliftlerin ve palet taşıyıcılarının manyetik şeritler ve diğer yardımcılar olmadan hareket edebileceğini söylüyor. Sipariş teslim eden droneların ve benzeri cihazların günlük hayatta kullanımı ise daha ileri gelecekte gerçekleşmesi beklenen gelişmelerden. Bunlara ek olarak robotlar büyük online perakendeciler ve lojistik şirketleri tarafından ürünlerin seçilip depolanması için zaten kullanılmakta.

Ana Fikir

Yapay zeka küresel tedarik zincirleri tarafından sahip oldukları verilerin analizine yardımcı olmak için kullanılmaya başlandı. Uzmanlar makine öğrenmesini ve diğer yapay zeka teknolojilerini önemli ve çığır açıcı bulurken bu faydaların sağlanması için üstesinden gelinmesi gereken teknolojik kabiliyet gereksinimi gibi problemlere de parmak bastılar, çoklu veri kaynaklarının birbirine entegre edilmesi ve tüzel engeller gibi konular bu teknolojilerin geniş ölçekli kullanımının sağlanması için aşılması gereken problemlerden.

Bu yazı Mike Faden tarafından kaleme alınan Using AI to Solve Complex Global Supply Chain Management Challenges yazısından çevrilmiştir.

Comments are closed.