.

Data velkého objemu a umělá inteligence – hybné síly růstu zeleného dodavatelského řetězce

Data velkého objemu jsou v kombinaci s umělou inteligencí (AI) základním pracovním nástrojem pro rozvoj zeleného dodavatelského řetězce ve velkém měřítku. Cílem je samozřejmě dosáhnout uhlíkové neutrality v rámci dodavatelského řetězce, aniž by došlo ke snížení výkonnosti. Podle studie provedené společností Capgemini v srpnu 2020[1] se 85 % společností domnívá, že je možné spojit optimalizaci nákladů s ochranou životního prostředí. Jedná […]

Data velkého objemu jsou v kombinaci s umělou inteligencí (AI) základním pracovním nástrojem pro rozvoj zeleného dodavatelského řetězce ve velkém měřítku. Cílem je samozřejmě dosáhnout uhlíkové neutrality v rámci dodavatelského řetězce, aniž by došlo ke snížení výkonnosti.

Podle studie provedené společností Capgemini v srpnu 2020[1] se 85 % společností domnívá, že je možné spojit optimalizaci nákladů s ochranou životního prostředí. Jedná se o strategickou prioritu, která reaguje na skutečnou poptávku zákazníků. Podle stejné studie nyní 79 % spotřebitelů bere v úvahu dopad svých nákupů na životní prostředí.

Data velkého objemu a umělá inteligence utvářejí strukturu zeleného dodavatelského řetězce

Ekologická i digitální transformace jdou ruku v ruce. Vycházejí ze stejného plánu a plní stejné cíle v oblasti provozní a environmentální výkonnosti se zaměřením na optimalizaci nákladů.

Jak slouží technologie životnímu prostředí?

Digitální technologie mohou zvyšovat odolnost a výkonnost dodavatelského řetězce a zároveň snižovat jeho uhlíkovou stopu. Úspora paliva a energie, snížení množství odpadu a zvýšení časové efektivity, to vše je možné díky systémům sběru a zpracování dat v reálném čase.

Podle výše citované studie plánuje téměř 80 % společností investice do digitálních technologií s cílem urychlit svou ekologickou transformaci, například přechodem na systém automatizovaného Skladu 4.0. O této potenciální investici uvažují takto:

  • Pro 59 % z nich poskytují systémy sběru a analýzy dat cenné ukazatele pro řízení a kontrolu environmentálních záležitostí (spotřeby energie, paliva a vody a emisí CO2).
  • 50 % z nich se rovněž domnívá, že technologický pokrok zvyšuje přesnost těchto ukazatelů.

Využití umělé inteligence ke snížení environmentálních nákladů na silniční dopravu

Silniční doprava má díky datům velkého objemu a umělé inteligenci přístup ke konkrétním řešením. Sběr dat v reálném čase poskytuje značné množství informací o způsobu jízdy řidičů, a tím i o spotřebě paliva. Díky analýze dat je možné poučit řidiče o tom, jak jezdit energeticky úsporněji a snižovat tak emise CO2.

Hlavní výhody využívání dat velkého objemu a umělé inteligence v odvětví silniční dopravy jsou následující:

  • snížení nákladů na dopravu,
  • snížení ekologické stopy dodavatelského řetězce,
  • řidiči často jezdí opatrněji.

Data velkého objemu díky optimalizaci tras a doplňování paliva rovněž zkracují dodací lhůty. Analýza dopravy v reálném čase umožňuje volit vždy nejefektivnější trasu a snížit počet jízd. Odhaduje se, že tyto nástroje zkracují cestovní vzdálenosti o 16 % a zvyšují včasnost dodávek v průměru na 98 %. A to znamená krok vpřed pro sociální odpovědnost podniků i spokojenost zákazníků.

Když umělá inteligence a dodavatelský řetězec znamenají předvídatelnost

Další velký přínos dat velkého objemu v kombinaci se softwarem umělé inteligence (AI) zpracovávaných pomocí učících se algoritmů (hlubokého učení) spočívá v jejich analytické kapacitě. Společnosti proto přecházejí od modelu analýzy založeného na minulých výsledcích k modelu, který může informovat o potenciálních budoucích událostech. Tato prediktivní funkce přizpůsobená logistice poskytuje dodavatelskému řetězci efektivní řešení, a to jak z hlediska provozního, tak environmentálního.

Tuto volbu učinil například antverpský přístav, a to vytvořením 3D modelu přístavu s názvem APICA (Antwerp Port Information and Control Assistant, Informační a kontrolní asistent přístavu Antverpy). Modelování je možné díky zpracování dat v reálném čase, která syntetizují veškerou činnost přístavu. Zohledňuje následující údaje:

  • pohyb zboží,
  • povětrnostní podmínky,
  • kvalitu ovzduší,
  • přílivy a odliv,
  • dostupnost personálu,
  • pohyb mostů a plavebních komor.

Všechna tato data jsou přenášena senzory IoT (internetu věcí), kamerami a drony. Správci přístavů tak mají komplexní přehled o dění v reálném čase, což jim umožňuje předvídat neobvyklé situace. To například umožňuje předpovídat toxicitu emisí z lodí za různých okolností a přijímat vhodná nápravná opatření.

Předvídatelnost, kterou nabízejí data a umělá inteligence v dodavatelském řetězci, je rovněž řešením pro výrazné snížení plýtvání, zejména při přepravě čerstvých produktů. Odhaduje se, že možnost přizpůsobit předem zásoby a náklad co nejvíce prodeji může snížit počet nákladních vozidel na silnicích o 15–20 %. Kvalita předpovědí se díky umělé inteligenci zvyšuje o 10 až 15 bodů.

Data velkého objemu a umělá inteligence mění dodavatelský řetězec

Aby mohly společnosti snižovat svůj dopad na životní prostředí, optimalizovat vzájemné interakce a reagovat na jejich narušení v reálném čase, musí mít svůj dodavatelský řetězec plně pod kontrolou.

Proč shromažďovat data v průběhu celého životního cyklu výrobku?

Společnosti potřebují mít komplexnější přehled o použitých materiálech, součástech a přísadách, obalech, zdrojích, výrobních procesech a spotřebě energie. Tento komplexní pohled na jejich podnikání jim poskytuje potřebné zdroje k provedení zásadních změn v dodavatelském řetězci v tomto odvětví.

Společnosti také musí budovat inteligentní sítě, které zahrnují různé hráče na trhu, počínaje jejich zákazníky. To jim umožňuje přístup k údajům o distribuci a recyklaci jejich výrobků. A k tomu, aby bylo možné tato data využít, jsou nezbytné modely umělé inteligence určené pro dodavatelský řetězec a strojové učení (ML).

Cesta k transparentnosti dodavatelského řetězce pro lepší pochopení jeho problémů

Zavedení účinného počítačového procesu monitorování a sledování vyžaduje vytvoření sítě společností, které sdílejí informace. Aby společnost plně porozuměla výzvám spojeným se snižováním dopadu výroby na životní prostředí, musí si vytvořit vazby na své přímé i nepřímé dodavatele. Tato síť může zahrnovat také zdroje, jako jsou satelity pro sledování odlesňování, využívání vody, zemědělství a těžby.

Technologie jako Blockchain, 5G a senzory na paletách pomáhají zajistitrovněž zabezpečené připojení v reálném čase. Tyto nástroje také poskytují přehled o řetězcích držitelů a interakcích v síti. Shromažďování a správa všech těchto informací vyžadují škálovatelné datové úložiště a integraci mnoha zdrojů dat.

Umělá inteligence v dodavatelském řetězci a ve skladu

Díky technologiím dospěl sklad do éry 4.0. Skladové hospodářství budoucnosti je optimalizováno kombinací automatizace, umělé inteligence a zpracování dat velkého objemu. Tyto technologické vymoženosti umožňují působit ve prospěch ekologické transformace zlepšením všech skladových procesů. Tato optimalizace skladu vede ke změnám v řízení týmů, což následně vede k nové organizaci služeb a změnám v řízení.

Pro lepší porozumění novým výzvám pro člověka v tomto odvětví si stáhněte si naši příručku „Transformace skladu a jeho činností“.