مزايا الذكاء الاصطناعي في سلسلة التوريد

ركزت السنوات الأخيرة اهتمام الجمهور على هشاشة سلاسل التوريد العالمية. ابتليت هذه الشبكات اللوجستية الموسعة، الحيوية للمصنعين في كل بلد بتأخيرات في النقل، وتوترت بسبب توقفات العمالة، وعانت من التعقيد المتزايد والترابط الذي فاقم أوجه القصور القائمة منذ فترة طويلة.

إن مخططي سلسلة التوريد الذين يتطلعون إلى فك تشابك هذه الشبكات المعقودة يحصلون على دعم من التكنولوجيا المتطورة التي توفر إمكانات هائلة، ولا تزال غير مُستغلة إلى حد كبير. تضع الذكاء الاصطناعي للعمل لجعل سلاسل التوريد أكثر كفاءة ومرونة بينما نتجه نحو مستقبل يزداد عولمة.

ما المقصود بالذكاء الاصطناعي في سلسلة التوريد؟

تستخدم الشركات الذكاء الاصطناعي لإدارة أنشطة سلسلة التوريد وتحسينها—مثل مراقبة جودة المنتج وموازنة مستويات المخزون وتحديد مسارات التسليم الموفرة للوقود—بكفاءة أكبر من البرامج التقليدية.

يمثل الذكاء الاصطناعي (AI) مصطلح عام للتطبيقات التي تحاكي الذكاء البشري وتؤدي مهام مُعقدة. تتضمن حقولها الفرعية التعلم الآلي (ML)، إذ تتعرف الأنظمة على استهلاك كميات هائلة من البيانات بدلاً من برمجتها بتعليمات تفصيلية. بفضل عملية التعرّف هذه، يمكن لأنظمة الذكاء الاصطناعي التفوق على البرامج التقليدية في وظائف مثل فك تشفير المعلومات من موجزات الفيديو، وتفسير النصوص المنطوقة والمكتوبة، والتنبؤ بسلوك السوق في المستقبل، واتخاذ القرارات في السيناريوهات المُعقدة، وتصفح الرؤى المدفونة في مجموعات البيانات الكبيرة.

تثبت هذه الأنواع من الإمكانات أنها مُفيدة للغاية في إدارة عمليات سير العمل وتحسينها عبر كل مرحلة من مراحل سلسلة التوريد تقريبًا. على سبيل المثال، يمكن لأنظمة سلسلة التوريد المدعومة بخوارزميات التعلم الآلي اكتشاف الأنماط والعلاقات داخل مجموعات البيانات التي تكون غالبًا غير محسوسة للبشر أو الأنظمة غير المرتبطة بالذكاء الاصطناعي، حتى يتمكنوا من التنبؤ بشكل أكثر دقة بطلب العملاء—مما يؤدي إلى إدارة المخزون أكثر كفاءة من الناحية الاقتصادية. يمكن للذكاء الاصطناعي أيضًا تحليل عوامل مثل حركة المرور وظروف الطقس للتوصية بطُرق شحن بديلة، وتقليل مخاطر التأخيرات غير المخطط لها وتحسين أوقات التسليم. يمكنه مراقبة مساحات العمل لتحديد سوء إجراءات مراقبة الجودة وانتهاكات الصحة والسلامة. كما تظهر حالات استخدام جديدة باستمرار مع استمرار متخصصي سلسلة التوريد في تجربة التكنولوجيا.

النقاط الرئيسة

• تستخدم المؤسسات الذكاء الاصطناعي لتحسين الشحن والتوصيل، وإدارة سعة المستودعات، وتتبع المخزون، وتوقع الطلبات على قطع غيار ومكونات محددة، وتحسين سلامة العمال، والمساعدة على ضمان سلامة سجلات المعاملات عبر سلاسل التوريد العالمية.
• على الرغم من أن الذكاء الاصطناعي يمكنه تقديم مزايا إنتاجية هائلة لسلسلة التوريد مع تقليل التكاليف التشغيلية، إلا أن تنفيذ التكنولوجيا قد يكون صعبًا ومُكلفًا، خاصةً عندما ينطوي على تدريب نماذج التعلم الآلي المصممة خصيصًا حول البيانات المملوكة.
• يمكن للمصنعين ومقدمي الخدمات اللوجستية اتخاذ خطوات لإعداد سلاسل التوريد لتكامل أنظمة الذكاء الاصطناعي والطريقة التي يمكن بها لهذه الأنظمة تحويل إدارة شبكات الخدمات اللوجستية وتشغيلها.

شرح الذكاء الاصطناعي في سلسلة التوريد

تستخدم الشركات أنظمة الذكاء الاصطناعي في سلاسل التوريد للمساعدة في تحسين مسارات التوزيع، وتعزيز إنتاجية المستودعات، وتبسيط سير عمل المصانع، والمزيد.

تعتمد غالبًا الشركات المصنعة للسلع التامة الصنع على مئات، إن لم يكن الآلاف، من المكونات التي يتم شحنها من الشركاء في جميع أنحاء العالم للوصول إلى مرافق التجميع لديها وفقًا إلى جدول زمني منسق. يثبت الذكاء الاصطناعي أنه يمكنه الوصول إلى أنماط وعلاقات مدفونة داخل مجموعات البيانات الكبيرة تساعد في تحسين شبكات اللوجستيات هذه، وتمتد عبر شركات شحن البضائع وشاحنات التوصيل والمستودعات ومراكز التوزيع. يتطلب تحسين سلسلة التوريد أيضًا تتبع البضائع المادية في كل مرة يتم فيها تبديل الجهات. هنا، يمكن للذكاء الاصطناعي أتمتة الوثائق مع قدرته على إدخال البيانات المُضمنة في الملفات النصية واستخراجها وتصنيفها بذكاء للمساعدة في ضمان سلامة المعاملات متعددة الجهات.

تستفيد بعض الشركات المصنعة من الذكاء الاصطناعي في التنبؤ، وتستخدمه للتنبؤ بالقدرة الإنتاجية وتحسين قدرة المستودع بناءً على طلب العملاء. يستعين البعض بالذكاء الاصطناعي للإشارة إلى التأخيرات المحتملة وأعطال المعدات قبل أن تسبب مشكلات في الإنتاج. يستخدم آخرون الذكاء الاصطناعي لاستخلاص رؤى تشغيلية من تدفقات كبيرة من البيانات التي تأتي من أجهزة ومستشعرات إنرتنت الأشياء (IoT) المنتشرة المثبتة عبر البنية التحتية للتخزين والنقل.

على الرغم من أن الذكاء الاصطناعي يوفر العديد من المزايا المحتملة لسلسلة التوريد، إلا أن تنفيذ التكنولوجيا قد يكون صعبًا ومُكلفًا. يتطلب تشغيل التطبيقات الذكية في الإنتاج أنظمة حوسبة قوية—سواء خوادم متطورة محلية أو مثيلات المستندة إلى السحابة—التي تحتاج عادة إلى تلقي البيانات من أجهزة الاستشعار والأجهزة المتكاملة المنشورة في هذا المجال بصفته جزء من نهج الصناعة 4.0. تحظى الشركات عادةً بأكبر المزايا عند تدريب نماذج التعلم الآلي على مجموعات البيانات الخاصة بها، وهي عملية أكثر كثافة في الحوسبة وتعتمد على البيانات.

شفافية سلسلة التوريد الشاملة باستخدام الذكاء الاصطناعي

أصبحت سلاسل التوريد الحديثة مُعقدة ومُتشابكة وواسعة لدرجة أن الشركات المصنعة تكافح للحفاظ على الرقابة الشاملة على تدفق المواد والسلع التي تصل إلى مرافقها. يمكن لقدرة الذكاء الاصطناعي الفريدة على التحليل السريع لمجموعات البيانات الكبيرة أن تضيء الأعمال الداخلية حتى لشبكات الخدمات اللوجستية الأكثر تعقيدًا.

عند استيعاب تدفقات هائلة من البيانات المسجلة والإشارات اللوجستية الأخرى، تظهر غالبًا الخوارزميات الذكية المُدربة من خلال التعلم الآلي رؤى قيّمة، مثل أسباب التباين أو طرق تحسين قدرة العمليات مع عناصر الوقت الثابتة والمُتغيرة التي تؤدي إلى مشكلات. وتعد أدوات إدارة سلسلة التوريد (SCM) المدعومة بالذكاء الاصطناعي أفضل من الأنظمة التقليدية في تتبع كميات هائلة من الإمدادات في الوقت الفعلي أثناء مرورها عبر شركاء التصنيع والتوزيع الوسيطين في طريقها لتصبح منتجات نهائية. يمكن أن تساعد الرؤية وإمكانية التتبع المُحسّنة هذه الشركات المصنعة على تحديد الموردين الذين يحتمل أن ينتهكون ممارسات التوريد الأخلاقية أو الجودة.

من خلال ترقية شفافية سلسلة التوريد، يمكن أن يؤدي استخدام الذكاء الاصطناعي إلى توفير الوقت والتكلفة، التي نصفها لاحقًا. كما يمكن أن تساعد الشركات المصنعة على ضمان أن المكونات التي تستخدمها لصنع منتجاتها يتم الحصول عليها وفقًا إلى المعايير الأخلاقية والجودة والاستدامة، وهي مسؤولية تتوقع الجهات التنظيمية والعديد من المستهلكين الوفاء بها. لا يمكن للمؤسسات ببساطة تحمل تكاليف العمل مع الموردين—حتى أولئك الموجودين في الخارج—الذين ينتهكون قواعد العمالة أو الحوكمة الرشيدة أو البيئة، ويمكن لأدوات التحليلات المُضمنة في تطبيقات سلسلة التوريد التي تدعم الذكاء الاصطناعي تحديد الأنماط التي تكشف عن مصادر احتيالية أو غير أخلاقية.

9 مزايا للذكاء الاصطناعي في سلسلة التوريد

كان المصنعون في طليعة الابتكار في مجال الذكاء الاصطناعي، إذ قاموا بتجربة أشكال مختلفة من التكنولوجيا ونشرها عبر العديد من مرافق الإنتاج ومراكز التخزين والتوزيع ومركبات النقل في سلاسل التوريد الحديثة. يمكن أن يحقق هذا عددًا من المزايا.

تحديات الذكاء الاصطناعي في سلسلة التوريد

لا يمكن تنفيذ الذكاء الاصطناعي في تخطيط سلاسل التوريد وإدارتها بين عشية وضحاها. على الرغم من أن التكنولوجيا توفر إمكانات هائلة لخفض التكاليف وتبسيط العمليات، إلا أنها قد تكون مُكلفة في بعض الأحيان ويصعب نشرها. توجد بعض التحديات الشائعة التي تواجهها الشركات عند دمج الذكاء في عمليات سلسلة التوريد.

• تكاليف التدريب. كما هو الحال مع أي تقنية جديدة، يتطلب تنفيذ الذكاء الاصطناعي ودمجه في بيئات الإنتاج تدريب الأشخاص الذين يتفاعلون مع هذه الأنظمة الجديدة، التي تقلق أحيانًا. يتطلب عادةً تدريب الموظفين والتغلب على مقاومتهم للتغيير جدولة بعض وقت التوقف، وهو ما يأتي بتكلفة. قبل وقت التوقف هذا، يجب على الشركاء في جميع أنحاء سلسلة التوريد العمل مع المورّدين المتعاملين بالذكاء الاصطناعي أو مسؤولي التكامل لتطوير برامج تدريبية بناءة وبأسعار معقولة—على الرغم من أنه تجدر الإشارة إلى أن أي نهج تدريبي من المرجح أن يتحمل تكلفة مالية.
• التكاليف التشغيلية وبدء التشغيل. تتجاوز تكاليف تنفيذ الذكاء الاصطناعي عادةً شراء الأجهزة والبرامج التي تدير هذه الأنظمة ودمجها. لا يلزم دائمًا إنشاء خوارزميات التعلم الآلي من البداية؛ فتوجد نماذج مُعدة مسبقًا يمكن تعديلها لتتناسب مع العديد من حالات استخدام سلسلة التوريد. مع ذلك، للاستفادة بالمزايا، يجب على الشركات تدريب النماذج على بياناتها الخاصة. قد يتطلب جمع كميات كبيرة من بيانات ذات جودة وتجميعها والتحقق من صحتها وتحويلها وتنظيفها جهدًا كبيرًا. إذا لم تُعد الشركات بشكل صحيح مجموعة بيانات عالية الجودة، فإنها تخاطر بالتذكير بالحد الأقصى القديم: مُدخلات خاطئة، مُخرجات خاطئة. يعد تدريب نموذج التعلم الآلي على هذه البيانات مرحلة ذات حوسبة مكثفة تتطلب عادةً خوادم مدعومة بوحدات معالجة الرسومات (GPU)، والتي يمكن أن تتسبب في ارتفاع فواتير الخدمات السحابية واحتكار الموارد المحلية.
  إن تشغيل أنظمة الذكاء الاصطناعي وإدارتها على نطاق واسع عبر شبكة لوجستيات عالمية ليس مجهودًا لمرة واحدة فحسب. على الرغم من أن تشغيل أنظمة الذكاء الاصطناعي ليس بقدر الحوسبة الكثيفة وتدريبها، إلا أنه عملية مستمرة تتطلب منصات قوية، سواء خوادم متطورة أو أجهزة افتراضية مستندة إلى السحابة. مع ذلك، تجعل هذه الحلول المستندة إلى السحابة تقنية الذكاء الاصطناعي أسهل الوصول إليها وبأسعار معقولة. كما يقدم بعض موردي خدمات البنية التحتية للسحابة منصات مُدارة لعلوم البيانات تُبسط عملية إنشاء نماذج التعلم الآلي وتؤتمت تطورها وتدير عمليات سير عمل الذكاء الاصطناعي.
• الأنظمة المعقدة. تحتوي أنظمة الذكاء الاصطناعي على الكثير من الأجزاء المتحركة، بما في ذلك الأجهزة وأجهزة الاستشعار التي تدفق البيانات في الوقت الفعلي، والخوادم التي تعمل بوحدة معالجة الرسومات المستخدمة للتدريب الأولي والتطوري لنماذج التعلم الآلي، والخوادم المتطورة والسحابية التي تشغل تلك النماذج في الإنتاج، والتطبيقات التي تعمل على الأنماط المُكتشفة أو التوصيات المُقدمة. يجب على المؤسسات دمج هذه العناصر عبر نقاط التوصيل العديدة لسلسلة التوريد العامة. كما يجب عليها مراقبة هذه الأنظمة باستمرار وضبط أدائها، بالإضافة إلى تحديد مواطن الخلل وإصلاحها.

أمثلة على الذكاء الاصطناعي في سلسلة التوريد

دعونا ننظر في شركة تصنيع سيارات أمريكية افتراضية تجمع ثلاثة نماذج شائعة في مصنعها في ميشيغان. يتم الحصول على عشرات الآلاف من قطاع الغيار والمكونات—مثل الصلب والإطارات وشمعات الإشعال وإبر للمقاييس—بشكل أساس من المصانع ومراكز التصنيع في عشرات الولايات الأمريكية، بالإضافة إلى كندا والصين وألمانيا واليابان والمكسيك. يتم إنتاج بعض المكونات في المرافق التي تمتلكها الشركة وتديرها، والبعض الآخر يأتي من موزعين تابعين لجهات خارجية.

تتلقى كثيرًا شركة السيارات الافتراضية لدينا شُحنات ضخمة، بعضها من الخارج على شحنات البضائع وغيرها من الشاحنات من خارج الدولة أو عبر حدود أمريكا الشمالية. يجب دمج هذه الإمدادات في نهاية المطاف في مصنع ميشيغان للتجميع النهائي في سيارة دفع رباعي أو شاحنة أو سيارة صالون. لكن يجب أولاً أن يتم طلبهم ودفع ثمنهم وتتبعهم وتلقيهم وتخزينهم في مستودعات كبيرة ذات سعة محدودة تحتفظ بها الشركة بالقرب من المصنع.

كما في حال أن تشغيل سلسلة التوريد هذه الكبيرة والمعقدة لم يكن صعبًا بما فيه الكافية، فيجب على شركة السيارات التعامل مع التضخم الذي يجعل الإمدادات أكثر تكلفة لشراء تكاليف الطاقة المرتفعة التي تتغذى على هوامش ربحها. يمكن أن يساعد رفع أسعار المركبات الكاملة، لكن يعتقد قادة مبيعاتهم أن ذلك من شأنه أن يخفف من طلب العملاء. في أعقاب الوباء، يجب على الشركة تلبية اللوائح الجديدة التي تحكم بيئات عمل المصانع، بما في ذلك إنفاذ استخدام معدات الوقاية الشخصية.

يسأل المديرون التنفيذيون المعنيون مستشاري التكنولوجيا إذا كان يمكنهم الاستفادة من الذكاء الاصطناعي، وأين يمكن ذلك في سلسلة التوريد. الإجابة هي نعم—وفي كل مكان تقريبًا.

بالنسبة للمبتدئين، يمكن للذكاء الاصطناعي التفوق على البرامج الأساسية للشركة عند التنبؤ بالمبيعات لكل نوع من المركبات بناءً على الاتجاهات. كما يمكن أن يكون نموذجًا أدق لطريقة تأثر المبيعات بسيناريوهات مثل ارتفاع أسعار الغاز أو انتشار المنتج (في السوق) غير المتوقع للسيارات الكهربائية. تمثل هذه التنبؤات الذكية ضربة حظ لمخططي سلسلة التوريد—إذ تساعدهم على شراء الكمية المناسبة من الإمدادات لتلبية الطلب دون تكبد تكاليف طلب إضافية، أو الإفراط في التخزين بمستودعاتهم، أو نقل فائض المخزون. كما تمنح التوقعات المخططين الثقة للاستثمار في الفتح أو توفير المال عن طريق إغلاق خطوط الإنتاج المُختلفة والمساعدة في ضمان تزويد هذه الخطوط بالموظفين بشكل مناسب.

يمكن للكاميرات المتصلة بالنماذج المرئية التي تعمل بالذكاء الاصطناعي مراقبة خطوط إنتاج شركة السيارات ومرافق التوزيع للتأكد من أن العمال يتبعون بروتوكولات السلامة والبيئة. يمكن للنماذج الأخرى المُدرب على التعلم الآلي تحليل البيانات اللوجستية للمساعدة في تحسين طُرق الشحن وحمولات الشحن وعمليات المستودعات، وتعزيز عمليات التسليم في الوقت المناسب. أخيرًا، يمكن لنماذج الذكاء الاصطناعي وصنع القرار أتمتة العمليات المتكررة التي لا تقتصر على التعامل مع الإمدادات المادية فحسب، بل أيضًا في الحفاظ على سجلات المخزون والمعاملات اللازمة لضمان أن يدفع جميع الأطراف في سلسلة التوريد بشكل عادل وفي الوقت المحدد.

تُحسن شركات السيارات الفعلية الكفاءة وتقلل الأخطاء وتزيد من دقة المحاسبة وتعيد توزيع الموظفين لدعم احتياجات الأعمال بشكل أفضل—مما يوفر لهم المال في كل منطقة تقريبًا من عمليات سلسلة التوريد الخاصة بهم. فكّر في Mazda Motor Logistics، التي تستخدم Oracle Transportation Management للمساعدة في تحديد المستوى الأمثل للناقل والمسار والخدمة عند توزيع السيارات وقطع غيار السيارات في جميع أنحاء أوروبا، وزيادة عمليات التسليم في الوقت المحدد.

طريقة إعداد سلسلة التوريد للذكاء الاصطناعي

تجد غالبًا الشركات صعوبة وتكلفة في تشغيل الذكاء الاصطناعي بالكامل في بيئات الإنتاج. إذ يمكنهم اتخاذ هذه الخطوات—حتى قبل تحديد مشروع معين، في بعض الحالات—لإعداد نظام قديم لتخطيط وإدارة سلسلة التوريد بهدف تعزيز التحليل الذكي.

استثمر في الذكاء الاصطناعي في سلسلة التوريد لديك باستخدام أنظمة Oracle

تمتد سلسلة التوريد الخاصة بالشركات المُصنعة إلى مرافق موزّعة جغرافيًا ومعزولة تشغيليًا—وتديرها غالبًا العديد من الشركاء المستقلين—ومسارات التوزيع التي تربطهم. تتطلب كل مرحلة من مراحل الرحلة من المواد الخام أو المكون الفرعي حتى المنتج النهائي حلول تقنية متميّزة. تتعامل هذه الحلول مع الوظائف بما في ذلك المشتريات والتخطيط والنقل والمخزون والصيانة والتحليلات—ويمكنها جميعًا الاستفادة من الذكاء الاصطناعي.

على الرغم من أن هذه الأنظمة متعددة الأوجه تقوم بمهام مُختلفة للغاية، إلا أنه لا يمكن تخزينها بشكل منعزل؛ يجب أن تنتقل البيانات بجانب الإمدادات عبر شبكة الخدمات اللوجستية بأكملها. تمثل Oracle Fusion Cloud Supply Chain & Manufacturing (SCM) مجموعة شاملة من التطبيقات التي تعالج كل مرحلة من مراحل سلسلة التوريد وتربطها بسلاسة. تستخدم تطبيقات SCM هذه التعلم الآلي المُضمن للمساعدة في تحسين الأتمتة والتنبؤات والرؤى. تعزز البرامج المستندة إلى السحابة أيضًا من التعاون داخل المؤسسة، وكذلك مع المقاولين من الباطن والشركاء الخارجيين.

الأسئلة الشائعة حول الذكاء الاصطناعي في سلسلة التوريد

هل يتحسن الذكاء الاصطناعي مع مرور الوقت؟
يمثل الذكاء الاصطناعي تقنية فريدة من نوعها في قدرته على التحسن مع الاستخدام. على سبيل المثال، كلما زادت البيانات التي يتم تشغيلها من خلال نموذج التعلم الآلي، كان من الأفضل حصول هذا النموذج على تزويد مخططي سلسلة التوريد بوظائف ورؤى مُفيدة.

كيف يوفر الذكاء الاصطناعي الوقت والجهد في التصنيع؟
تستخدم الشركات المصنعة غالبًا الذكاء الاصطناعي لعرض الرؤى من كميات كبيرة من البيانات التي تساعدهم في جعل عمليات التجميع والشبكات اللوجستية وسير العمل أكثر كفاءة. يمكن أن تساعد التكنولوجيا أيضًا في أتمتة المهام المتكررة، مما يقلل من الحاجة إلى العمل اليدوي.

هل يمثل الذكاء الاصطناعي مستقبل سلسلة التوريد؟
أثبت الذكاء الاصطناعي براعته الملحوظة في تحسين تخطيط سلسلة التوريد وإدارتها وعملياتها. يتم تضمين التكنولوجيا بالفعل في كل جانب تقريبًا من جوانب عمليات سلسلة التوريد، وتستمر حالات الاستخدام الجديدة في الظهور. من المؤكد أن الذكاء الاصطناعي يمثل مكونًا لا يتجزأ من جميع أنظمة إدارة سلسلة التوريد في المستقبل.

لماذا يُعد الذكاء الاصطناعي مهمًا في إدارة سلسلة التوريد؟
أصبحت سلاسل التوريد أكثر تعقيدًا وترابطًا وتوسعًا على مدار السنوات الأخيرة، مما يمثل تحديًا لقدرة الشركات المصنعة على إدارتها. يمكن للذكاء الاصطناعي المساعدة من خلال تحليل الكمية المنتشرة من البيانات الناتجة عن سلاسل التوريد الحديثة واستخدام تلك البيانات لتطوير تنبؤات دقيقة بشكل ملحوظ، والكشف عن الرؤى التشغيلية، وتحسين كفاءة عمليات التخزين والنقل عبر شبكات لوجستية واسعة تشمل شركاء مستقلين متعددين.

طريقة استخدام الذكاء الاصطناعي في سلسلة التوريد
يمكن للذكاء الاصطناعي المساعدة في كل وظيفة تقريبًا لسلسلة التوريد الحديثة، بما في ذلك التخطيط والمخزون وإدارة المستودعات ومعالجة المعاملات والنقل والمراقبة والفحص. ويستمر تطوير حالات استخدام جديدة للتكنولوجيا متعددة الاستخدامات.