Theo McKinsey & Firm, các tổ chức triển khai AI đã tăng chi phí hậu cần lên 15%, chi phí dự trữ 35% và chi phí sửa chữa 65%. AI có thể thu hẹp giá và giảm đi những thách thức trong chuỗi cung ứng bằng cách thúc đẩy các lựa chọn sáng suốt hơn.
Cung cấp cho các ngành công nghiệp chuỗi và hậu cần trên toàn thế giới mất hơn 1 nghìn tỷ đô la mỗi năm do các đối tượng hết hàng hoặc được cung cấp quá nhiều.
Những thách thức trong quản lý hàng hóa, dự báo nhu cầu, tối ưu hóa giá trị và các yếu tố khác có thể dẫn đến việc bỏ sót các lựa chọn thay thế và thu nhập không đúng chỗ.
Thị trường bán lẻ ngày càng phát triển phức tạp và gay gắt hơn. Duy trì nhịp độ với khách hàng, nắm bắt những đặc điểm đang phát triển trong mua sắm hoặc đi trước đối thủ cạnh tranh — những thách thức này đang đè lên vai các nhà bán lẻ và nhà sản xuất cao hơn bao giờ hết.
AI trong Quản trị chuỗi cung ứng Theo McKinsey & Firm, các tổ chức triển khai AI đã tăng chi phí hậu cần lên 15%, chi phí dự trữ 35% và chi phí sửa chữa 65%. AI có thể thu hẹp giá và giảm đi những thách thức trong chuỗi cung ứng bằng cách thúc đẩy các lựa chọn sáng suốt hơn.
Các nhà bán lẻ và nhà sản xuất kết hợp AI trong quản trị chuỗi cung ứng đã cải thiện đáng kể kỹ năng dự báo nhu cầu, xử lý hàng tồn kho và tối ưu hóa giá trị. Họ có khả năng đi đầu thị trường, nắm bắt cơ hội mới và tối đa hóa thu nhập.
Việc kích hoạt AI trong chuỗi cung ứng cho phép các tổ chức tự tin đưa ra lựa chọn, sửa đổi các hoạt động của doanh nghiệp một cách nhanh chóng và vượt xa các đối thủ cạnh tranh.
Ưu điểm của AI trong chuỗi cung ứng AI cho phép các nhà sản xuất và nhà bán lẻ đổi mới trong suốt quá trình hoạt động của họ và tối đa hóa ấn tượng của doanh nghiệp. Cung cấp khả năng quản trị chuỗi được hỗ trợ bởi AI giúp các tổ chức phát triển thành đa diện, liên kết, nhanh nhẹn, năng nổ — và trên hết — nắm bắt được các yêu cầu luôn thay đổi của khách hàng.
Các tổ chức sản xuất và bán lẻ sử dụng AI trong chuỗi cung ứng của họ có cơ hội:
• Cải thiện dự báo nhu cầu để nâng cao độ chính xác và chi tiết • Áp dụng dự báo để thu hẹp lỗ hổng về kiến thức bị tụt hậu • Tinh chỉnh biên lỗi dự báo để giảm thiểu sự thiếu hiệu quả của kiểm tra bộ đệm • Tối ưu hóa giá trị và gắn cờ giá trị bất thường trong chuỗi cung ứng • Phát hiện hàng hóa bị lỗi từ dây chuyền sản xuất • Xác định các điểm nghẽn để tăng cường thông lượng kho hàng • Tăng cường điều phối các hoạt động hậu cần và tái lập kế hoạch quy mô không hiệu quả • Xác định và giảm thiểu các nguy cơ tai nạn liên quan đến trách nhiệm pháp lý tiền tệ • Nhận thức tác động của các tình huống kinh tế vĩ mô đối với nhu cầu sản phẩm
Thêm vào đó, AI trong chuỗi cung ứng mang lại thông tin chi tiết theo hướng dữ liệu hỗ trợ các tổ chức chuỗi cung ứng và hậu cần giải quyết các vấn đề khó khăn nhất, thúc đẩy thành công và đưa ra ROI thực tế.
Ưu điểm của AI trong chuỗi cung ứng Việc triển khai AI trong chuỗi cung ứng có thể đem lại những cơ hội không ngờ. Một nhà bán lẻ quốc tế có khả năng tiết kiệm tài chính hàng năm 400 triệu đô la và khả năng dự báo chính xác đạt 9,5 %3.
Bất kể lợi nhuận tiềm năng này như thế nào, 96% cửa hàng nhận thấy rằng việc xây dựng hệ thống AI hiệu quả là rất khó khăn và 90% báo cáo rằng việc chuyển các công nghệ mới vào sản xuất gặp rắc rối. Sự hợp tác trong các nhóm khoa học tri thức, doanh nghiệp và CNTT trong suốt vòng đời của AI cũng tác động rất nhiều đến sự thành công của AI.
Sự biến động ngày càng tăng của chuỗi cung ứng càng nhấn mạnh thêm tính cấp thiết trong việc áp dụng AI vào chuỗi cung ứng của các tổ chức và thúc đẩy ấn tượng của doanh nghiệp.
AI được biết đến như là Cuộc cách mạng công nghiệp lần thứ tư. Nhiều nhà sản xuất và nhà bán lẻ đã áp dụng AI vào chuỗi cung ứng của họ để giải quyết ba thách thức chính: nhu cầu thị trường, quản trị sản phẩm và cung cấp, và hiệu quả hoạt động.
Ví dụ thực tế trong thế giới: Các trường hợp sử dụng AI trong chuỗi cung ứng
Xi măng OYAK Xi măng OYAK - nhà sản xuất xi măng số một của Thổ Nhĩ Kỳ, muốn giảm giá thành bằng cách tăng hiệu suất hoạt động. Nhóm cũng muốn giảm thiểu lượng khí thải CO2 và giảm nguy cơ bị phạt do vượt quá giới hạn phát thải của cơ quan chức năng.
OYAK đã chuyển sang sử dụng AI để tối ưu hóa và tự động hóa các quy trình cùng với việc giảm tiêu thụ năng lượng.
Kết quả là: Xi măng OYAK tối ưu hóa quy trình nghiền, sử dụng nguồn cung cấp hiệu quả hơn, mong muốn bảo trì dự đoán và vật liệu được duy trì cao hơn chất lượng cao. Xi măng OYAK cũng cải thiện hiệu suất sử dụng khí khác nhau từ 4% lên 30%.
Nhà sản xuất có kỹ năng hoạt động hiệu quả và tiết kiệm tài chính bằng cách triển khai AI:
• Giảm giá khoảng 39 triệu đô la • Giảm thời gian báo trước các lỗi cơ học xuống 75% • Tăng mức sử dụng khí khác nhau lên bảy trường hợp
CVS Khi vắc-xin COVID-19 lần đầu tiên được tung ra thị trường, việc phân phối khẩn cấp diễn ra nhanh chóng. Trước tình hình nguồn cung hạn chế và nhu cầu cao kỷ lục, CVS cần tối ưu hóa việc phân phối vắc xin COVID-19 ngay lập tức.
CVS đã chuyển sang DataRobot để vận chuyển thử nghiệm và vắc xin một cách hiệu quả và thành công nhất có thể.
Kết quả là: CVS đang được cung cấp hơn 60 triệu vắc xin trên toàn quốc. Nhóm đã thành công bằng cách triển khai vắc-xin do AI điều khiển:
• 60 triệu vắc xin đã được sử dụng trên toàn quốc • 20% vắc xin trên toàn quốc do CVS Well being quản lý • 90% những người được tiêm liều thứ hai
Lenovo Computes Lenovo Brazil muốn cân bằng việc cung cấp và nhu cầu đối với máy tính xách tay và hệ thống máy tính trong số nhiều nhà bán lẻ Brazil đã mua hàng trăm sản phẩm của Lenovo mỗi tuần. Lenovo Brazil đã chuyển sang sử dụng DataRobot để tạo ra các mô hình nghiên cứu máy với mức giá nhanh hơn và cải thiện độ chính xác của dự đoán.
Kết quả là: Lenovo Brazil đã dự đoán chính xác hơn về số lượng và trở thành công ty dẫn đầu về số lượng trên tổng doanh thu bán sách bỏ túi cho mảng B2C ở Brazil. Song song đó, nó xuất hiện để phát triển các hoàn cảnh sử dụng cùng với việc tính điểm tổng doanh thu, dự đoán chi phí chậm trễ và dự đoán các nguy cơ mặc định.
Lenovo Brazil nhận thấy các đặc tính có lợi về hiệu quả và cải tiến độ chính xác ấn tượng:
• Giảm thời gian tạo mô hình từ 4 tuần xuống vài ngày • Giảm thời gian triển khai mô hình từ hai ngày xuống còn 5 phút • Cải thiện độ chính xác của dự đoán từ thấp hơn 80% lên hơn 90%
Comments