วิธีการใช้ปัญญาประดิษฐ์เพื่อช่วยเหลือผู้ประกอบการผลิตเทคโนโลยี?

วิธีการใช้ปัญญาประดิษฐ์เพื่อช่วยเหลือผู้ประกอบการผลิตเทคโนโลยี?

ปัญญาประดิษฐ์สามารถปฏิวัติการจัดการห่วงโซ่อุปทานได้อย่างไร Kapoklog Logistics แนะนำในรายละเอียดการใช้งานเฉพาะของเทคโนโลยี AI ในห่วงโซ่อุปทาน

 

ด้วยการเพิ่มประสิทธิภาพการเรียนรู้ของเครื่องจักรและการดำเนินการวิจัยการดำเนินงานปรับปรุงการพยากรณ์อุปสงค์การวางแผนการจัดหาการจัดการสินค้าคงคลังและการจัดส่งคำสั่งซื้อเพื่อส่งเสริมห่วงโซ่อุปทานขององค์กรเพื่อให้ได้ Kapoklog Logistics ซึ่งให้ข้อมูลเชิงลึกที่ลึกซึ้งเกี่ยวกับวิธีการนวัตกรรมทางเทคโนโลยีที่สามารถผลักดันการเปลี่ยนแปลงขององค์กรได้อย่างไร

Kapoklog Logistics Logistics แบ่งปันประสบการณ์การใช้งานจริงของ Lenovo ในการใช้เทคโนโลยี AI เพื่อเพิ่มขีดความสามารถของห่วงโซ่อุปทานโดยหวังว่าเนื้อหาเหล่านี้จะให้การอ้างอิงที่เป็นประโยชน์สำหรับทุกคนและช่วยให้องค์กรของพวกเขาบรรลุการดำเนินงานที่ยอดเยี่ยมในอนาคต

การแบ่งปันโลจิสติก Kapoklog แบ่งออกเป็นห้าส่วน ก่อนอื่นแนะนำสถานการณ์ปัจจุบันของห่วงโซ่อุปทานของ Lenovo เราเผชิญกับปัญหาอะไร? ทำไมเราต้องผ่านการเปลี่ยนแปลงทางดิจิตอล? การใช้ Lenovo Group ซึ่งเป็น บริษัท เทคโนโลยีอิเล็กทรอนิกส์ของจีนเช่นการเปลี่ยนแปลงทางดิจิตอลของ Lenovo ได้มุ่งเน้นไปที่การสร้างซัพพลายเชนอัจฉริยะเสมอ ดังนั้นสถาปัตยกรรมเทคโนโลยีประเภทใดที่ควรมีห่วงโซ่อุปทานอัจฉริยะมี? สถานการณ์การลงจอดคืออะไร?

 

ผู้จัดการแผนกซัพพลายเชนของ Kapoklog Logistics จะมุ่งเน้นไปที่การพยากรณ์ความต้องการการจัดสรรวัสดุและการบริโภคและการกำหนดเวลาอัจฉริยะซึ่งเป็นโครงการดาวภายในหรือแนวทางปฏิบัติที่ดีที่สุดของเรา ในที่สุดควรมีเวลา ผู้จัดการแผนกซัพพลายเชนของ Kapoklog Logistics จะแบ่งปันโมเดลขนาดใหญ่ตัวแทนซึ่งเป็นทิศทางที่ทันสมัยที่สุดของ AI วิธีการรวมเทคโนโลยี AIGC เข้ากับสถานการณ์จริงของห่วงโซ่อุปทานแก้ปัญหาอาการปวดทางธุรกิจและสร้างคุณค่าในทางปฏิบัติ ในที่สุดจากการคิดตื้น ๆ ของฉันฉันต้องการที่จะสร้างโอกาสสำหรับทิศทางเทคโนโลยีในอนาคตของห่วงโซ่อุปทานอัจฉริยะ

 

1. ภาพรวมห่วงโซ่อุปทานทั่วโลกของ Lenovo

มาทำความรู้จักกับซัพพลายเชนระดับโลกของ Lenovo ด้วยกัน สำหรับองค์กรการผลิตห่วงโซ่อุปทานเป็นแผนกการทำงานที่สำคัญอย่างยิ่งที่ให้บริการและการรับประกันการขายล่วงหน้า Lenovo ขายอะไร? เราเป็นผู้ผลิตคอมพิวเตอร์ส่วนบุคคลที่ใหญ่ที่สุดในโลกรวมถึงสมาร์ทโฟนแท็บเล็ตเซิร์ฟเวอร์และเทอร์มินัลอัจฉริยะต่างๆ ด้วยปริมาณการจัดส่งประจำปี 120 ล้านหยวนเราขายให้กับกว่า 180 ประเทศและภูมิภาคทั่วโลกครอบคลุมผู้ใช้มากกว่า 1 พันล้านคน ตลาดขนาดใหญ่เช่นนี้ต้องใช้ห่วงโซ่อุปทานขนาดใหญ่ ดังนั้นเรามีโรงงานมากกว่า 30 แห่งที่แพร่กระจายไปทั่วโลกโดยมีซัพพลายเออร์กว่า 5,000 รายและซัพพลายเออร์หลักมากกว่า 2,000 ราย นอกเหนือจากการมีขนาดใหญ่แล้วเราต้องแข็งแกร่งเช่นกัน ดังนั้นกลุ่มลงทุนกว่า 1 พันล้านหยวนทุกปีในการเปลี่ยนแปลงทางดิจิตอลของห่วงโซ่อุปทานและได้รับผลลัพธ์ที่น่าทึ่ง

 

Lenovo ได้รับการจัดอันดับใน 10 อันดับแรกของการจัดอันดับห่วงโซ่อุปทานทั่วโลกของการ์ตเนอร์เป็นเวลาสามปีติดต่อกัน เราได้รับผลลัพธ์ที่น่าประทับใจในการเป็นผู้นำห่วงโซ่อุปทาน ESG และการผลิตอัจฉริยะและได้รับการยอมรับอย่างเต็มที่จาก IDC Mingsheng รวมถึง World Economic Forum McKinsey และอื่น ๆ

ห่วงโซ่อุปทานที่แข็งแกร่งอย่างต่อเนื่องนี้กำลังเผชิญกับความท้าทายที่สำคัญห้าประการในปัจจุบัน กล่าวอีกนัยหนึ่งนี่คือทิศทางที่เราจำเป็นต้องมุ่งเน้นในการแปลงดิจิตอลของเรา ตัวอย่างเช่นในการแยกเทคโนโลยีระหว่างจีนและสหรัฐอเมริกาองค์ประกอบหลักจำนวนมากรวมถึงซอฟต์แวร์หลักบางอย่างถูก จำกัด จากการซื้อในประเทศจีนและเราต้องพึ่งพาความผันผวนของอุปสงค์ที่พัฒนาขึ้นเอง Lenovo ดำเนินงานในอุตสาหกรรมอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคด้วยชุดขนาดเล็กหลากหลายหลากหลายและวันที่สั่งซื้อส่วนบุคคล เราได้รับคำสั่งซื้อมากกว่า 80% ต่อปีโดยมีคำสั่งซื้อชุดเล็ก ๆ ไม่เกิน 5

 

กฎระเบียบของประเทศ ESG กำลังเข้มงวดมากขึ้นเรื่อย ๆ และเราจะให้ความสนใจกับเทคโนโลยีคาร์บอนต่ำ อย่างไรก็ตามด้วยภาวะเศรษฐกิจถดถอยที่ล้าหลัง GDP ของเศรษฐกิจที่สำคัญไม่เป็นไปตามความคาดหวังการเพิ่มขึ้นของราคาสินค้าโภคภัณฑ์การหยุดชะงักของโลจิสติกส์และความขัดแย้งทางการเมืองอื่น ๆ และเหตุการณ์หงส์ดำ

 

ดังนั้นเผชิญกับความท้าทายมากมายห่วงโซ่อุปทานของ Lenovo สามารถทำอะไรได้บ้าง? มันเป็นเรื่องเกี่ยวกับการใช้เทคโนโลยีนวัตกรรมและแกนกลางที่หลากหลายโดยใช้พวกเขาเพื่อฝึกฝนความแข็งแกร่งภายในและแขนของเราเพื่อให้ห่วงโซ่อุปทานของเราสามารถเตรียมพร้อมสำหรับวิกฤตการณ์ก่อนที่พวกเขาจะเกิดขึ้นเพิ่มความยืดหยุ่นการปรับตัวและระดับความฉลาดของห่วงโซ่อุปทานของเรา

 

การเปลี่ยนแปลงทางดิจิตอลของ Lenovo ของห่วงโซ่อุปทานได้เกิดขึ้นมาเกือบ 1 0 ปี ก่อนการระบาดใหญ่เราเรียกมันว่าระยะ 1.0 ซึ่งมุ่งเน้นไปที่การรวมรากฐานและการแสดงความรู้ ตั้งแต่การจัดซื้อจนถึงการวางแผนการผลิตไปจนถึงโลจิสติกส์และจากนั้นไปจนถึงการให้บริการแผนกที่ใช้งานได้ต่าง ๆ จำเป็นต้องรวบรวมข้อมูลทั้งหมดก่อน ขึ้นอยู่กับกฎกระบวนการที่ตกลงกันไว้ของแต่ละแผนกการสร้างภาพข้อมูลแบบเรียลไทม์และระบบอัตโนมัติการตัดสินใจบางส่วนสามารถทำได้

 

หลังจากการแพร่ระบาดของโรคเราเข้าสู่ 2. 0 ซึ่งเพิ่งเปิดตัว การมุ่งเน้นคือการเชื่อมต่อระหว่างกันความร่วมมือการทำงานร่วมกันการเชื่อมต่อไซโลข้อมูลต่างๆการสร้างการเชื่อมต่อระหว่างระบบขนาดเล็กของแผนกการทำงานและการบรรลุผล WIN-WIN โดยรวม ดังนั้นเราต้องออกแบบกระบวนการใหม่กฎใหม่และรวมกัน ข้อมูลจะต้องได้มาตรฐานไม่เพียง แต่จะมีข้อมูล แต่ยังเปลี่ยนเป็นข้อมูลคุณภาพสูงบรรลุโซลูชันที่ชาญฉลาดและครอบคลุมอย่างสมบูรณ์ คุณสมบัติที่ใหญ่ที่สุดที่นี่คือการส่งเสริมการตัดสินใจเชิงรุกซึ่งขับเคลื่อนโดยการวิเคราะห์ข้อมูลช่วยให้ผู้มีอำนาจตัดสินใจและนักวางแผนของเราเป็นเชิงรุกและมีการมองการณ์ไกลก่อนที่วิกฤตจะเกิดขึ้น

 

2. ห่วงโซ่อุปทานฟังก์ชั่น Lenovo

ดังนั้นเราเพิ่งพูดถึงว่าเราควรตั้งแขนเองด้วยเทคโนโลยีที่ทันสมัย ที่นี่ฉันแสดงรายการเทคโนโลยีนวัตกรรมแปดอย่างที่เกี่ยวข้องมากที่สุดโดยห่วงโซ่อุปทานของ Lenovo ระบบอัตโนมัติเป็นหุ่นยนต์ที่นี่ แต่เรายังสามารถจำแนกได้เช่นอินเทอร์เน็ตบล็อกเชน ฯลฯ เพื่อให้ข้อมูลหรือรับประกันความน่าเชื่อถือ Digital Twins ให้สภาพแวดล้อมที่อัลกอริทึมการจำลองต่าง ๆ ของเราสามารถพัฒนาได้อย่างต่อเนื่อง ปัญญาประดิษฐ์เชิงวิเคราะห์ขั้นสูงมุ่งเน้นไปที่โมเดลและอัลกอริทึมมากขึ้นและวิธีการแยกข้อมูลเชิงลึกจากข้อมูลเพื่อเป็นแนวทางในอนาคต

การวิเคราะห์ข้อมูลขั้นสูงเป็นตัวอย่างโดยทั่วไปเราแบ่งออกเป็นสามระดับ ประการแรกการวิเคราะห์เชิงพรรณนาบอกเราว่าเกิดอะไรขึ้นในขณะนี้ ประการที่สองการวิเคราะห์การทำนายบอกเราว่าจะค้นพบอะไรและจะเกิดอะไรขึ้นในอนาคตโดยการวิเคราะห์รูปแบบและรูปแบบในข้อมูลประวัติศาสตร์

 

ขั้นตอนที่สามเรียกว่าการวิเคราะห์การตัดสินใจซึ่งไม่เพียง แต่บอกเราว่าแนวโน้มในอนาคตคืออะไร แต่ยังบอกผู้ตัดสินใจว่าพวกเขาควรทำอะไร ปัญญาประดิษฐ์มีประวัตินานกว่า 60 ปีและคนส่วนใหญ่อาจนึกถึงการมองเห็นคอมพิวเตอร์การรู้จำเสียงพูดการประมวลผลภาษาธรรมชาติการเรียนรู้ของเครื่องจักรและอื่น ๆ เทคโนโลยีเหล่านั้นน่าประทับใจ แต่สิ่งหนึ่งที่มักถูกวิพากษ์วิจารณ์คือมันเป็นโมเดลกล่องดำที่อธิบายไม่ได้

โชคดีที่ความถูกต้องและประสิทธิภาพของเทคโนโลยีเหล่านี้ได้มาถึงระดับหนึ่งและในสาขาที่มุ่งเน้นบางอย่างพวกเขาสามารถเข้าถึงหรือเกินระดับมนุษย์ ดังนั้นทำไมไม่ฝังมันเป็นปลั๊กอินลงในเวิร์กโฟลว์ของห่วงโซ่อุปทาน

 

ตัวอย่างเช่นการตรวจสอบแสงอัตโนมัติบนสายการผลิตสามารถระบุข้อบกพร่องบางอย่างในผลิตภัณฑ์และข้อบกพร่องในการติดตั้งและความแม่นยำของมันเกินกว่าดวงตาของมนุษย์ เทคโนโลยีจำนวนมากจะทำให้ผู้คนเวียนหัวและสูญเสียหรือไม่? ปัญหานี้ไม่มีอยู่ที่ Lenovo เพราะเราทุกคนขับเคลื่อนด้วยสถานการณ์และข้อกำหนดสำหรับแต่ละโครงการและจากนั้นเรามองหาเทคโนโลยีที่เหมาะสมในการสรุป

 

นี่คือตัวอย่างง่ายๆซึ่ง Lenovo กำลังทำโครงการการเปลี่ยนแปลงแบบดิจิทัลทั้งหมด ในการแก้ปัญหาตามสถานการณ์เทคโนโลยีหลักที่กล่าวถึงก่อนหน้านี้จะเข้าสู่หอควบคุมซัพพลายเชนแบบครบวงจร 12345 โดยรอบเป็นสถานการณ์ทั่วไป ตัวอย่างเช่นในสถานการณ์แรกการพยากรณ์ความต้องการใช้การวิเคราะห์อนุกรมเวลาการเรียนรู้เชิงลึกของเครื่องจักรและ AIGC

 

การจัดซื้อจัดจ้างอัจฉริยะครั้งที่สองและซัพพลายเออร์การจัดการลำดับชั้นร่วมกันอย่างสูงในแง่ของการวิจัยซัพพลายเออร์เราได้สะสมข้อมูลการจัดซื้อจำนวนมากเพื่อตรวจสอบว่าซัพพลายเออร์มีความน่าเชื่อถือหรือไม่ ในเวลาเดียวกันเรายังใช้การวิเคราะห์ภาษาธรรมชาติและเทคนิคการขุดข้อมูลเพื่อวิเคราะห์โปรไฟล์ 360 องศาของห่วงโซ่อุปทานจากข้อมูลสาธารณะที่มีอยู่ในรอบนอก

การจัดการอัจฉริยะของการสั่งซื้อลูกค้าที่สามเรามีคำสั่งซื้อมากมายที่มีปริมาณผลิตภัณฑ์ที่แตกต่างกันเวลาส่งมอบอุปทานและระดับลูกค้า เราสามารถใช้เทคโนโลยีการเพิ่มประสิทธิภาพและเทคโนโลยีการเพิ่มประสิทธิภาพการดำเนินงานเพื่อตัดสินใจอย่างชาญฉลาดคำสั่งซื้อใดที่จะดำเนินการก่อนซึ่งคำสั่งต้องรอและแม้กระทั่งการดำเนินการตามคำสั่งซื้อที่เฉพาะเจาะจงอย่างราบรื่น

 

โลจิสติกส์อัจฉริยะครั้งสุดท้ายรวมถึงการส่งมอบการเลือกสถานที่คลังสินค้าการเลือกวิธีการโลจิสติกส์และสถานีใดที่ส่งมอบไมล์สุดท้ายครั้งแรกและสถานีใดที่ส่งมอบสุดท้ายล้วนเป็นเทคโนโลยีการเพิ่มประสิทธิภาพการดำเนินงาน

 

ทุกคนสามารถมุ่งเน้นไปที่แบนเนอร์สีแดงและข้อความสีเหลืองครอบคลุมกระบวนการสำคัญสามประการตั้งแต่ความต้องการจนถึงการจัดหาในขั้นตอนการวางแผนก่อนที่คำสั่งซื้อครั้งแรกจะมาถึง คำสั่งซื้อที่สองมาถึงขั้นตอนการส่งมอบตั้งแต่การสั่งซื้อเป็นเงินสด แง่มุมที่สามที่หมุนรอบผลิตภัณฑ์ทั้งหมดคือการเพิ่มประสิทธิภาพของวงจรชีวิตกระบวนการหลักสามกระบวนการและเทคโนโลยีหลักแปดประการที่กล่าวถึงก่อนหน้านี้

 

เราสรุปเป็นสองประเภทเทคโนโลยีหลักหนึ่งเรียกว่าเทคโนโลยีการทำนายที่แสดงโดยการเรียนรู้ของเครื่องซึ่งมีวัตถุประสงค์เพื่อแก้ปัญหาวิธีลดความไม่แน่นอนหรือกล่าวอีกนัยหนึ่งวิธีการใช้ข้อมูลและอัลกอริทึมเพื่อให้สถานการณ์ที่ไม่แน่นอนก่อนหน้านี้สามารถควบคุมได้เล็กน้อย ให้ฉันยกตัวอย่างสุดขีด เมื่อเราโยนเหรียญโดยไม่มีข้อมูลใด ๆ ก็คือ 1/2 อย่างไรก็ตามหากคุณรู้มุมของการโยนและแม้กระทั่งพื้นผิวที่แตกต่างกันของตัวละครทั้งด้านหน้าและด้านหลังคุณยังสามารถทำการคาดการณ์ที่แม่นยำยิ่งขึ้นผ่านการวิเคราะห์ข้อมูล

 

อีกหมวดหมู่ที่สำคัญคือเทคนิคการตัดสินใจที่แสดงโดยการเพิ่มประสิทธิภาพการวิจัยการดำเนินงานซึ่งใช้ในการแก้ปัญหาซัพพลายที่สมดุลหลายวัตถุประสงค์การขนส่งแม้กระทั่งการจัดสรรสินทรัพย์และการจัดสรรทรัพยากรพลังงานซึ่งทั้งหมดเกี่ยวข้องกับปัญหาที่ขัดแย้งกันหลายวัตถุประสงค์ที่แตกต่างกัน วิธีการรักษาสมดุลที่ดีที่สุด? การวิจัยการดำเนินงานแบบดั้งเดิมสามารถแก้ปัญหาดังกล่าวได้

 

เราอยู่ในอุตสาหกรรมการผลิตโดยเฉพาะอย่างยิ่งในการผลิตที่ไม่ต่อเนื่อง เรามีแนวคิดที่เรียกว่า 'Bill of Materials' ซึ่งสามารถจัดการได้จริง ยิ่งเราอยู่ที่ด้านบนสุดของชั้นแรกยิ่งมีความสำคัญมากเท่านั้น โดยทำตามแผนภาพเราจะสามารถค้นหาเทคโนโลยีหลักที่ดีที่สุดสำหรับรายการบางรายการซึ่งเชื่อมต่ออย่างมากกับจุดปวดของสถานการณ์เฉพาะที่เรากังวล

ในด้านการผลิตที่ไม่ต่อเนื่องเรามีแนวคิดของ 'บิลวัสดุ' ส่วนประกอบสามารถจัดการในเลเยอร์โดยชั้นแรกใกล้กับด้านบนมีความสำคัญมากขึ้น ผ่านการจัดการแบบลำดับชั้นนี้เราสามารถระบุวัสดุที่สำคัญที่สุดในโครงการเฉพาะตามเบาะแสที่จัดตั้งขึ้น เทคโนโลยีหลักนี้เชื่อมโยงอย่างใกล้ชิดกับจุดปวดของสถานการณ์เฉพาะที่เรามุ่งเน้นและสามารถช่วยแก้ปัญหาในทางปฏิบัติได้อย่างมีประสิทธิภาพ

 

3. กรณีศึกษาของซัพพลายเชนสมองอัจฉริยะ

มีแนวคิดที่นี่เรียกว่าหอควบคุมซัพพลายเชนซึ่งเป็นสมองซัพพลายเชนที่เรากล่าวถึงในภายหลัง ที่นี่ฉันจะให้ตัวอย่างหนึ่งหรือสองตัวอย่างเพื่อแสดงแนวคิดของเฟอร์นิเจอร์ เทคโนโลยีแรกคือเทคโนโลยีการทำนายซึ่งสามารถใช้ในหลาย ๆ สถานการณ์เช่นการพยากรณ์ความต้องการการพยากรณ์การขายการพยากรณ์การผลิตเบียร์การพยากรณ์กำลังการผลิต

 

วัตถุประสงค์ของการทำนายคือการแก้ปัญหาความไม่แน่นอน ลักษณะของการทำนาย Lenovo ของเราคืออะไร? มันไม่ได้เกี่ยวกับการทำนายและการประเมินด้วยตัวเลข คำหลักลักษณะของเราเรียกว่าการผสมซึ่งสะท้อนให้เห็นโดยเฉพาะในการใช้ AI แบบผสมในหลายระดับ ตัวอย่างเช่นคุณสามารถใช้การรวมกันของอัลกอริทึมวิธีการทางสถิติการเรียนรู้ของเครื่องการเรียนรู้อย่างลึกซึ้งและการผสมผสานของโมเดลขนาดใหญ่และขนาดเล็กเพื่อทำงานในคลาวด์ GPT อื่น ๆ สามารถทดสอบได้ที่ขอบ ตัวอย่างเช่นในสายการผลิตเราจำเป็นต้องตรวจจับความไม่แน่นอนของสัญญาณเหล่านั้นแก้ปัญหาที่ขอบแล้วรองรับการรวมกับข้อมูล

 

นอกจากนี้ยังมีการรวมหลายระดับ เราจำเป็นต้องทำการคาดการณ์การขาย เราสามารถมีภูมิภาคต่าง ๆ แต่ละประเทศมีประเทศต่างๆ เราควรแบ่งพวกเขาหลังจากการคาดการณ์ระดับบนสุดเสร็จสมบูรณ์หรือรวมการคาดการณ์ในท้องถิ่นแต่ละครั้ง? ในความเป็นจริงไม่มีขนาดใดที่เหมาะกับทุกวิธี เราจำเป็นต้องทำการตัดสินแบบไดนามิกตามการกระจายคุณภาพและรูปแบบของข้อมูล กลับไปที่การรวมกันของความรู้และข้อมูลที่เราเพิ่งพูดถึงขอให้ฉันยกตัวอย่าง ตัวอย่างเช่นเมื่อเราขายพีซีที่ Lenovo บางส่วนจะขายให้กับลูกค้าโดยตรง แต่ส่วนใหญ่จะขายผ่านช่องทาง สำหรับจำนวนช่องที่ขายให้กับลูกค้าปลายทางเราไม่รู้ แต่เราอยากรู้จริงๆ

 

เนื่องจากแนวโน้มของการขายหมดและสินค้าคงคลังของช่องทางกำหนดว่าเราจัดส่งมากแค่ไหนเราจะทำนายการขายได้อย่างไร แน่นอนเราสามารถขอช่องทางเพื่อรวบรวมจำนวนขายทุกปีทุกเดือนและทุกไตรมาสและวัดด้วยตัวเลข อย่างไรก็ตามผลที่แท้จริงนั้นแย่มาก ต่อมาเราพบว่าเราขาดข้อมูลสำคัญบางอย่าง นี่คือสิ่งที่ยอดขายบอกเรา นักวิทยาศาสตร์ของคุณควรไปและเข้าใจการเปิดเงินคืนในช่องต่าง ๆ หากเขาสามารถขาย 80 หน่วยและได้รับเงินคืน 5% เขาจะขาย 81 หน่วย 85 หน่วย 82 หน่วย แต่เขาจะไม่ขาย 79 หน่วยอย่างแน่นอน เขาต้องไปถึง 80 หน่วย เมื่อเราเข้าใจรูปแบบนี้ความถูกต้องของการทำนายของเราสามารถปรับปรุงได้อย่างมาก

 

ตัวอย่างเช่นเมื่อเราใช้ในการคาดการณ์สำหรับห่วงโซ่อุปทานบริการมันถูกเรียกว่า 'กี่อะไหล่ควรใช้สถานีบำรุงรักษาเตรียมสำหรับเหตุฉุกเฉิน' เราพบปัญหาในเอเชียตะวันออกเฉียงใต้ในเวลานั้นเช่นการทำนายโมดูลการแสดงผลที่ไม่ถูกต้องของอินเดียตั้งแต่เดือนพฤษภาคมถึงสิงหาคม ต่อมาธุรกิจท้องถิ่นบอกให้เราศึกษาสภาพอากาศอย่างรอบคอบ พฤษภาคมถึงสิงหาคมเป็นฤดูมรสุมของอินเดียที่มีความชื้นสูงและอัตราความล้มเหลวของอุปกรณ์ที่มีวงจรในตัวค่อนข้างสูง สูงแค่ไหน? เขาไม่ทราบ แต่ด้วยความพร้อมของเขาเรารู้วิธีแยกข้อมูลอุณหภูมิข้อมูลปริมาณน้ำฝนข้อมูลความชื้นและหลอมรวมข้อมูลเหล่านี้เข้าด้วยกัน ในช่วงฤดูฝนในเอเชียตะวันออกเฉียงใต้ความแม่นยำในการทำนายของเราดีขึ้นอย่างมาก

 

ลองมาดูพื้นที่แอปพลิเคชันที่สองที่เกี่ยวข้องกับการเพิ่มประสิทธิภาพ ฉันได้เตรียมวิดีโอบางอย่างและฉันจะพูดน้อยลง ทุกคนควรเข้าใจหลังจากดูวิดีโอ ก่อนที่จะขุดลึกลงไปให้เข้าใจแนวคิดของ "การเพิ่มประสิทธิภาพ" สั้น ๆ จากมุมมองของการวิจัยการดำเนินงานการเพิ่มประสิทธิภาพส่วนใหญ่เกี่ยวข้องกับองค์ประกอบหลักสามประการ ประการแรกในสถานการณ์ซัพพลายเชนมีวัตถุประสงค์มากมายที่ต้องปรับให้เหมาะสม ตัวอย่างเช่นอัตราการจัดส่งค่าใช้จ่ายเส้นทางการขนส่งเวลารอการสั่งซื้อรวมถึงเวลาสำหรับการเปลี่ยนเส้นระหว่างผลิตภัณฑ์ที่แตกต่างกันในสายการผลิต ฯลฯ เป็นเป้าหมายทางธุรกิจทั้งหมดที่เราต้องมุ่งเน้นและเพิ่มประสิทธิภาพ นี่เป็นองค์ประกอบแรกของการเพิ่มประสิทธิภาพ

 

องค์ประกอบที่สองคือตัวแปรการตัดสินใจ ตัวอย่างเช่นเมื่อมีการระบุคำสั่งซื้อหรือมีการระบุข้อกำหนดเราจำเป็นต้องซื้อชิ้นส่วนสำหรับการประกอบ ณ จุดนี้เราต้องเผชิญกับทางเลือกระหว่างการซื้อจากซัพพลายเออร์ A หรือซัพพลายเออร์ B โดยสมมติว่าส่วนประกอบจากซัพพลายเออร์ทั้งสองนี้สามารถแทนที่ซึ่งกันและกันได้ ไม่เพียงแค่นั้นเวลาและปริมาณของการจัดหาจากซัพพลายเออร์ A ยังต้องได้รับการพิจารณาอย่างรอบคอบและการตัดสินใจ ตัวอย่างเช่นในกระบวนการจัดตารางเวลาไม่ว่าจะจัดเรียงลำดับงานในสายการผลิต A หรือสายการผลิต B ตัวเลือกที่แตกต่างกันจะมีผลกระทบที่แตกต่างกันต่อประสิทธิภาพการผลิตต้นทุนและอื่น ๆ

 

องค์ประกอบที่สามคือเงื่อนไขข้อ จำกัด เราทุกคนรู้ว่าทรัพยากรในการทำอะไรไม่มีที่สิ้นสุดและต้องดำเนินการภายใต้ข้อ จำกัด บางประการ จากตัวอย่างของคำสั่งงานก่อนหน้านี้เป็นไปได้ว่าผลิตภัณฑ์บางอย่างสามารถผลิตได้ในสายการผลิต ABC เนื่องจากกระบวนการอุปกรณ์และเหตุผลอื่น ๆ และไม่สามารถประมวลผลในสายการผลิต D

 

นี่เป็นเงื่อนไขข้อ จำกัด ทั่วไป

ตัวอย่างเช่นในกรณีของร้านค้าปลีกพวกเขาสามารถรับสินค้าจากศูนย์กระจายสินค้าในท้องถิ่นและไม่สามารถจัดสรรสินค้าจากจังหวัดใกล้เคียงซึ่งเป็นข้อ จำกัด การแก้ปัญหาที่ได้รับภายใต้ข้อ จำกัด เหล่านี้เป็นวิธีแก้ปัญหาที่เป็นไปได้ อย่างไรก็ตามการแก้ปัญหาที่เป็นไปได้ทั้งหมดไม่สามารถตอบสนองผู้คนได้ หลังจากเรามีเป้าหมายที่ชัดเจนเราต้องหาทางออกที่ดีที่สุด แม้ว่าจะมีวิธีแก้ปัญหาที่ดีที่สุดหลายอย่าง แต่เราก็ยังต้องหาจุดที่เหมาะสมที่ด้านหน้าของ Pareto

ให้ฉันยกตัวอย่างการจัดสรรวัสดุอัจฉริยะ ในระหว่างการแพร่ระบาดของโรคเสบียงขาดแคลนและซีพียูจาก บริษัท อย่าง Intel หรือ AMD มีความต้องการสูง ภูมิภาคต่างๆและกลุ่มลูกค้าขอซีพียูยอดนิยมเหล่านี้จากแผนกซัพพลายเชนสำนักงานใหญ่

 

ดังนั้นซีพียูที่มีค่าเหล่านี้ควรได้รับการจัดสรรให้ใคร?

เมื่อไม่มีอัลกอริทึมอัจฉริยะวิธีการปกติคือการใช้การกระจายที่เท่าเทียมกันแบ่งความต้องการทั้งหมดของทุกคนด้วยอุปทานทั้งหมด สมมติว่าแต่ละคนสามารถได้รับ 80% ของความต้องการปรากฏว่าทุกคนค่อนข้างพอใจบนพื้นผิว อย่างไรก็ตามเจ้านายไม่คิดอย่างนั้น เนื่องจากผลกำไรและรายได้ของผลิตภัณฑ์แตกต่างกันไปในภูมิภาคต่าง ๆ และยังมีความแตกต่างในความอดทนของลูกค้า

 

ดังนั้นเราจำเป็นต้องรวมเป้าหมายทางการเงินเป้าหมายความเป็นธรรมและวัตถุประสงค์อื่น ๆ เพื่อดำเนินการเพิ่มประสิทธิภาพหลายวัตถุประสงค์เพื่อจัดสรรซีพียูหรือวัสดุที่หายากเหล่านี้เช่นโมดูลการแสดงผลอย่างสมเหตุสมผล