Машинне навчання допоможе впоратися з порушенням графіків постачання
Штучний інтелект допомагає великим компанія зекономити мільйони на закупівлях. Завдяки використанню нових алгоритмів машинного навчання (ML) від компанії INFORM можна прогнозувати дати доставки. Вони більше відповідають дійсності, ніж обіцянки постачальника. В результаті ми отримуємо точніше планування та можемо уникати замовлення термінових партій продукції, які зазвичай коштують у рази дорожче.
Основна проблема у тому, що заявлені дати поставок дедалі частіше не відповідають фактичному виконанню замовлень. У цьому багато хто зміг переконатися за останні півтора року, коли запізнення стали мало не нормою.
«Ми проаналізували історію даних багатьох компаній. У двох третинах випадків терміни постачання не дотримувалися», – заявив фахівець з рішень ML у команді INFORM. За його словами, вже на початковій стадії застосування штучного інтелекту вдалося зменшити запізнення з 25 до 12 днів. Але пізніше машинне навчання удосконалювало алгоритм, і термін скорочувався ще більше.
«В результаті зменшується ризик зриву поставок та стає значно менше потреби організовувати термінові доставки у пожежному порядку», – стверджує Шміц. Отже, не потрібно збільшувати запаси на складах, платити більше за партію товару та миритися зі зменшенням маржі під час продажу.
Згідно з результатами проведених досліджень, якщо постачальник привозить свій товар (комплектуючі) то на тиждень раніше, то на тиждень пізніше, то це, в результаті може призвести до збільшення запасів аж у 5,5 раза. І ви вимушені змиритися з цим, бо не бажаєте залишитися ні з чим. Але постачальник може запізнитися ще більше, і тоді вам доводиться латати діру в аварійному режимі.
Запровадження штучного інтелекту на етапі планування закупівель дозволяє миттєво прорахувати найбільш вірогідні сценарії та визначити усі без винятку ризики. Саме тому постачання стає більш рівномірним навіть за умови, якщо самі постачальники не поліпшують свою роботу.
