Ar dirbtiniu intelektu paremtas atsargų valdymas efektyvesnis? Jei kalbėdami apie technologijas ar inovatyvius sprendimus negirdime minint dirbtinio intelekto, ką galvojame? Kad tai “atsilikusi” technologija? Kad sprendimai galėtų būti dar geresni, jei būtų įdiegtas DI?
Dirbtiniu intelektu paremtas atsargų valdymas
DI atsargų valdyme
Ir ši tendencija yra linkusi didėti, DI įsiveržė į daugelį sričių ir Di naudojimas tampa norma. Taigi kaip DI gali ir ar gali atsargų valdymą padaryti efektyvesniu?
Technologijų įmonės ir verslai investuoja į DI, siekdami sėkmingiau analizuoti bei interpretuoti duomenis, geriau nuspėti paklausą. Tačiau išlieka esminis klausimas: ar sudėtingesnis prognozavimas išsprendžia atsargų valdymo problemas, ar tik suteikia tikslesnius, bet vis tiek klaidingus atsakymus?
Prognuozuojama, jog ~70 % organizacijų pereis prie DI pagrįsto duomenų interpretavimo iki 2030 m. Tai labai daug žadančios prognozės, kadangi DI gali išanalizuoti milijonus duomenų taškų (istorinius pardavimus, akcijų modelius, konkurentų kainodarą, orus ir kt.) ir formuoti paklausos prognozes. Kalbant apie asortimento valdymą DI gali nuspręsti, kokių spalvų ir kokių prekių reikėtų laikyti konkrečiose vietosw ir dinamiškai keisti asortimentą. Tai perkelia planavimą nuo metinio prie nuolatinio optimizavimo.
Problema, kurios DI neišsprendžia
Geresnės prognozės nepanaikina prognozių klaidų, tik tas klaidas daro tikslesnėmis. Net ir pagerinus tikslumą 20–30 %, likusi prognozių kintamumo dalis (70–80 %) išlieka. Atsargų valdymui būti „klystančiam, bet įsitikinusiam“ dažnai yra tik nežymiai geriau nei būti „klystančiam ir neužtikrintam“.
Tikroji problema nėra duomenų trūkumas ar algoritmai. Paklausa iš prigimties kinta ir yra nenuspėjama, ypač mados, sezoninių prekių ar sparčių rinkos pokyčių atvejais.
DI prognozavimas dažnai palaiko klaidingą prielaidą, kad reikia skaičiuoti tikslius atsargų lygius, remiantis kelių mėnesių į priekį numatoma paklausa. Tai reiškia iš anksto įsipareigoti planuojamai paklausai ir tikėtis geriausio.
Dinaminis buferių valdymas (DBM) – vis dar nepakeičiamas
Dinaminis buferių valdymas yra vienas efektyviausių būdų valdyti atsargas, kadangi ši metodika nesiremia prognozavimu. DBM stebi faktinį suvartojimą ir dinamiškai koreguoja buferius pagal realią situaciją. Kai atsargų lygis pasiekia „raudoną zoną“, buferiai automatiškai didinami; kai prekės likutis užsilaiko žalioje zonoje – buferiai mažinami.
Tokiam darbui nereikia sudėtingo paklausos prognozavimo, kuriame yra užprogamuota klaida – ateities nuspėjimas, ir veikia pagal realią paklausą, taigi negali suklysti remdamasis faktais, kurie vyksta – esami pardavimai.
Ar gali DBM veikti kartu su DI?
Žinoma, kad taip! Dirbtinis intelektas (DI) – tai technologijų sritis, kuri kuria sistemas, gebančias atlikti užduotis, anksčiau reikalavusias žmogaus mąstymo: analizuoti informaciją, atpažinti dėsningumus, mokytis iš patirties ir priimti sprendimus. Skirtingai nei tradicinės programos, kurios veikia pagal iš anksto aprašytas taisykles, DI remiasi duomenimis ir algoritmais, leidžiančiais sistemai savarankiškai tobulėti. Dažniausiai DI veikia naudodamas mašininį mokymąsi: sistema apdoroja didelius duomenų kiekius, nustato pasikartojančius modelius ir pagal juos prognozuoja ar siūlo veiksmus. Kuo daugiau kokybiškų duomenų DI gauna ir kuo daugiau grįžtamojo ryšio turi, tuo tikslesni tampa jo sprendimai. Svarbu suprasti, kad DI nemąsto kaip žmogus – jis nekuria intuicijos ar supratimo, o tik statistiškai apdoroja informaciją ir reaguoja į realius ar numatomus pokyčius.
Taigi jau anksčiau aptarėme, kodėl DI neparys prognozių mažiau klaidingomis, tačiau DI tikrai gali padėti strateginiams asortimento sprendimams (kokias kategorijas plėtoti, su kuriais tiekėjais dirbti). DI puikiai atpažįsta modelius dideliuose duomenų rinkiniuose, ir tai idealu atsakyti klausimams „kokios kategorijos auga?“ ar „kurie tiekėjai tiekia geriausiai?“.
DI ir atsargų valdymas
Dirbtiniu intelektu paremtas atsargų valdymas pats savaime nėra efektyvesnis, jei jis remiasi prognozėmis, tačiau tampa labai vertingas tada, kai naudojamas kartu su dinaminio buferių valdymo principais. DI gali pagerinti duomenų analizę ir padėti priimti strateginius sprendimus – formuojant asortimentą, vertinant kategorijų augimą ar tiekėjų patikimumą. Tačiau jis neišsprendžia pagrindinės atsargų valdymo problemos – nenuspėjamos ir nuolat kintančios paklausos. Tuo tarpu dinaminis buferių valdymas leidžia atsargų valdymui reaguoti į realius pardavimus, o ne spėjamą ateitį, todėl sumažina klaidų kainą ir apyvartinių lėšų įšaldymą. Efektyviausias kelias šiandien yra ne rinktis tarp DI ir DBM, o aiškiai atskirti jų vaidmenis: DI naudoti strategijai ir kryptims nustatyti, o DBM – kasdieniam, operaciniam atsargų valdymui, paremtam realia paklausa. Naudinga pasidomėti šventinio laikotarpio pamokos valdant atsargas.