Hvordan AI digitale tvillinger hjælper med at klare verdens forsyningskædemareridt

Fru Tech | Getty

Med forsyningskædeforstyrrelser af de seneste to år, der ikke har vist nogen tegn på afslapning på et tidspunkt, vender virksomheder sig til en ny generation af AI-drevne simuleringer kaldet digitale tvillinger for at hjælpe dem med at få varer og tjenester til kunderne til tiden. Disse værktøjer forudsiger ikke kun forstyrrelser, men foreslår, hvad man skal gøre ved det. Desperate virksomheder, der kæmper med sammenbruddet af just-in-time forsendelse bruger dem til at finde en afgørende balance mellem effektivitet og robusthed.

Listen over ting, der på et eller andet tidspunkt har været svære at få fat i de sidste par måneder er lige så varieret, som den er lang: nye biler, nye telefoner, kontaktlinser, rengøringsmidler, friske råvarer, havemøbler, bøger, farven blå . Det er ikke som da alle løb tør for toiletpapir i marts 2020, siger Chris Nicholson, grundlægger af Pathmind, en virksomhed, der anvender AI til logistikproblemer. Denne gang føles de manglende genstande personlige.

Relateret historie

Vores mærkelige adfærd under pandemien roder med AI-modeller Maskinlæringsmodeller, der er trænet i normal adfærd, viser revner - og tvinger mennesker til at træde ind for at rette dem op.

Covid-19 har sat fokus på mange af verdens netværk, fra internettet til internationale flyrejser. Men de forsyningskæder, der krydser verden – skibene og lastbilerne og togene, der forbinder fabrikker med havne og varehuse og bringer næsten alt, hvad vi køber mange tusinde kilometer fra, hvor det er produceret, til hvor det forbruges – står over for mere kontrol, end de nogensinde har gjort.

Det er rimeligt at sige, at uanset hvad du sælger, har du et problem lige nu, siger Jason Boyce, grundlægger og administrerende direktør for Avenue7Media, et konsulentfirma, der rådgiver Amazons topsælgere. Boyce siger, at han har kunder, der ville omsætte for titusindvis af millioner dollars om året, hvis de kunne blive på lager. Vi har samtaler med kunder hver dag, hvor de bare græder, siger han. I flere måneder har de ikke været fuldt ud på lager i en 30-dages periode i træk.

Digitale tvillinger søger at løse brud i forsyningskæden ved at forudse dem, før de sker, og derefter bruge AI til at finde ud af en løsning. Navnet fanger nøgleideen om at simulere et komplekst system i en computer, hvilket skaber en slags tvilling, der afspejler objekter fra den virkelige verden – fra porte til produkter – og de processer, de er en del af. Simuleringer har været en del af beslutningstagningen i industrien i nogle år, og de har hjulpet folk med at udforske forskellige produktdesigns eller strømline layoutet af et lager. Men tilgængeligheden af ​​store mængder realtidsdata og computerkraft betyder, at mere komplekse processer kan simuleres for første gang, inklusive kaoset af globale forsyningskæder, der ofte er afhængige af adskillige leverandører og transportnetværk.

Denne form for teknologi har givet Amazon, som allerede har fordelen ved at kontrollere sine egne lastbiler og lagre, en ekstra fordel i årevis. Nu tager andre også imod det. Google udvikler digitale tvillinger i forsyningskæden, som bilproducenten Renault meddelte, at den var begyndt at bruge i september. Internationale shippinggiganter som FedEx og DHL bygger deres egen simuleringssoftware. Og AI-virksomheder som Pathmind skaber skræddersyede værktøjer til alle, der kan betale for dem. Alligevel vil ikke alle få gavn. Faktisk kan den stærke nye teknologi udvide en voksende digital kløft i den globale økonomi.

Vejr stormen

Det er nemt at give pandemien skylden for de nuværende forsyningskædeproblemer. Fabrikslukninger og mangel på arbejdskraft slået produktions- og leveringsknudepunkter ud, samtidig med at et spring inden for online shopping og komfortkøb sendte efterspørgslen efter hjemleveringer voldsomt.

Men i sandhed gjorde pandemien kun en dårlig situation værre. Der er globale kræfter, der driver dette, alt sammen kombineret til en perfekt storm, siger D'Maris Coffman, en økonom ved University College London, som studerer effekten af ​​pandemien på forsyningskæder.

At afbryde denne storm vil kræve at sænke billioner af dollars i global infrastruktur, udvide havne og leveringsflåder og investere i bedre ledelse, bedre arbejdsforhold og bedre handelsaftaler. Teknologien vil ikke løse disse problemer. Det vil ikke tillade skibe at transportere flere containere, siger David Simchi-Levi, der leder datavidenskabslaboratoriet ved Massachusetts Institute of Technology og har hjulpet med at bygge digitale tvillinger for flere store virksomheder. Men kunstig intelligens kan hjælpe virksomheder med at klare det værste. Digitale tvillinger giver os mulighed for at identificere problemer, før de opstår, siger han.

Ifølge Hans Thalbauer, administrerende direktør for forsyningskæderne og logistikteamet hos Google, er det største problem, virksomheder står over for, manglende evne til at forudsige begivenheder op ad kæden. Det er lige meget, hvilket firma du taler med, siger han. Alle i forsyningskædeverdenen vil fortælle dig, at de ikke har den synlighed, de skal bruge til at træffe beslutninger

Det er forsyningskædens synlighed, der lader Amazon for eksempel forudsige, hvornår en vare dukker op på dit dørtrin. For hver vare, som Amazon selv leverer - og det inkluderer de millioner af varer, den leverer på vegne af tredjepartssælgere som Boyce og hans kunder - giver det et præcist skøn over, hvornår det vil ankomme. Det virker måske ikke af meget, siger Boyce, men hvis Amazon fik disse forudsigelser forkert, ville det begynde at miste kunder - især omkring feriesæsonen, hvor folk køber gaver i sidste øjeblik og stoler på, at Amazon leverer dem. Det kræver massiv computerkraft bare at vise den simple lille leveringsdag, siger han. Men folk flipper af, når de ikke får deres ting til tiden.

Ifølge Deliverr, et amerikansk firma, der administrerer leveringslogistik for flere e-handelsfirmaer, herunder Amazon, Walmart, eBay og Shopify, øger en estimeret leveringstid på to dage versus syv til 10 dage salget med 40 %; en estimeret leveringstid på én dag øger salget med 70 %.

Det er ingen overraskelse, at andre vil have deres egen krystalkugle. Just-in-time forsyningskæder er næsten døde. De seneste to års forstyrrelser sænkede mange virksomheder, der jagtede hypereffektivitet til det yderste. Lagerplads er dyrt, og det kan virke ekstravagant i tider med masser at betale for at opbevare inventar, du måske ikke har brug for i en uge. Men når næste uges lager ikke dukker op, har du ikke noget at sælge.

Før pandemien fokuserede de fleste virksomheder på at reducere omkostningerne, siger Simchi-Levi. Nu er de villige til at betale for robusthed, men at fokusere på robusthed alene er også en fejl: du skal finde den rigtige balance mellem de to. Dette er simuleringernes virkelige kraft. Vi ser et stigende antal virksomheder, der begynder at stressteste deres forsyningskæder ved hjælp af digitale tvillinger, siger han.

Hvad hvis?

Ved at udforske forskellige mulige scenarier kan virksomheder identificere den balance mellem effektivitet og robusthed, der fungerer bedst for dem. Tilføj dyb forstærkende læring, som lader en AI lære gennem trial and error, hvilke handlinger der skal tages i forskellige situationer, og digitale tvillinger bliver maskiner til at udforske hvad hvis-spørgsmål. Hvad hvis der er tørke i Taiwan, og vandmanglen lukker mikrochipfremstillingen ned? En digital tvilling kan forudsige risikoen for, at dette sker, spore den indvirkning, det ville have på din forsyningskæde, og – ved hjælp af forstærkende læring – foreslå, hvilke handlinger der skal tages for at minimere skaden.

Hvis du er en bilproducent i det amerikanske midtvest, kan en digital tvilling foreslå, at du køber ekstra komponenter fra en distributør på vestkysten, der stadig har overskud. Men tråd flere scenarier sammen, og tingene bliver snart enormt komplekse. For eksempel vedligeholder Ford ifølge Simchi-Levi mere end 50 fabrikker rundt om i verden, som bruger 35 milliarder dele til at producere 6 millioner biler og lastbiler hvert år. Der er omkring 1.400 leverandører fordelt på 4.400 produktionssteder, som den interagerer direkte med, og en stak leverandører og leverandørers leverandører op til 10 lag dybt mellem Ford og de råmaterialer, der indgår i deres køretøjer. Ethvert af disse links kunne bryde, og en god stresstest ville skulle undersøge hver af dem.

Digitale tvillinger trækker på så meget data som muligt for at køre deres simuleringer og træne deres AI'er. Der er logistisk information om virksomheden og dens leverandører, der tager højde for input såsom lager- og forsendelsesdata. Så er der data om forbrugeradfærd baseret på markedsanalyser og økonomiske fremskrivninger. Og data om den bredere verden, såsom geopolitiske og socioøkonomiske tendenser. Simchi-Levi har endda hentet data fra sociale medier for at forudsige folks adfærd, især under pandemien.

Googles digitale tvilling kan tilsluttes Google Earth og tager højde for globale vejrmønstre. Hvis du er grøntsagsbonde i Californien, kan du køre simuleringer for at se, hvilke af dine marker der er i fare for La Niña, siger Thalbauer. Når Google opretter en digital tvilling til en klient som Renault, kan de vælge, hvilken af ​​de mange tilgængelige datakilder, der skal inkluderes.

Relateret historie

Hvordan lockdown ændrer shopping for altid Store onlinebutikker er baseret på store automatiserede lagre. Mindre og billigere versioner af denne teknologi vil være nøglen, hvis mindre butikker skal overleve gennem en række nedlukninger.

Pathmind tager en mindre tungvægtstilgang. Dens digitale tvilling omslutter simpelthen en virksomheds eksisterende forsyningskædestyringsværktøjer og udnytter de data, de allerede producerer. Det udvider derefter disse data ved at køre what-if-simuleringer og tilføje de resulterende syntetiske data til puljen, som den træner sin AI på. Fremgangsmåden ligner, hvordan AlphaZero mestrede Go og skak ved at spille millioner af virtuelle spil mod sig selv. I stedet for at lære, hvilken brik de skal flytte på et bræt, kan digitale tvillinger lære, hvilket lager de skal bestille og hvornår, eller hvor de skal åbne et nyt lager.

Med de rigtige syntetiske data kan en digital tvilling lære at reagere på hidtil usete hændelser, selv globale pandemier. Det er her, vi kommer ind på hele hemmeligheden bag 'Hvorfor er AI smart?', siger Nicholson. Den lever mere, end vi gør, i disse mange forskellige verdener, hvoraf nogle aldrig har eksisteret før.

I teorien kan enhver drage fordel af denne teknologi. I praksis vil der være vindere og tabere. Digital-tvillingteknologi giver en stærk mulighed for virksomheder af enhver størrelse, siger Rick Lazio, en advokat og tidligere amerikansk kongresmedlem, som nu er senior vicepræsident hos Alliantgroup, et amerikansk-baseret skatterådgivningsfirma. Men han bemærker, at det er større virksomheder, som allerede er bedst beskyttet mod tab, der begynder at bruge denne teknologi hurtigst.

Lazio mener, at mange mindre virksomheder vil få brug for hjælp, måske gennem offentlige investeringer, for at forhindre dem i at komme bagud. Virksomheder, der anvender teknologi tidligt, ser fordele, der er større end summen af ​​dens dele, siger han.

Og det er ikke kun mindre virksomheder. Mange af verdens havne kører på papiret; hvis du er heldig, bruger de PDF'er og e-mails, siger Nicholson. Disse er store operatører, ikke en stearinlysmager i New Hampshire. Men uden digitalisering får vi ikke AI.

Simchi-Levi er mere optimistisk. Mange virksomheder plejede at antage, at det ville tage enorme investeringer og år at betale for sig selv at oprette en digital tvilling, siger han, men det er ikke længere tilfældet: En million dollars og 18 måneder kan give dig mange af fordelene.

Simchi-Levi er ikke i tvivl om, at brummer omkring digitale tvillinger vil forblive, selv når de værste af de nuværende forstyrrelser er overstået. Hvis det ikke er pandemien, bliver det noget andet, siger han. De sidste par år har lært virksomheder, hvordan man forbereder sig bedre, og hvordan man konkurrerer bedre. Når vi går tilbage til normalen, bliver det ikke det samme som før, siger han. Pandemien beviste, at fremtiden er her.

skjule