Lima Cara AI Dapat Mengatasi Gangguan Rantai Pasokan

Gangguan bisnis yang disebabkan oleh pandemi virus corona — dari rak kosong di toko kelontong hingga penundaan lama dalam pengiriman e-commerce — telah menyoroti kelemahan rantai pasokan, dan peluang yang berkembang untuk kecerdasan buatan.

Sebagian dari masalahnya adalah peralihan ke manufaktur just-in-time (JIT), yang telah menciptakan rantai pasokan ramping yang menahan tingkat persediaan yang lebih rendah untuk menghilangkan risiko yang terkait dengan kelebihan produksi dan surplus. Strategi ini, dipinjam dari industri otomotif, telah memungkinkan pemasok untuk menurunkan biaya mereka melalui tingkat persediaan yang rendah dan mengurangi biaya produksi. Namun, ketika sesuatu seperti pandemi atau bencana alam terjadi yang menciptakan lonjakan permintaan, sulit untuk meningkatkan produksi, atau memanfaatkan kelebihan pasokan untuk mengisi saluran pipa — terutama ketika seluruh pabrik ditutup karena infeksi. Yang dibutuhkan saat ini adalah model baru yang memungkinkan pembuatan permintaan real-time melalui JIT.

Perangkat Alat Berbasis AI

Semakin banyak pemasok beralih ke berbagai bentuk AI untuk mengatasi tantangan gangguan rantai pasokan dengan lebih baik sekarang dan di masa depan. Pertimbangkan lima aplikasi berikut:

• Analisis prediktif. Agar perusahaan tidak dibutakan oleh perubahan pasar, ekonomi atau konsumen, analitik prediktif berbasis AI memungkinkan peramalan yang akurat dengan menganalisis pola dalam data historis. Ini menggunakan penambangan data, pemodelan statistik, dan pembelajaran mesin untuk memungkinkan kumpulan data besar untuk memprediksi hasil di masa depan. Misalnya, pengecer dapat menggunakannya untuk menentukan kemungkinan item tertentu akan kehabisan stok dan kapan, atau kemungkinan konsumen masih akan membeli handuk kertas Merek X jika produksi berhenti di Bounty. Itu juga dapat menganalisis pemasok untuk menentukan pemasok mana yang terbukti paling andal dalam situasi darurat.
• Pembelajaran mendalam. Memiliki visibilitas ke lokasi toko dari jarak jauh menjadi sangat penting selama pandemi. Saat ini, pengawasan video, dikombinasikan dengan solusi berbasis pembelajaran mendalam, dapat membantu manajer menentukan apakah protokol keselamatan diikuti, seperti membersihkan sistem POS, memaksakan penggunaan masker, dan jarak sosial. Selain itu, jenis pengawasan video berbasis AI ini dapat membantu audit toko untuk manajemen inventaris guna menentukan di mana rak kosong berada dan apa yang tidak dijual.
• Robot gudang. Robot di lantai gudang, pengambilan dan pengepakan barang secara substansial meningkatkan kecepatan dan efisiensi gudang. Selama pandemi ketika ada kekurangan tenaga kerja manusia karena pekerja yang sakit atau mereka dengan kondisi kesehatan yang terganggu yang memaksa mereka untuk tetap di rumah, robot telah mengambil alih.
• Otomasi proses robotik (RPA). Tugas berulang, seperti pembuatan faktur, pemrosesan pesanan, entri data, dan tugas administratif lainnya dapat menjadi penyebab utama gangguan rantai pasokan. RPA telah memungkinkan banyak perusahaan untuk mengotomatisasi tugas-tugas tersebut, dan membebaskan karyawan manusia untuk menangani tugas-tugas yang lebih strategis, serta berhubungan langsung dengan mitra, pelanggan, dan lainnya. Misalnya, RPA dapat digunakan untuk memproses pesanan pembelian, mengidentifikasi tingkat inventaris yang diperlukan, dan mencocokkannya dengan stok aktual — semuanya tanpa bergantung pada campur tangan manusia, kecuali untuk mengatasi pengecualian.
• ComputerVision. Bentuk deteksi gambar yang digerakkan oleh AI ini dapat digunakan dalam transportasi dan logistik, untuk membantu mengidentifikasi area dengan lalu lintas tinggi dan membantu merencanakan rute truk terbaik. Algoritme berbasis ComputerVision menganalisis gambar digital atau video dari citra satelit untuk melihat dan menghitung, misalnya, mobil dan bus di area tertentu dan membantu pengemudi truk menghindari area tersebut. Dalam aplikasi lain, ini dapat digunakan untuk menentukan di mana mungkin ada jalur kereta api yang rusak yang dapat menghambat kelancaran pasokan barang dengan kereta api.

Pendekatan Gudang Mikro

Selain otomatisasi, yang akan menjadi ciri khas rantai pasokan di masa depan adalah pergudangan dan penyimpanan yang terletak lebih dekat dengan pelanggan. Bahkan dari Amazon atau Walmart, gudang besar akan diganti dengan banyak gudang yang lebih kecil — melayani basis pelanggan dalam jarak dua mil. Alih-alih memiliki beberapa gudang besar, perusahaan dapat memiliki banyak gudang untuk mendesentralisasikan proses distribusi, mengirimkan barang ke pengecer dan konsumen lebih cepat dan bahkan meningkatkan praktik keberlanjutan, dengan emisi udara dan jalan raya yang lebih sedikit.

Faktanya, rantai pasokan masa depan akan terdiri dari lebih sedikit pekerja manusia; otomatisasi berbasis AI yang lebih besar untuk mengelola dan memprediksi kebutuhan inventaris, memproses data dan menangani tugas back-office dan operasi gudang; dan saluran pengiriman baru, termasuk drone, untuk pengiriman rumah yang lebih aman dan bebas kontak.

Rantai pasokan masa depan perlu mengatasi rintangan utama untuk menjadi kenyataan. Sistem terintegrasi yang dapat dioperasikan perlu berbagi data di seluruh rantai pasokan agar efektif. Tetapi perusahaan harus terbuka terhadap interoperabilitas ini agar berhasil. Tantangan lain adalah ketakutan akan kehilangan pekerjaan yang akan dibawa oleh otomatisasi. Perusahaan harus menghilangkan ketakutan ini dengan membuka peluang bagi pekerja untuk mengambil peran baru yang lebih strategis, menawarkan pelatihan dan dukungan pendidikan berkelanjutan; dan memperkuat manfaat AI, tanpa mengabaikan keunggulan yang tak tergoyahkan yang akan selalu dimiliki manusia atas AI.

COVID-19 telah menyoroti kelemahan rantai pasokan, tetapi melalui pelajarannya, kami mulai membayangkan kembali rantai pasokan masa depan, yang akan didorong oleh AI dan diberdayakan oleh kecerdasan manusia.

Carlos Melendez adalah chief operating officer Wovenware.