Основная проблема логистических предприятий заключается в неспособности прогнозирования негативных факторов, которые могут серьезно отразится на цепочке поставок. Об этом пишет «Коммерсант» со ссылкой на MIT Technology Review.
Для нормального прогнозирования событий в логистике цифровому двойнику нужен спектр данных: о компании-производителе, ее поставщиках, логистических предприятиях, а также финансовые прогнозы и исследования рынка. Технологии искусственного интеллекта могут учесть и такие данные, как вероятность техногенных или природных катастроф, геополитические риски.
К примеру, можно оценить воздействие засухи и нехватки воды на Тайване на производство полупроводников. Цифровой двойник рассмотрит различные варианты влияния засухи на отдельные элементы цепочки поставок и предложит сценарии для минимизации ущерба.
Сложнее оценить влияние негативных факторов на конкретный завод-производитель. Например, у автоконцерна Ford работает 50 заводов во всем мире. Эти предприятия используют 35 млрд деталей для выпуска 6 млн транспортных средства. Детали для Ford поставляют 1,4 тыс. компаний с 4,4 тыс. производственных площадок. Цифровые двойники смогут предложить варианты смягчить последствия остановки конкретных заводов конкретных поставщиков.
Однако затрудняют такое прогнозирование аналоговые процессы логистических компаний. «Многие мировые порты ведут дела в бумажном виде. Вам очень повезет, если они пользуются PDF или электронной почтой. И это крупные операторы, а не производитель свечей из Нью-Гемпшира. Без перевода в цифровую форму ИИ не сможет работать»,— считает основатель Pathmind Крис Николсон.
«Технологии не помогут кораблям перевозить больше контейнеров. Но цифровые двойники помогут обнаружить проблемы до того, как они произойдут»,— считает глава лаборатории анализа данных Массачусетского технологического института Дэвид Симчи-Леви.
