A cél természetesen az, hogy teljesítménycsökkenés nélkül tegyük szén-dioxid-semlegessé az ellátási láncot.
A Capgemini által 2020 augusztusában végzett tanulmány szerint1 a vállalatok 85%-a úgy gondolja, hogy a költségoptimalizálás és a környezetvédelem kombinálható. Ez egy – az ügyfelek valós igényére reagáló – stratégiai prioritás. Ugyanezen tanulmány azt is kimutatta, hogy a fogyasztók 79%-a már figyelembe veszi a vásárlásai környezeti hatását.
A Big Data és a mesterséges intelligencia strukturálja a zöld ellátási láncot
Az ökológiai és a digitális átmenet együtt is megvalósítható. A költségoptimalizálásra fókuszálva ugyanazon ütemterv szerint haladnak és ugyanazon operatív és környezetvédelmi teljesítménycéloknak felelnek meg.
Hogyan szolgálja a technológia a környezetet?
A digitális technológiák képesek növelni az ellátási lánc rugalmasságát és teljesítményét, közben pedig csökkenteni a szénlábnyomát. A valós idejű adatgyűjtő és -feldolgozó rendszereknek köszönhetően az üzemanyag- és energiamegtakarítás, a hulladékcsökkentés, valamint az idő és a hatékonyság növelése mind lehetővé válik.
A fent hivatkozott tanulmány rávilágított, hogy a vállalatok közel 80%-a tervezi a digitális technológiákba történő befektetést az ökológiai átállásuk felgyorsítása érdekében (például a logisztika 4.0-ra való áttéréssel). A következőképpen gondolnak erre a potenciális befektetésre:
- 59%-uk úgy véli, hogy az adatgyűjtő és -elemző rendszerek értékes indikátorokat biztosítanak a környezetvédelmi kérdések (energia-, üzemanyag- és vízfogyasztás, valamint CO2-kibocsátás) kezeléséhez és kontrollálásához.
- Továbbá 50%-uk úgy gondolja, hogy a technológia fejlődésével növekedni fog ezeknek az indikátoroknak a pontossága.
Mesterséges intelligencia a közúti közlekedés környezetvédelmi költségének csökkentésére
A Big Data-nak és a mesterséges intelligenciának köszönhetően konkrét megoldásokhoz férhetünk hozzá a közúti közlekedésben. A valós idejű adatgyűjtés temérdek információt biztosít a járművezetők vezetési szokásairól és ezáltal az üzemanyag-fogyasztásról. Az adatelemzésnek köszönhetően a járművezetők megtaníthatók az energiahatékonyabb vezetésre és ezáltal a CO2-kibocsátás csökkentésére.
A közúti közlekedési ágazatban a következő fő előnyöket kínálja a Big Data és a mesterséges intelligencia alkalmazása:
- Csökkenő szállítási költségek;
- Az ellátási lánc környezetvédelmi lábnyomának a csökkenése;
- A járművezetők gyakran gondosabban vezetnek.
A Big Data az útvonalak és a tankolás optimalizálásával a szállítási időket is csökkenti. A valós idejű forgalomelemzéssel mindig a leghatékonyabb útvonalat választhatjuk és csökkenthetjük a megtenni szükséges utak számát. A becslések szerint ezekkel az eszközökkel 16%-kal csökkenthetők az utazási távolságok, valamint átlagosan 98%-ra növelhető a kézbesítések pontossága. Mindez a CSR és az ügyfél-elégedettség szempontjából is előrelépés.
Amikor a mesterséges intelligencia és az ellátási lánc kiszámíthatóságot jelent
Ha mesterséges intelligenciára (AI) épülő szoftverekkel kombinálják és tanulási algoritmusokkal (Deep Learning) dolgozzák fel, a Big Data másik nagy előnye az analitikai kapacitásában rejlik. Ezért a vállalatok a múltbeli teljesítményen alapuló elemzési modellről egy olyan modellre térnek át, amely a potenciális jövőbeli eseményekről tud tájékoztatást adni. Ez a prediktív funkció a logisztikával összehangolva mind operatív, mind környezetvédelmi szempontból hatékony megoldásokat kínál az ellátási lánc számára.
Emellett tette le a voksát például az antwerpeni kikötő a kikötő 3D-s modelljének a létrehozásával, amely az APICA (Antwerp Port Information and Control Assistant) nevet viseli. A modellezést az összes kikötői tevékenységet szintetizáló valós idejű adatok feldolgozása teszi lehetővé. A következő adatokat veszi figyelembe:
- Az áruk mozgása;
- Időjárási viszonyok;
- Levegőminőség;
- Apályok és dagályok;
- A személyzet rendelkezésre állása;
- Hidak és zsilipek mozgása.
Ezeket az adatokat az IoT (Internet of Things, azaz dolgok internete) technológiájú érzékelők, kamerák és drónok továbbítják. Így a kikötői menedzserek valós időben átfogó képet kapnak a tevékenységekről, aminek köszönhetően előre láthatják a szokatlan helyzeteket. Így például előrejelezhető a hajók emisszióinak különböző körülmények közötti toxicitása, és megtehetők a megfelelő korrekciós intézkedések.
Az adatoknak és a mesterséges intelligenciának az ellátási láncban biztosított kiszámíthatósága a hulladék drasztikus csökkentésére is megoldást jelent, különösen a friss termékek szállításában. A becslések szerint 15-20%-kal csökkenthető az utakon közlekedő teherautók száma azáltal, hogy a készleteket és a rakományokat előzetesen a lehető legjobban hozzáigazítják az értékesítési adatokhoz. A mesterséges intelligenciának köszönhetően 10-15 ponttal nő az előrejelzések minősége.
A Big Data és a mesterséges intelligencia átalakítja az ellátási láncot
A vállalatok akkor tudják csökkenteni a környezeti hatásukat, optimalizálni az interakcióikat és valós időben reagálni a zavarokra, ha teljes mértékben ellenőrzés alatt tartják az ellátási láncukat.
Miért érdemes adatokat gyűjteni a termék életciklusa során?
A vállalatoknak átfogóbb képre van szükségük a felhasznált anyagokról, komponensekről és összetevőkről, a csomagolásról, a beszerzésről, a termelési folyamatokról és az energiafogyasztásról. Az üzleti tevékenységükről kapott átfogó kép megadja számukra a szükséges erőforrásokat ahhoz, hogy alapvető változásokat hajtsanak végre az iparág ellátási láncában.
Továbbá a vállalatoknak olyan intelligens hálózatokat kell építeniük, amelyek magukban foglalják a piacuk különböző szereplőit (kezdve az ügyfeleikkel). Így hozzáférhetnek az árucikkeik elosztására és újrahasznosítására vonatkozó adatokhoz. Ezeknek az adatoknak a használhatóvá tételéhez elengedhetetlenek az ellátási lánchoz tervezett, mesterséges intelligenciára épülő modellek, valamint az ML (gépi tanulás).
Előrelépés az ellátási lánc átláthatósága felé, hogy jobban megértsük a kihívásait
Egy hatékony monitorozási és nyomon követési folyamat kialakításához létre kell hozni egy olyan számítógépes hálózatot, amelyben a vállalatok megosztják egymással az információkat. A gyártás környezeti hatásainak csökkentéséhez kapcsolódó kihívások teljes megértéséhez elengedhetetlen, hogy a vállalkozások kapcsolatokat alakítsanak ki a közvetlen és közvetett beszállítóikkal. Ez a hálózat például olyan forrásokat is magában foglalhat, mint az erdőirtás, a vízkitermelés, a mezőgazdaság és a bányászat monitorozására használt műholdak.
A különféle technológiák (például a blockchain, az 5G, valamint a raklapokon lévő érzékelők) szintén elősegítik a biztonságos, valós idejű összeköttetést. Ezek az eszközök rálátást adnak a holding láncokra és a hálózati interakciókra is. Ezeknek az információknak a begyűjtéséhez és kezeléséhez skálázható adathalmazra és számos adatforrás integrálására van szükség.
Mesterséges intelligencia az ellátási láncban és a raktárban
A technológiának köszönhetően a logisztika ma már a 4.0-s korszakát éli. A jövő raktárkezelése az automatizálás, a mesterséges intelligencia és a Big Data feldolgozás együttes alkalmazásával optimalizálható. Ezek a technológiai fejlesztések lehetővé teszik, hogy a raktári folyamatok javításával az ökológiai átmenet irányába haladjunk. A raktároptimalizálás számos változást eredményez, pl. másképp kell irányítani a munkavállalókat, a szolgáltatások terén újfajta szervezésre van szükség és a vezetőknek is új stratégiát kell követniük.
1 https://www.capgemini.com/wp-content/uploads/2020/07/20-06_9880_Sustainability-in-CPR_Final_Web-1.pdf
