Коли ми говоримо про ланцюги постачання і використання в них автоматизації чи штучного інтелекту (ШІ), зазвичай, це про можливості і про прогресивні технології, які підвищать стійкість, прозорість і керованість поставок.
Стрімкий розвиток цифрових технологій справді відкриває для цього нові горизонти. Але за красивою теорією стоїть жорстка, а інколи й відверто трешова реальність. І з кожним роком, з кожним новим глобальним потрясінням, ця реальність стає ще трешовішою.
Стабільність ланцюга постачання залежить від стабільності та передбачуваності дій усіх його учасників - від постачальника сировини до кінцевої точки продажу.
Вона тримається на узгоджених правилах, прогнозованих параметрах, технологіях, які змінюються не хаотично, а за домовленістю і в заздалегідь визначені строки, умінні прогнозувати попит і управляти споживачами.
Сьогодні ж ми живемо у світі, де ланцюги постачання підриваються одразу на декількох вибухових факторах:
поглиблення глобалізації
погіршення екологічної ситуації
зростання кількості екстремальних погодних явищ і пандемій
постійна геополітична напруженість.
Навіть один із цих факторів може запустити ланцюгову реакцію змін по всій системі.
Приклад з реального життя: у Києві в грудні 2025 року різко зріс попит на доставку піци.
Ключові місця виникнення проблеми при цьому - пакування (коробки), інгредієнти, пропускна здатність печей, нестача кур’єрів.
Розглянемо лише один елемент - пакування.
Виробники піци зіткнулися з тим, що:
запаси коробок тануть швидше, ніж планувалося
витрати стають нерівномірними
облік неточний, списання відбувається з помилками
точки масово запитують збільшені термінові довози з основного складу
заявки виробникам завищуються через зростаючий попит і страх дефіциту.
Виробники пакування отримали:
нерівномірні замовлення "на вчора"
збільшення заявок і документів з помилками
графік виробництва зламався через термінові заявки
виникнення затримок через переналадки виробничих ліній
зростання логістичних витрат через збільшення форс-мажорних запитів на транспортування.
При транспортуванні:
збільшилися термінові довози поза планом (все що поза планом - це завжди погано)
часто недозавантажувалися авто через нерівномірні заявки і терміновість
збільшилася кількість ручної перебудови маршрутів за принципом «аби довезти за будь-які гроші»
проявилося перевантаження складів і водіїв;
очевидно - зросла собівартість упаковки «на точці» без її компенсації.
Причиною сплеску попиту стали масовані бомбардування країною-агресором та пошкодження енергетичної інфраструктури Києва. Це призвело до відключень електроенергії у житлових районах та неможливості готувати вдома - відповідно, збільшився попит на доставку готової їжі.
Зменшення часу відключень світла, збільшення світлового дня - знизить попит на піцу, в результаті виникнуть зайві запаси і непередбачені втрати.
У цій ситуації колапс виник через події, що можна вважати форс-мажорними, якими неможливо управляти і які не піддаються прогнозуванню, принаймні виробниками піци.
Щоб спрацювали стандартні алгоритми ШІ потрібен аналіз численної кількості даних, які зчитуються за допомогою технологій IoT (інтернет речей), досліджуються через інструменти операційної ефективності і вносяться у системи шляхом автоматизації збору інформації в режимі реального часу безпосередньо з місця події.
Модель операційної ефективності ланцюга постачання включає такі складові:
Швидка передача інформації/даних між всіма учасниками ланцюга постачання → це інфраструктура та процеси, тут може допомагати автоматизація (системи обміну даними, ERP, інтеграції між платформами), а ШІ поки не потрібен, бо це базова швидкість і доступність інформації.
Відмінна онлайн комунікація → теж про процес і людей, це не автоматизація і не ШІ, а забезпечення ефективного обміну інформацією між командами (Slack, Teams, чат-боти).
Збір даних для прогнозування → це початок застосування ШІ. Дані збираються автоматично або вручну, ШІ їх аналізує і робить прогнози (наприклад, попит, затримки).
Вимірювання критичної кількості запасів та створення заявки на поповнення потрібної кількості з урахуванням особливостей локального споживання на основі ретроспективних даних → це комбінація автоматизації і ШІ: а) автоматизація робить саму заявку та підрахунок запасів; б) ШІ аналізує історичні дані і робить прогноз локального попиту.
Робота з великою кількістю нетипової інформації → це зона ШІ, бо людина тут сама не впорається швидко. ШІ допомагає структурувати, класифікувати та робити висновки з хаотичних, неструктурованих даних (погода, події, соцмережі, незвичайні замовлення).
Можна сказати, що автоматизація робить процеси швидкими і точними, ШІ - робить їх розумними, а людина - ефективними і життєздатними.
Операційна ефективність проявляється у здатності людей бачити аномалії, приймати нестандартні рішення, налагоджувати взаємодію між командами та оркеструвати процеси у реальному часі.
Саме вона дозволяє реалізувати потенціал ШІ та автоматизації на практиці.
