Hvordan AI digitale tvillinger hjelper med å klare verdens forsyningskjedemareritt

Ms Tech | Getty

Med forstyrrelser i forsyningskjeden av de siste to årene, som ikke har vist noen tegn til lettelser når som helst snart, tyr bedrifter til en ny generasjon AI-drevne simuleringer kalt digitale tvillinger for å hjelpe dem å få varer og tjenester til kundene i tide. Disse verktøyene forutsier ikke bare forstyrrelser langs linjen, men foreslår også hva du skal gjøre med det. Desperate selskaper som sliter med kollapsen av just-in-time frakt bruker dem til å finne en avgjørende balanse mellom effektivitet og motstandskraft.

Listen over ting som har vært vanskelig å få tak i en eller annen gang de siste månedene er like variert som den er lang: nye biler, nye telefoner, kontaktlinser, rengjøringsmidler, ferskvarer, hagemøbler, bøker, fargen blå . Det er ikke som da alle gikk tom for toalettpapir i mars 2020, sier Chris Nicholson, grunnlegger av Pathmind, et selskap som bruker AI på logistikkproblemer. Denne gangen føles de manglende elementene personlig.

Relatert historie

Vår rare oppførsel under pandemien roter med AI-modeller Maskinlæringsmodeller som er trent på normal oppførsel, viser sprekker – og tvinger mennesker til å gå inn for å rette dem opp.

Covid-19 har satt søkelyset på mange av verdens nettverk, fra internett til internasjonale flyreiser. Men forsyningskjedene som krysser verden – skipene og lastebilene og togene som kobler fabrikker til havner og varehus, og bringer nesten alt vi kjøper mange tusen mil fra der det produseres til der det konsumeres – står overfor mer gransking enn de noen gang har gjort.

Det er rettferdig å si at uansett hva du selger, har du et problem akkurat nå, sier Jason Boyce, grunnlegger og administrerende direktør i Avenue7Media, et konsulentfirma som gir råd til toppselgere fra Amazon. Boyce sier at han har kunder som ville omsatt for titalls millioner dollar i året hvis de kunne holde seg på lager. Vi har samtaler med klienter hver dag der de bare gråter, sier han. I flere måneder har de ikke vært helt på lager i én 30-dagers periode på rad.

Digitale tvillinger prøver å løse brudd i forsyningskjeden ved å forutse dem før de skjer og deretter bruke AI for å finne en løsning. Navnet fanger nøkkelideen med å simulere et komplekst system i en datamaskin, og skape en slags tvilling som speiler gjenstander fra den virkelige verden – fra porter til produkter – og prosessene de er en del av. Simuleringer har vært en del av beslutningstaking i industrien i noen år, og hjelper folk med å utforske ulike produktdesign eller strømlinjeforme utformingen av et lager. Men tilgjengeligheten av store mengder sanntidsdata og datakraft betyr at mer komplekse prosesser kan simuleres for første gang, inkludert kaoset i globale forsyningskjeder som ofte er avhengige av en rekke leverandører og transportnettverk.

Denne typen teknologi har gitt Amazon, som allerede har fordelen av å kontrollere sine egne lastebiler og varehus, en ekstra fordel i årevis. Nå omfavner andre det også. Google utvikler digitale tvillinger i forsyningskjeden som bilprodusenten Renault annonserte at de hadde tatt i bruk i september. Internasjonale shippinggiganter som FedEx og DHL bygger sin egen simuleringsprogramvare. Og AI-firmaer som Pathmind lager skreddersydde verktøy for alle som kan betale for dem. Likevel vil ikke alle tjene på det. Faktisk kan den kraftige nye teknologien utvide et voksende digitalt skille i den globale økonomien.

Vær stormen

Det er lett å skylde på pandemien for de nåværende forsyningskjedeproblemene. Fabrikkstenginger og mangel på arbeidskraft slått ut produksjons- og leveringsknutepunkter samtidig som et sprang i netthandel og komfortkjøp sendte etterspørselen etter hjemleveringer i bølger.

Men i sannhet gjorde pandemien bare en dårlig situasjon verre. Det er globale krefter som driver dette, alt kombinert til en perfekt storm, sier D’Maris Coffman, en økonom ved University College London som studerer effekten av pandemien på forsyningskjeder.

Å dempe denne stormen vil kreve å synke billioner av dollar i global infrastruktur, utvide havner og leveringsflåter og investere i bedre ledelse, bedre arbeidsforhold og bedre handelsavtaler. Teknologi kommer ikke til å løse disse problemene. Det kommer ikke til å tillate skip å frakte flere containere, sier David Simchi-Levi, som leder datavitenskapslaboratoriet ved Massachusetts Institute of Technology og har bidratt til å bygge digitale tvillinger for flere store selskaper. Men AI kan hjelpe bedrifter å takle det verste. Digitale tvillinger lar oss identifisere problemer før de skjer, sier han.

Ifølge Hans Thalbauer, administrerende direktør for forsyningskjedene og logistikkteamet hos Google, er det største problemet bedrifter står overfor manglende evne til å forutsi hendelser oppover i kjeden. Det spiller ingen rolle hvilket selskap du snakker med, sier han. Alle i forsyningskjedeverdenen vil fortelle deg at de ikke har synligheten de trenger for å ta beslutninger

Det er forsyningskjedesynlighet som lar Amazon for eksempel forutsi når en vare vil dukke opp på dørstokken din. For hver vare som Amazon leverer selv – og det inkluderer de millioner av varer den leverer på vegne av tredjepartselgere som Boyce og hans kunder – gir den et nøyaktig estimat på når den vil ankomme. Det virker kanskje ikke så mye, sier Boyce, men hvis Amazon tok feil av disse spådommene, ville det begynne å miste kunder – spesielt rundt høytiden, når folk kjøper gaver i siste liten og stoler på at Amazon leverer dem. Det krever massiv datakraft bare for å vise den enkle lille leveringsdagen, sier han. Men folk blir forbanna når de ikke får tingene sine i tide.

Ifølge Deliverr, et amerikansk selskap som administrerer leveringslogistikk for flere e-handelsfirmaer, inkludert Amazon, Walmart, eBay og Shopify, øker en estimert leveringstid på to dager versus syv til 10 dager salget med 40 %; en estimert leveringstid på én dag øker salget med 70 %.

Det er ingen overraskelse at andre vil ha en egen krystallkule. Just-in-time forsyningskjeder er nesten døde. Forstyrrelsene de siste to årene sank mange virksomheter som jaget hypereffektivitet til det ekstreme. Lagerplass er dyrt, og å betale for å lagre inventar du kanskje ikke trenger på en uke kan virke ekstravagant i tider med overflod. Men når neste ukes aksjer ikke dukker opp, har du ingenting å selge.

Før pandemien fokuserte de fleste selskaper på å kutte kostnader, sier Simchi-Levi. Nå er de villige til å betale for spenst, men å fokusere på spenst alene er også en feil: du må finne den rette balansen mellom de to. Dette er den virkelige kraften til simuleringer. Vi ser et økende antall selskaper som begynner å stressteste forsyningskjedene sine ved å bruke digitale tvillinger, sier han.

Hva om?

Ved å utforske ulike mulige scenarier kan bedrifter identifisere balansen mellom effektivitet og robusthet som fungerer best for dem. Legg til dyp forsterkende læring, som lar en AI lære gjennom prøving og feiling hvilke handlinger som skal utføres i forskjellige situasjoner, og digitale tvillinger blir maskiner for å utforske hva-hvis-spørsmål. Hva om det er tørke i Taiwan og vannmangelen stenger produksjonen av mikrobrikker? En digital tvilling kan forutsi risikoen for at dette skal skje, spore innvirkningen det vil ha på forsyningskjeden din, og – ved å bruke forsterkende læring – foreslå hvilke tiltak du bør ta for å minimere skaden.

Hvis du er en bilprodusent i det amerikanske Midtvesten, kan en digital tvilling foreslå at du kjøper ekstra komponenter fra en distributør på vestkysten som fortsatt har overskudd. Men tre flere scenarier sammen og ting blir snart enormt komplekse. For eksempel, ifølge Simchi-Levi, vedlikeholder Ford mer enn 50 fabrikker rundt om i verden, som bruker 35 milliarder deler til å produsere 6 millioner biler og lastebiler hvert år. Det er rundt 1400 leverandører fordelt på 4400 produksjonssteder som den samhandler direkte med, og en stabel med leverandører og leverandører på opptil 10 lag dypt mellom Ford og råvarene som går inn i kjøretøyene deres. Enhver av disse koblingene kan gå i stykker, og en god stresstest må undersøke hver av dem.

Digitale tvillinger bruker så mye data som mulig for å kjøre simuleringene og trene AI-ene sine. Det er logistisk informasjon om selskapet og dets leverandører, som tar hensyn til input som inventar og fraktdata. Så er det data om forbrukeratferd, basert på markedsanalyser og økonomiske anslag. Og data om den bredere verden, for eksempel geopolitiske og sosioøkonomiske trender. Simchi-Levi har til og med hentet data fra sosiale medier for å forutsi folks oppførsel, spesielt under pandemien.

Googles digitale tvilling kan kobles til Google Earth og tar hensyn til globale værmønstre. Hvis du er en grønnsaksbonde i California, kan du kjøre simuleringer for å se hvilke av åkrene dine som er utsatt for La Niña, sier Thalbauer. Når Google setter opp en digital tvilling for en klient som Renault, kan de velge hvilken av de mange tilgjengelige datakildene som skal inkluderes.

Relatert historie

Hvordan lockdown endrer shopping for godt Store nettbutikker er basert rundt enorme automatiserte varehus. Mindre og billigere versjoner av denne teknologien vil være nøkkelen hvis mindre butikker skal overleve gjennom en rekke nedstengninger.

Pathmind tar en mindre tungvektstilnærming. Dens digitale tvilling omslutter ganske enkelt et selskaps eksisterende verktøy for styring av forsyningskjeden, og bruker dataene de allerede produserer. Den forsterker deretter disse dataene ved å kjøre hva-hvis-simuleringer og legge de resulterende syntetiske dataene til potten den trener AI på. Tilnærmingen ligner på hvordan AlphaZero mestret Go og sjakk ved å spille millioner av virtuelle spill mot seg selv. I stedet for å lære hvilken brikke som skal flyttes på et brett, kan digitale tvillinger lære hvilket lager de skal bestille og når, eller hvor de skal åpne et nytt lager.

Med de riktige syntetiske dataene kan en digital tvilling lære å reagere på tidligere usett hendelser, til og med globale pandemier. Det er her vi kommer inn på hele hemmeligheten bak «Hvorfor er AI smart?» sier Nicholson. Den lever mer enn vi gjør, i disse mange forskjellige verdenene, hvorav noen aldri har eksistert før.

I teorien kan alle dra nytte av denne teknologien. I praksis vil det være vinnere og tapere. Digital-tvillingteknologi gir en kraftig mulighet for selskaper av alle størrelser, sier Rick Lazio, en advokat og tidligere amerikansk kongressmedlem som nå er senior visepresident i Alliantgroup, et USA-basert skattekonsulentselskap. Men han bemerker at det er større selskaper, som allerede er best beskyttet mot tap, som begynner å bruke denne teknologien raskest.

Lazio tror at mange mindre firmaer vil trenge litt hjelp, kanskje gjennom statlige investeringer, for å stoppe dem fra å falle på etterskudd. Bedrifter som tar i bruk teknologi tidlig ser fordeler som er større enn summen av delene, sier han.

Og det er ikke bare mindre bedrifter. Mange av verdens havner kjører på papiret; hvis du er heldig, bruker de PDF-er og e-poster, sier Nicholson. Dette er store operatører, ikke en stearinlysmaker i New Hampshire. Men uten digitalisering får vi ikke AI.

Simchi-Levi er mer optimistisk. Mange bedrifter pleide å anta at det å sette opp en digital tvilling ville ta enorme investeringer og år å betale for seg selv, sier han, men det er ikke lenger tilfelle: en million dollar og 18 måneder kan gi deg mange av fordelene.

Simchi-Levi er ikke i tvil om at buzz rundt digitale tvillinger vil forbli selv når de verste av de nåværende forstyrrelsene er over. Hvis det ikke er pandemien, blir det noe annet, sier han. De siste par årene har lært bedrifter hvordan de kan forberede seg bedre, og hvordan de kan konkurrere bedre. Når vi går tilbake til normalen, blir det ikke det samme som før, sier han. Pandemien beviste at fremtiden er her.

gjemme seg