Алгоритми штучного інтелекту для оптимізації ланцюга постачань в агробізнесі

Компанії у багатьох галузях виявили, що вони можуть створювати цінність, застосовуючи цифрові технології до нових бізнес-моделей. Алгоритми штучного інтелекту можуть допомогти запобігти ризикам сучасної дестабілізації в агропереробній промисловості.

Весь ланцюжок на початку просто ідентифікується в диджитальному форматі (поля — через аерофотозйомку, вирощування — через добре досліджену врожайність, перероблювання — через норми виходу продукції й т.д. Усе це — гарна основа для цифрового моделювання). Досвід виноробної промисловості Франції та Німеччини чи м'ясної промисловості Аргентини показує, що це можливо.

Сільськогосподарський виробничо-збутовий ланцюжок є складнішим в порівнянні з іншими індустріями. До і так не простих чисельних функцій, що взаємодіють з різними, потенційно суперечливими цілями та численними залежностями між матеріальними та інформаційними потоками, додаються та ускладнюють фрагментованими вхідними та вихідними мережами інших галузей та підприємств. Типовий ланцюжок постачання сільськогосподарської продукції включає три етапи: від фермерів до проміжних складів-силосів, від силосів до заводів з перероблювання і від заводів з перероблювання до клієнтів. Кожен крок потребує кількох рішень.

Для максимізації цінності, що створюється від ланцюга постачання в агробізнесі, всі учасники мають виробляти багатофакторні рішення. До кожного рішення існує певна кількість можливих рішень для оптимізаційного аналізу. Фрагментація ланцюжка постачання множить кількість можливих потоків на кожному етапі, що призводить до тисяч можливих результатів.

Наприклад, рішення для однієї з агрокомпаній, базувалось на понад 300 сортів зерна, понад 300 силосів, понад 7 000 інших пунктів зберігання і понад 200 000 варіантів транспортування.

Сьогодні є можливість, коли використовуючи потік даних, які збирають учасники агробізнесу, створюються так звані «цифрові двійники» своїх фізичних ланцюжків постачання.

Агрокомпанії можуть проводити моделювання та оптимізацію свого ланцюга постачань за допомогою таких віртуальних реплік. Це призводить до значної потенційної економії витрат на переміщення сільськогосподарських культур від поля до кінцевого споживача враховуючи частину, яка припадає і на переробні підприємства.

На ситуацію прийняття рішень ще накладається невизначеність кожного результату внаслідок непередбачуваності врожайності на кожному полі та різною ймовірністю метеорологічних умов, можливостей фермерів і волатильністю цін. Тобто додається фактор оцінки ймовірності. У досліджені із цукром показали, що аналіз даних про врожайність сільськогосподарських культур за десять років виявило понад 150 агрономічних сценаріїв (визначених у серії потенційних урожаїв на ділянку), які можуть стосуватися планування збирання врожаю та логістики розподілу.

Досягнення в галузі цифрових та аналітичних технологій пропонують спосіб оптимізувати ланцюжок постачання у сільському господарстві. Сільськогосподарська галузь у світі вже збирає більше даних, ніж будь-коли, про все: від агрономії до погоди, логістики та волатильності ринкових цін. Місткість сховища даних збільшилася, вартість зберігання різко впала, а обчислювальна потужність зросла. Використання прогнозної науки про дані в бізнесі та використання рекомендаційних (прескриптивних) методів оптимізації стають на часі.

Зазвичай в наших проєктах ми завжди використовуємо моделі ланцюгів постачанні в класній інтерактивній бізнес-грі. Але створення цифрового двійника може включати: елементи ланцюжка поставок та її інтерфейси, враховувати закупівлі, виробництво, складські пункти, транспортування, складування і точки продажу готової продукції. Гравці можуть калібрувати математичні моделі, щоб увімкнути в них різні цільові функції, такі як прибуток, пропускна спроможність, час циклу або оптимізація запасів, залежно від потреб організації.

Цінність цифрового двійника полягає у його надійній передбачувальній силі. Оптимізатори планування та складання розкладів можуть бути повторно запущені в режимі реального часу у разі непередбачених подій. Наприклад, термінові замовлення або зміни попиту можуть бути негайно інтегровані у переглянутий графік.

Цифрові технології та аналітика стають пріоритетом для компетенцій керівників, оскільки їхня цінність стає все більш очевидною. Наприклад, більш ніж половина виробничих компаній пілотують цифрові програми у своїй діяльності. Велика кількість компаній намагаються успішно масштабувати цифрові та аналітичні пілотні проєкти, щоб повністю розкрити свій потенціал. Але дослідження та досвід McKinsey показують, що менш як 30 % компаній успішно переходять від пілотної фази до рішення, що повністю масштабується.

Сьогоднішні гравці у сільському господарстві стикаються зі все складнішими умовами, але цифрові технології та аналітика пропонують потужні набори інструментів, які відкривають нові можливості для тих, хто знає, як їх використовувати. Цифрові та аналітичні технології можуть стати новим джерелом конкурентної переваги коштом вивільнення невикористаної вартості у ланцюжку постачання сільськогосподарської продукції.