Efektivnější byznys modely

Jako první se podívejme na prodej. Umělá inteligence nám ušetří čas a sníží chybovost v párování plateb od zákazníků, přičemž v Česku se jedná hlavně o příchozí platby ze zahraničí, resp. automatické vyrovnání plateb pomocí inteligentního párování plateb a faktur. Některé nástroje dosahují míry automatizace ve výši až 99 %.

Z hlediska prodeje nesmíme opomenout plánování poptávky, kde díky sběru dat v reálném čase a využití AIML dokážeme vytvořit přesnou prognózu poptávky založenou na aktuálním stavu dodavatelského řetězce.

Moderní technologie nám umožňují i kompletně změnit obchodní modely. Z klasického prodeje vyrobeného zboží se zárukou můžeme přejít na nový obchodní model, kde vyrobené zboží zákazníkovi za určitých podmínek pronajmeme. Data, která ze zařízení přijímáme, jsou pak vstupem pro fakturaci za službu. Tato data můžeme navíc využít pro sledování „kondice“ zařízení a predikci (pomoci nám zde může právě AI) jeho nezbytného servisu.

Pokud se na prodej podíváme komplexněji, AI můžeme využít od prvního marketingového kontaktu až po poprodejní servis a v každém kontaktním bodu mezi nimi. Díky tomu zefektivníme činnosti související s marketingem, prodejem, zákaznickým servisem, plněním objednávek, dodávkou služeb, fakturací a pohledávkami.

AI najdeme už i ve standardních ERP nabídkách

V oddělení nákupu využijeme AI v predikci dodání materiálu od dodavatelů. Většina firem odebírá materiály potřebné pro výrobu od několika firem. Zpoždění dodávky od jedné z nich pak může ovlivnit včasnost výroby v závodě a způsobit přeplánování montážních linek, což je velmi nákladné. Nepřímé materiální zpoždění také způsobuje přerušení podpory zaměstnanců s požadovanými produkty nebo službami.

Algoritmy strojového učení identifikují zpoždění dodavatele na základě vícenásobné situační simulace a předpovídají pravděpodobnost zpoždění. Oblast predikce, ať už z pohledu nákupu, kvality nebo údržby, je proto pro AI ve výrobě velké téma.

Algoritmy také umožňují hledání správného dodavatele použitím inteligentního filtru, který na základě historických dat vybírá toho vhodného a zohledňuje, zda daný dodavatel nemá problémy s včasným dodáním, požadovaným množstvím či kvalitou. Všechna tato data jsou zapsána v inteligentním ERP řešení a podnik je následně může využít ve financích spojených právě s nákupem, třeba v automatickém párování příchozích faktur ke správným nákupním objednávkám.

Umělá inteligence přináší i větší transparentnost v celém dodavatelském řetězci, což s sebou nese zlepšení činností související se správou zdrojů a zásobováním, včetně plánování, řízení výdajů, uzavírání smluv, zásobování, plateb dodavatelů a spolupráce.

Pokud budeme řešit velké téma zásoby materiálu, ideálním stavem je vědět, které materiály bereme jako strategické ve vztahu ke změnám v objednávkách, prodejnosti či použití v kusovnících. Důvodem je prioritizace těchto materiálů oproti ostatním. Namísto spuštění standardního plánování materiálových potřeb (MRP), využijeme AI k automaticky řízenému a vylepšenému plánování, které nám optimalizuje jejich pořízení s pomocí strojového učení.

Systém na základě těchto dat nastavuje objednací hladiny, množství nebo pojistnou zásobu daného materiálu, čímž se snaží maximálně optimalizovat zásoby tak, aby bylo možné dodat zboží zákazníkovi bez zbytečných investic v podobě materiálu, resp. komponent na skladě. Tuto funkcionalitu v současné době nabízí firmy již ve standardní nabídce ERP systémů, tak proč ji nevyužít?

Dalším použitím predikce je simulace prediktivního MRP běhu. Díky tomu systém odhalí možné problémy se zásobami a také v oblasti kapacit výroby.

Vizuální i zvuková kontrola robotem

Nyní se posuneme v procesu Design to Operate k provedení výroby. Prediktivní údržba prostřednictvím AI je diskutovanou oblastí v každé výrobní společnosti. Vyrábět bez problémů na strojích v požadované kvalitě a bez nepředpokládaných výpadků a zmetků znamená omezení neplánovaných investic, a tím pádem i vyhnutí se problémům na straně spokojenosti zákazníků, která může pramenit z nedodání na čas či v požadované kvalitě a množství.

Velice zajímavou oblastí i pro laika je zapojení AI do vizuální inspekce výrobku. Díky tomu se eliminují problémy zmíněné výše – nekvalitní výrobek dostane správné označení jako „neshodný“ kvůli tomu, že neodpovídá svému návrhu. Konkrétně mluvíme o vytvořeném výkresu v autorském nástroji nebo o oblasti nástrojů elektrického a elektronického CADu.

Ve výrobě využijeme AI i pomocí digitálních dvojčat, která nám pomáhají s odhalením možných problému s výrobním zařízením. Poslední netradiční formou je sledování ruchu. Představte si stroj, kde kromě všech klasických fyzikálních veličin použijeme pro predikci údržby právě analýzu zvuku, který vydává dané výrobní zařízení.

Bariéry a budoucnost

Všechny tyto možnosti závisí na kvalitě dat. Ta dnes právem označují experti jako „nové zlato“. S tím souvisí i dostupnost zdrojů těchto dat a dostatečně kvalifikovaní pracovníci, kteří dokáží zjistit požadavky, celou implementaci systémů naplánují a následně i zrealizují.

Pokud se nám podaří všechny tyto aspekty zajistit, AI se stane nedílnou součástí i našeho každodenního pracovního života. V rámci procesu Design to Operate ji totiž využijeme téměř ve všech činnostech firmy - plánování, prodeji, nákupu, financích, zásobách, výrobě, ale i v oblasti predikce kvality a údržby. Tím pádem se můžeme posunout k větší produkci, růstu a konkurenceschopnosti na lokálních i globálních trzích.

Daniel Bičík Autor článku je pre-sales konzultant SAP ČR pro oblast logistiky a výroby.