Žinote naujieną? Papasakokite mums apie tai!

„Predictive Analitycs“ tai vis labiau madinga sąvoka ir tikriausiai ją naudosime dažniau. Jos taikymas gali žymiai padėti gamybos veikloje ir ne tik. Ji taip pat svarbi tiekimo grandinei.

Pradėkime nuo sąvokos – predikcinė analizė reiškia duomenų ir statistinių algoritmų naudojimą tam, kad būtų galima nustatyti ateities rezultatų tikimybę remiantis istorine informacija. Iš esmės siekiama pertvarkyti sektorių taip, kad žmonių sprendimų priėmimą pakeistų duomenimis pagrįstas sprendimų priėmimas. O duomenų yra daugybė.

Praktikoje predikcinė analizė yra ne kas kita, kaip galimybė nustatyti, kas gali nutikti ateityje. Kažkas sakys, juk tai akivaizdu, tai bandoma daryti jau daugelį metų. Taip, tačiau specialistai tvirtina, kad dabar tai tebėra „spėjimu iš krištolo rutulio“. Tik šiuolaikiški informacijos rinkimo būdai, milžiniškas jos kiekis, taip pat analizės metodai leidžia prognozuoti su patenkinamai dideliu tikslumu.

Prie to prisideda ir didėjantis kompiuterių prieinamumas bei vis patogesnė programinė įranga. Jų dėka predikcinės analizės nebėra jau tik matematikų sritis, jas gali taikyti ir verslo analitikai.

„Predictive Analytics“ padeda numatyti avarijas

Transporto įmonių vadovai ir logistikos operatoriai naudoja predikcinę analizę, siekdami padėti spręsti problemas, taip pat tam, kad pažintų naujas galimybes.

Tipiškų panaudojimų sąrašas yra gana ilgas:

– sukčiavimų aptikimą (pvz., internete),

– geresnis atskirų procesų vykdymą,

– atsargų prognozavimą ir išteklių valdymą,

– kainų optimizavimą.

Taigi siekiama ne tik padidinti efektyvumą, bet ir sumažinti riziką

Visos šios savybės taip pat taikomos tiekimo grandinei. Tai apima dar, pvz., įrangos gedimų numatymą ir su saugumu bei patikimumu susijusios rizikos sumažinimą, o tai ypač svarbu automatinių sandėlių ir autonominių transporto sistemų atveju.

Neseniai vykusioje „Smart Warehouse“ konferencijoje Kamilis Slovikas iš „Mecalux“ pabrėžė, kad tokias funkcijas turi ir modernios sandėlių programos (pvz., WMS).

„Jos padeda numatyti gedimus sandėlyje, o WMS reaguoja į scenarijus, pvz., kai sandėlyje nebėra elektros. Vis daugiau kompanijų vertina tokius sprendimus, nes jie susiję su darbo optimizavimu“, – pabrėžė Kamilis Slovikas.

Kalbant apie automatinius sandėlius ir autonomines transporto priemones ypatingą reikšmę įgyja vadinamoji predikcinė techninė priežiūra, kuri padeda aptikti galimus gedimus prieš jiems įvykstant ir prieš išjungiant sistemą. Tai leidžia sumažinti bet kokias įrangos veikimo pertraukas. Mikolajus Ruta (Mikołaj Ruta) iš WDX taip pat pabrėžia šią automatinių sprendimų savybę. Remiantis duomenimis, galima numatyti, kas nutiks ateityje (numatoma priežiūra, numatomas remontas). Tai ypač svarbu norint užtikrinti sklandų sandėlio darbą.

Predikcinė analizė optimizuoja maršrutus ir išteklių naudojimą

Pasak „Transmetrics“ specialistų, predikcinės analizės dėka logistikos operatoriai ir vežėjai remdamiesi klientų paklausa ir pirkimo elgsenos duomenimis (pasiūlos ir paklausos prognozėmis), gali iš anksto, savaitėms ar net mėnesiams planuoti veiklą. Tai optimizuoja lėšų logistikoje panaudojimą. Dėl transporto valdymą palaikančių programų (TMS) analizės numatant galimas grėsmes galima atitinkamai pritaikyti savo veiksmus. 

Predikcinė analizė taip pat naudinga planuojant pristatymą „paskutinėje mylioje“, optimizuojant maršrutus ir tvarkaraščius, pašalinant ten kur įmanoma, pvz., varginantį stovėjimą kamščiuose, ir padedant koordinuoti krovinių transportavimą dalijimosi principu. 

Specialistai pabrėžia, kad investavimas į predikcinės analizės sprendimus nebėra pasirinkimas, bet būtinybė.

Sėkmei svarbiausia duomenų atranka

Ką įmonės gali padaryti, kad pradėtų įgyvendinti tokius sprendimus? „Transmetrics“ specialistų nuomone, kai kuriais atvejais pirmu žingsniu gali būti specialaus asmens, kuris vadovaus skaitmeninei įmonės pertvarkai ir sukurs informacinę tiekimo grandinę, įdarbinimas arba paskyrimas.

Antrasis variantas yra bendradarbiavimas su išoriniu technologijų tiekėju, kuris tieks transporto ir logistikos poreikiams pritaikytus predikcinės analizės produktus ir paslaugas.

Predikcinės analizės naudojimui svarbiausia suprasti problemą, kurią reikia išspręsti. Kitas žingsnis – pasirinkti duomenis, kurie padės išspręsti šią problemą. Tiekimo grandinės atveju tai dažniausiai būna įvairių jutiklių ir įrašymo prietaisų renkami duomenys. Gauti duomenys turėtų būti paruošti analizei pagal anksčiau apibrėžtą „raktą“. Prognozavimo modelio sudarymas atsižvelgia į surinktų duomenų pobūdį ir kiekį.  

Predikcinis modeliavimas reikalauja grupinio metodo. Reikia žmonių suprantančių konkrečią verslo sprendimo reikalaujančią problemą, kurie gali paruošti duomenis analizei ir tada suteikti tinkamą analitinę infrastruktūrą modeliams kurti ir įgyvendinti.

Kitoje dalyje pateiksime informaciją apie predikcinės analizės naudojimo poveikį pirmaujančių logistikos operatorių, tokių kaip „Amazon“, „Maersk“ ir UPS, veikloje.

komentarai

comments0 komentarų
thumbnail
Tam, kad nustatyti pranešimus apie komentarus, pereikite prie savo paskyros