Các tổ chức có thể tiết kiệm chi phí đáng kể bằng cách tập trung cải thiện khả năng phân tích dữ liệu.

 

Quy mô lan rộng của đại dịch COVID-19 và nhu cầu phân phối vắc xin nhanh chóng đã tạo ra những phức tạp mới cho chuỗi cung ứng toàn cầu, bao gồm số lượng các bên và quyền hạn pháp lý liên quan, trình độ chênh lệch trong phân tích dữ liệu, vấn đề giao thông và liên lạc, và vô số những rắc rối khác.

Trí tuệ nhân tạo (AI) và phân tích dữ liệu cho ta cơ hội dự đoán chính xác hơn các thách thức và lập kế hoạch phản ứng nhanh, hiệu quả, đồng thời giảm tối đa sự gián đoạn trong tương lai.

Đại dịch COVID-19 tạo nên nhiều khó khăn mới và làm nổi bật các vấn đề hiện tại trong chuỗi cung ứng của nhiều ngành. Sự gián đoạn chuỗi cung ứng hàng tiêu dùng, sản xuất và chăm sóc sức khỏe đã gây hỗn loạn kể từ đầu năm 2020. Một số tổ chức kho vận cũng gặp khó khăn trong việc thu thập và phân tích dữ liệu chất lượng, trong khi tắc nghẽn ở bất kỳ mắt xích nào trong chuỗi đều có nguy cơ gây ra gián đoạn trên diện rộng.

Đây chính là lĩnh vực mà AI – cụ thể là học máy – có thể hỗ trợ

AI liên quan đến nhiều hướng ứng dụng công nghệ, nhưng học máy là cách triển khai nổi bật nhất. Nó sử dụng các thuật toán và ứng dụng để tự động phân tích dữ liệu và tạo ra các mô hình kiến ​​thức. Các giải pháp học máy có thể được vận dụng để phân tích dự đoán, chẳng hạn như phân tích và phân loại hồi quy – vốn đặc biệt hữu ích trong việc dự đoán các vấn đề kinh doanh liên quan đến chuỗi cung ứng.

Ứng dụng trong vận tải

Vấn đề vận tải thường là một phần quan trọng của sự gián đoạn chuỗi cung ứng. Các giải pháp AI có thể giúp giải quyết thách thức này, bằng cách tự động thu thập dữ liệu từ nhiều điểm khác nhau trên tuyến đường, sau đó dự kiến đường đi để đưa hàng đến một vị trí trung gian, đáp ứng nhu cầu của người tiêu dùng – thậm chí là trước khi nhu cầu ấy được báo cáo.

Một cách khác để tăng hiệu quả vận chuyển là cho phép lên lịch giao hàng và điều chỉnh tuyến đường vận tải dựa trên tình hình giao thông và thời tiết mới nhất. Đưa dữ liệu này vào mô hình sẽ giúp dự đoán chính xác và quy trình hiệu quả hơn.

Dự đoán tình trạng hết hàng tồn kho cũng là một ứng dụng hữu ích khác của AI. Lấy việc phân phối vaccine COVID-19 làm ví dụ: phải dự đoán được không chỉ tình trạng sẵn có của vaccine mà còn cả nguồn cung cấp ngoại vi – chẳng hạn như ống tiêm, dung dịch pha loãng và tủ lạnh chuyên dụng. Tất cả những yếu tố này đều có thể ảnh hưởng đến hàng triệu mạng sống. Ngay cả những dự đoán liên quan đến chăm sóc bệnh nhân như nhu cầu nhân sự hay thời gian tiêm chủng cho mỗi bệnh nhân cũng quan trọng.

Phân phối vaccine COVID-19: thách thức khổng lồ của chuỗi cung ứng 

Việc phân phối vaccine COVID-19 là thách thức chuỗi cung ứng lớn nhất mà thế giới phải đối mặt. Để triển khai thành công vắc xin, các tổ chức có thể cần dự đoán một số khía cạnh liên quan đến chuỗi cung ứng, bao gồm:

Thời điểm tiêu thụ theo quốc gia, khu vực, thành phố, và địa điểm tiêm chủng

Tìm hiểu nguồn gốc vaccine và điểm đến cuối cùng của nó có giúp hợp lý hóa công tác hậu cần.

phân phối, vaccine, COVID-19
Phân phối vaccine COVID-19 là thách thức lớn cho chuỗi cung ứng toàn cầu.

Nguồn cung ứng, tính sẵn có và chi phí nguyên liệu

Dự đoán sự thiếu hụt sẽ đặc biệt quan trọng đối với các nhà sản xuất, giúp họ giảm thiểu rủi ro tiềm ẩn.

Địa điểm sản xuất, lịch trình và kích cỡ

Các nhà phân phối sẽ cần tính đến quy mô và sự sẵn có của các phương tiện bảo quản dọc theo tuyến đường phân phối.

Căng thẳng trong kiểm soát chất lượng

Có thể sẽ cần một số điểm kiểm tra chất lượng để đảm bảo khả năng duy trì chất lượng của vaccine. Tuy nhiên, sự quá tải tại các điểm kiểm tra này sẽ tạo ra nút thắt cổ chai trong chuỗi.

Xác suất hư hỏng và hiệu ứng dây chuyền

Vaccine COVID-19 cần được bảo quản đúng cách ở nhiệt độ lạnh và dễ bị hỏng nếu xảy ra sai lệch. Do đó, lập mô hình phân bố không gian và dự đoán các vấn đề nẩy sinh khi dự trữ hàng hóa sẽ giúp giảm lãng phí hàng tồn kho.

Bản chất và quy mô của COVID-19 đưa ra các kịch bản rủi ro dài hạn bao gồm nhiều sự mơ hồ. Có thể cần nhiều mô phỏng hơn nữa để cung cấp thêm ví dụ về mối liên quan giữa các tình huống và sự kiện có xác suất xảy ra thấp.

Việc thu thập và chuyển đổi dữ liệu thông qua tự động hóa quy trình bằng robot (RPA), từ nhiều tổ chức tham gia vào quá trình sản xuất và phân phối vaccine, sẽ giúp giảm thiểu các lỗi thủ công, tăng tốc quy trình và cho phép các nhà phân tích thực hiện dự đoán chính xác hơn.

Tất cả đều có trong dữ liệu

Mặc dù tồn tại nhiều phức tạp liên quan tại mọi điểm của chuỗi cung ứng, các tổ chức vẫn có thể tối ưu hóa chi phí bằng cách nỗ lực cải thiện khả năng phân tích dữ liệu – mà không nhất thiết phải áp dụng giải pháp học máy mạnh mẽ. Giá trị của AI với chuỗi cung ứng thể hiện ở khả năng có phân tích dữ liệu hiệu quả, để cuối cùng đưa ra quyết định tốt hơn khi phải đối mặt với sự không chắc chắn. Dữ liệu của một tổ chức có thể chứa cả chỉ báo rủi ro lẫn cơ hội mang đến giá trị mới. Để tận dụng khả năng dự báo, mở khóa tiềm năng của dữ liệu, các tổ chức có thể bắt đầu bằng cách cải thiện quy trình quản trị nó. 

Dữ liệu để lập mô hình có thể đến từ nhiều nguồn: mẫu cung và cầu trong quá khứ và hiện tại, cập nhật thời tiết và giao thông trong thời gian thực, dữ liệu hàng tồn kho, dự đoán thị trường… Dữ liệu đầu vào chính xác hơn sẽ mang lại dự đoán tốt hơn. Các giả định được thu thập từ dữ liệu và đưa vào các mô hình dự đoán cần phải được ghi chép đầy đủ để làm cơ sở giải thích, cho phép theo dõi liên tục hiệu suất và điều chỉnh mô hình.

Ngoài dữ liệu được sử dụng để thiết lập mô hình, dữ liệu để cập nhật và điều chỉnh mô hình cũng rất quan trọng. Nhận được dữ liệu đáng tin cậy càng nhanh thì các bên phản ứng càng nhanh. Trong ví dụ về chủng ngừa COVID-19, dữ liệu từ các địa điểm tiêm chủng (chẳng hạn như bệnh viện và phòng khám) nên được chia sẻ một cách hiệu quả và chính xác nhất để các nhà sản xuất và công ty kho vận có phản ứng phù hợp.

Triển khai các giải pháp AI

Một chuyên gia tự động hóa giàu kinh nghiệm triển khai các giải pháp RPA có thể giúp các tổ chức xác định và tinh chỉnh nguồn dữ liệu từ nhiều phòng ban. Khi dữ liệu và quy trình liên quan được định hình, tự động hóa sẽ cải thiện quy trình thu thập và chất lượng dữ liệu.

Ngoài ra, có nhiều giải pháp tự động hóa hiện đủ khả năng giúp các tổ chức thiết lập logic kinh doanh chuẩn hóa, cho phép cải thiện việc xác định và giám sát các chỉ số hiệu suất chính (KPI) nhờ sử dụng bảng điều khiển quản lý và giảm thiểu rủi ro hiệu quả hơn.

Đại dịch COVID-19 có thể tiếp tục tác động xấu đến các ngành công nghiệp trong vài năm tới, trong đó tác động lâu dài vẫn chưa rõ ràng. Tuy nhiên, đã có sẵn các phương pháp phân tích dữ liệu tốt cho các tổ chức thuộc mọi quy mô và mức độ phức tạp.

Trí tuệ nhân tạo, đặc biệt là học máy và tự động hóa, có thể hỗ trợ dự đoán tình huống để phản ứng phù hợp. Các tổ chức chưa ứng dụng AI nên lên kế hoạch ngay từ bây giờ, nghiên cứu xem họ sẽ dùng công nghệ mới và sức mạnh dữ liệu như thế nào để mở ra cơ hội và khai thác giá trị tiềm năng, đồng thời góp phần giải quyết các thách thức mà chuỗi cung ứng toàn cầu đang phải đối mặt.

Theo Roberto Valdez và Pedro Castillo

Nguồn: Industry Week

 

Roberto Valdez là Giám đốc Dịch vụ Tự động hóa An ninh Mạng và Tư vấn Rủi ro tại Kaufman Rossin, chuyên hỗ trợ doanh nghiệp giảm thiểu rủi ro, bảo vệ thông tin và đạt được mục tiêu chiến lược của họ. 

Pedro Castillo là Giám đốc Dịch vụ Tư vấn Kinh doanh tại Kaufman Rossin, có chuyên môn về đo lường hiệu suất, cải tiến hoạt động, thiết lập mục tiêu, phân bổ vốn và lương thưởng cho người điều hành. 

 

Có thể bạn quan tâm:

10 cách tốt nhất để giảm chi phí chuỗi cung ứng

Tự động hóa chuỗi cung ứng: có khả thi không?