공급망 최적화
공급망 전반에 걸쳐 최적의 조합 찾기
도전 과제
공급망 관리에 대한 기존의 접근 방식은 과거 데이터를 기반으로 리소스에 대한 미래 수요를 예측하려고 시도합니다. 그런 다음 공급망 관리자는 이러한 수준에 안전 재고를 추가하여 품절 및 생산 지연을 방지합니다. 이러한 안전 수준은 제품에 대한 요구의 변화에 따라 몇 주간의 추가 공급에서 정상 수요의 두 배에 이를 수 있습니다. 이 재고 수준은 개별 위치의 재고 수준과 제조 요구 사항을 충족하기 위한 운송 계획을 포함한 전체 생산 계획을 지원합니다. 추가 재고를 운송하고 보유하는 것은 수익성 있는 개선 방법을 끊임없이 찾고 있는 제조업체에게 상당한 비용입니다.
기회
AI 기반 공급망 최적화는 과거 데이터, 환경 데이터 및 최근 동향을 포함한 다양한 요소를 활용하여 생산의 각 단계에서 최적의 자원 요구를 예측할 수 있습니다. AI 모델은 또한 현재 리소스 활용에서 비정상적인 행동을 찾고 공급망 관리자가 추가 조사를 위해 영역을 정확히 찾아내는 데 사용할 수 있습니다. 소매 상황에서 AI 모델은 재고 수준과 예상 판매 사이의 절충을 통해 바람직한 재고 수준을 결정할 수 있습니다. AI 모델은 또한 리소스 계획을 업데이트하고, 필요한 위치에 재고 경로를 변경하고, 리소스 요구 사항을 간소화하여 가동 중지 시간을 줄이고, 비용을 절감하고, 생산 속도를 높이고, 제조 운영에서 수익을 높이는 데 사용할 수 있습니다.
왜 H2O.ai인가
H2O.ai의 사명은 산업 전반에 걸쳐 더 많은 사람들이 AI의 힘을 사용하여 비즈니스 및 사회적 문제를 해결할 수 있도록 모든 사람을 위해 AI를 접근화하는 것입니다. Stanley Black 및 Decker와 같은 선도적인 글로벌 산업체는 H2O.ai와 제휴하여 H2O Driverless AI로 구동되는 차세대 산업 제조 솔루션을 제공합니다. H2O Driverless AI는 수상 경력에 빛나는 자동 머신 러닝 플랫폼으로 데이터 과학 팀이 고도로 정확한 예측 모델을 개발하는 속도를 크게 높여 머신 러닝 노력을 확장할 수 있도록 지원합니다. Driverless AI에는 머신 러닝 해석 가능성(MLI), 개별 예측을 위한 이유 코드, 자동 시계열 모델링 등 제조업체가 특히 관심을 갖는 혁신적인 기능이 포함되어 있습니다.
관련 사례 연구
Dr. Robert Coop
Artificial Intelligence and Machine Learning Manager, Stanley Black & Decker
"The platform’s feature engineering and scoring pipeline generation are better than anything we’ve seen out there right now."
Lou Carvalheira
Principal Data Scientist, Cisco
"H2O really shines in model training and scoring and we can do it all without sampling the data."
