CC BY
39Обзор и анализ современного программного обеспечения для управления цепями поставок
Review and Analysis of the Supply Chain Management Software Available in the Market
Рубцов Анатолий Егорович
профессор Санкт-Петербургского университета технологий управления и экономики, доктор технических наук 190103, Санкт-Петербург, Лермонтовский пр., д. 44, лит. А
Anatoliy E. Rubtsov
St. Petersburg University of Management Technologies and Economics Lermontovskiy Ave 44/A, St. Petersburg, Russian Federation, 190103
Ботвин Геннадий Алексеевич
профессор Санкт-Петербургского государственного университета, кандидат технических наук
199034, Санкт-Петербург, Университетская наб., д. 7-9
Gennadiy A. Botvin
St. Petersburg State University
Universitetskaya Emb. 7-9, St. Petersburg, Russian Federation, 199034
Белых Дарья Леонидовна
аспирант Санкт-Петербургского государственного университета 199034, Санкт-Петербург, Университетская наб., д. 7-9
Dar'ya L. Belykh
St. Petersburg State University
Universitetskaya Emb. 7-9, St. Petersburg, Russian Federation, 199034
УДК 339.13:004 <
Цель. Выявить направления совершенствования информационных систем компаний, участвующих в составе цепи поставок в процессе производства некоторого конечного продукта и услуги для повышения не только своей конкурентоспособности, но и конкурентоспособности цепи поставок в целом. Задачи. Проанализировать требования, предъявляемые к информационным системам, а также функциональные возможности уже существующих в сфере управления цепями поставок информационных систем, а также определить основные тренды в разработке программного обеспечения для решения логистических задач. Методология. В работе применялись общие методы научного исследования, научные и аналитические статьи, а также предоставленная вендорами информация о разработанном ими программном обеспечении. Результаты. При принятии решения о создании некоторого нового программного продукта для
компаний, входящих в цепь поставок, разработчики должны учитывать существующие на данный момент требования к функциональным возможностям информационных систем, а также существующие тренды в их разработке. Данные системы должны предоставлять возможность хранить информацию об ежедневных операциях, предоставлять доступ к ней другим участникам цепи поставок, уметь на основе накопленной информации прогнозировать будущие потребности. Большая часть активно используемых в данной отрасли информационных систем для обеспечения совместной работы в той или иной степени применяет облачные вычисления. Помимо них с целью реализовать поддержку принятия решений информационные системы применяют методы искусственного интеллекта. Выводы. В современных экономических условиях на первый план выходит конкурентоспособность не только отдельной компании,
<
но и цепи поставок, в которой данная компания совместно с другими ее участниками занимается производством и реализацией не-^ которого товара и/или услуги. Для повыше-
ния конкурентоспособности необходимо совместное применение современных информационных систем, способных с минимальными издержками реализовывать взаимодействие участников цепи поставок посредством обмена информацией и реализации совместного планирования. > Ключевые слова: логистика, управление це-
пями поставок, облачные системы, интеллектуальные системы, мультиагентные системы
Aim. This study aims to determine the directions for the improvement of corporate information systems involved in the composition of supply chains during the production of a certain end product and services that would allow enhancing the competitiveness not only of companies, but of the supply chain as a whole. Tasks. This study analyzes the requirements for information systems, functional capabilities of the existing information systems in the field of supply chain management, and identifies major trends in the development of software for solving logistical problems. Methods. This study uses general methods of scientific cognition, scientific and analytical articles, and information on the developed software provided by vendors. Results. When taking a decision to develop new software for a company involved in the supply chain, the developers need to take into account the existing requirements for the functional capabilities of information systems as well as the existing trends in their development. Such systems should be capable of storing information about daily operations that would be accessible for other members of the supply chain and predicting future needs based on the accumulated information. The majority of the information systems for networking that are heavily used in the industry rely on cloud computing to some extent. Other than that, information systems use artificial intelligence in order to make decision-making possible. Conclusion. In the modern economic conditions, the focus shifts from the competitiveness of a company to that of the supply chain in which the company is engaged in the production and sale of a certain product and/or service along with other members. Enhancing competitiveness requires joint use of modern information systems capable of ensuring cooperation between the members of a supply chain at minimal costs through information sharing and implementation of joint planning. Keywords: logistics, supply chain management, cloud systems, intelligent systems, multi-agent systems
Использование концепции управления цепями поставок компаниями, участвующими в производстве некоторого товара или услуги, обусловлено необходимостью постоянного повышения конкурентоспособности при сохранении уров-
ня обслуживания потребителей. Применение участниками цепи поставок положений данной концепции позволяет повысить рыночную успешность каждого из них, а координация их деятельности позволяет добиться снижения общих затрат всей цепи [1].
Концепция управления цепями поставок состоит из набора подходов, которые применяются для того, чтобы обеспечить совместную деятельность независимых компаний с разной специализацией для производства некоторого товара или создания услуги и последующего их доведения до конечного потребителя [2]. В основу данной концепции заложена идея координации участниками цепи поставок (поставщиками, производителями, дистрибуторами, ретейлерами) материальных запасов и готовой продукции на основе принципа единого информационного пространства. При осуществлении компаниями деятельности по планированию, управлению взаимоотношениями с поставщиками, производству, доставке заказов, управлению возвратами и любой другой сопутствующей деятельности необходимо обеспечение действенной и эффективной координации. Управление цепями поставок интегрирует все виды деятельности в единый процесс, что позволяет решать проблемы компаний из цепи поставок посредством обеспечения их взаимодействия при совместном планировании и синхронизации операций [3].
Одной из важных составляющих концепции управления цепями поставок является использование информационных систем, предоставляющих возможность ее участникам взаимодействовать друг с другом и координировать свои действия. В статье о семи ключевых принципах управления цепями поставок [4] в качестве шестого принципа рассматривается необходимость разработки технологической стратегии цепи поставок, поддерживающей несколько уровней принятия решений и дающей четкое представление о существующих в цепи поставок потоках товаров, услуг и информации.
Переход от старых слабо интегрированных систем к информационным системам уровня предприятия (Enterprise-Wide Systems) позволил поддержать реинжиниринг бизнес-процессов. Однако многие из этих передовых информационных систем, являющихся мощным инструментом обработки трансакций и способных обрабатывать множество данных, оказались слишком слабы в извлечении из этого массива данных о текущей деятельности ценной информации для бизнеса, использование которой позволило бы добиться повышения эффективности текущих операций.
Требования, предъявляемые к современным информационным системам, могут быть классифицированы в зависимости от временной пер-
В краткосрочном периоде
Обработка ежедневных операций и обмен данными о них
Содействие планированию и принятию решений
Проведение
стратегического анализа
Рис. 1. Требования, предъявляемые к разрабатываемым системам управления цепями поставок
спективы / сроков (рис. 1) [4]. В краткосрочной перспективе системы должны обеспечивать обработку информации о ежедневных операциях цепи поставок, что позволило бы тем самым выравнивать спрос и предложение на обмен информацией о заказах и ежедневном планировании. В среднесрочной перспективе системы должны содействовать планированию и принятию решений, поддерживать спрос и планирование поставок. В долгосрочной перспективе добавляющие стоимость системы должны быть способны проводить стратегический анализ при помощи таких инструментов, как, например, «интегрированная модель цепи», позволяющих синтезировать данные для высокоуровневого сценария планирования «что если» для поддержки в проведении оценки производственных мощностей, распределительных центров, поставщиков и различных альтернатив по привлечению сторонних поставщиков услуг (3PL providers).
Информационные технологии, внедряемые в системы компаний цепи поставок, в краткосрочной и среднесрочной перспективе нацелены на сбор информации о каждом произведенном товаре (от момента производства до момента доставки), на обеспечение полной видимости этой информации всеми участниками процесса, на анализ данных, планирование действий и предложение компромиссов на основе информации всей цепи поставок. Данные цели могут быть достигнуты за счет использования инфраструктуры информационных технологий (сетей, баз данных, вычислительных мощностей и т. д.), а также за счет компонентов цепи поставок, которые являются различными системами, напрямую вовлеченными в планирование цепи поставок. Участники цепи поставок постоянно решают производственные проблемы, связанные с планированием производства, управлением запасами, выбором маршрутов транспортных средств. Для этих целей используются различные информационные системы, позволяющие упростить и автоматизировать решение сложных задач.
К информационным системам, автоматизирующим процесс планирования в цепях поставок, относятся появившиеся в 1960-х гг. ERP-системы (Enterprise Resource Planning), которые выступают в качестве систем управления бизнесом; они состоят из набора приложений,
объединяющих все подразделения — маркетинг, финансы, продажи, производство, логистику и остальные — в единую базу данных. Все подсистемы соединены друг с другом, и вся информация должна храниться в одном-един-ственном месте [5]. К функциональным возможностям систем данного класса относятся оптимизация маршрутов доставки продукции ретейлерам, оперативный контроль перевозок, планирование маршрутов, интеграция хранилища данных, расширенные функции отчетности (оценка клиентов, товаров, поставщиков и т. д.).
В большинство ERP-систем в качестве основного решения для производства включена MRP-система, реализующая планирование потребности в материалах с целью избежать их внезапной нехватки при производстве товаров. Производители рассматривают запасы как ценный актив, так как через производство и цепи поставок проходят огромные партии сырьевых материлов, превращающиеся в большие запасы, которые необходимо хранить на складах. Кроме того, в процессе первоначальных разработок MRP-систем мощность оборудования не воспринималась как ограничение, потому что большая его часть имела общее назначение и добавление новых работников легко увеличивало пропускную способность. Поэтому в MRP-сис-темы была заложена бесконечная мощность оборудования при условии фиксированных сроков взаиморасчетов от даты заказа до даты поставки. В системах применялись методы обратного планирования, основанные на составлении графика выполнения производственной задачи при помощи обратного отсчета от требуемой даты выполнения заказа и определения даты начала выполнения и/или завершения каждой промежуточной операции. Методы прямого планирования, при использовании которых выявляются и анализируются работы, необходимые для достижения поставленной цели, и, на основе проведенного анализа и известной даты начала работ, определяется дата их завершения, в то время в планировании потребности материалов еще не применялись.
За время, прошедшее с появления первых MRP-систем, были введены новые производственные принципы «точно в срок» (JIT) и «бережливое производство» (Lean Manufacturing), позволившие применять в них ориентированный на материалы взгляд на процессы произ-
f водства с целью ежедневного обеспечения уров-ш ня плановых поставок, покрывающих спрос та-х ким образом, чтобы уровень запасов не «уходил ш в минус». Однако системы планирования по-^ требности в материалах не обеспечивали уро-s вень синхронизации, которого требуют новые i производственные принципы. Предложенные ш в рамках MRP-систем концепции использова-™ ния заказов на выполнение работ для каждо-с го уровня спецификации материалов не могут
< применяться в ситуациях, когда необходимо ^ применять методы, ориентированные на спрос
< клиентов, т. е. производить некоторое количе-i= ство товара в зависимости от того, какой спрос ^ на него ожидается в ближайшем будущем [6]. Ei Решения для планирования с ограниченной ш мощностью (Finite Capacity Scheduling, FCS)
и решения для усовершенствованного планирования (Advanced Planning and Scheduling, APS) были разработаны в качестве дополнений к MRP-системам с той целью, чтобы преодолеть недостатки систем планирования потребности в материалах. Система FCS была разработана в 1970-х гг. для устранения проблемы «бесконечной производственной мощности» MRP-системы и создания производственного плана с учетом уровня загруженности при помощи преобразования ее выходов методами не только обратного, но и прямого планирования.
APS-системы стали популярны в 1990-х гг. как дальнейшее развитие FCS-систем. Они оптимизировали планирование и составление графика действий, направленные на управление проходящими через участников цепи поставок материальными потоками. Их использование позволило усовершенствовать планирование за счет методов операционного исследования, таких как линейное и целочисленное программирование, позволяющих оптимизировать конечное производственное расписание за счет оптимизации объема партии продукции и перевозок, а также анализа материальных потоков. Использование этих методов позволяло добиваться снижения стоимости производимой продукции и повышения уровня обслуживания. Кроме того, APS-системы превосходили FCS в том отношении, что они позволяли одновременно учитывать не только производственные мощности, но и материалы [5].
Планирование при помощи систем FCS и APS имеет схожие недостатки. Если в MRP-системах производственные операции рассматриваются с точки зрения порядка проведения работ, то в системах FCS и APS — с позиции ресурсов. В рамках ресурсного подхода предполагается, что локальная оптимизация приводит к оптимизации всего предприятия, что не всегда соответствует действительности. И FCS-, и APS-системы продолжат добавлять в расписание новые производственные работы
для максимального использования каждого отдельного ресурса независимо от того, будет ли он нужен следующим за производителем участникам цепи поставок или непосредственно клиентам.
Такой тип производства, при котором появлялось избыточное количество запасов и незавершенного производства, применялся с 1960-х гг. до середины 1990-х гг. и назывался PUSH--производством. Созданные по рекомендации систем FCS и APS излишки незавершенного производства оказывали негативный эффект на синхронизацию. Несмотря на то что APS-система может увеличить эффективность ресурсов, возникающая из-за ее недостатков рассинхронизация производства приводит к падению пропускной способности и снижению доходности активов.
Впоследствии на смену концепции PUSH пришлая концепция PULL-производства. В соответствии с последней уровень избыточных запасов сводится к минимуму за счет создания того количества товаров, которое требуется для удовлетворения текущих потребностей клиентов. Разрабатываемые в настоящее время системы в области планирования применяют концепцию PULL-производства, т. е. модель производства, ориентированную на спрос. Эти системы реализуют такие функциональные возможности, как обмен информацией между участниками цепи поставок и обеспечение их совместной работы. Передача информации о спросе на конкретный товар от розничных продавцов через производителей к поставщикам позволяет всем участникам цепи поставок гораздо точнее планировать необходимое количество товаров и материалов для их выпуска и реже сталкиваться с ситуациями нехватки товаров или их перепроизводства.
В качестве примера современной EPR-сис-темы можно привести основанную на ориентированной на спрос методологии облачную систему «SyncManufacturingTM», разработанную компанией Synchrono [6]. Данная система реализует концепцию PULL-производства и преодолевает описанные выше недостатки предшествующих ей систем планирования за счет рассмотрения материального и товарного потоков в целом. Она предоставляет возможность адаптивно планировать производственные процессы в режиме реального времени, оптимизировать проходящие через систему потоки (материалов, методов, производственных мощностей), а не отдельные компоненты, постоянно отслеживать заказ в системе и обновлять его статус.
Поиск локального оптимума в какой-либо из подсистем без синхронизации со всей системой приводит к увеличению незавершенного производства, снижению размера товарного потока и
пропускной способности и, в конечном итоге, к уменьшению доходов. В описываемой облачной системе производство рассматривается с точки зрения заказов, что позволяет контролировать совокупные изменения всех ресурсов, необходимых для выпуска, и заранее предупреждать о возможной в будущем нехватке ресурсов.
Планирование происходит не за счет составления жесткого расписания работ, а посредством сопоставления с задачами, находящимися в системе, приоритетов на основе процентного расчета цикла потребления, что позволяет синхронизировать все имеющиеся в производстве ресурсы для создания товаров. Цветом отмечается доступность или недоступность всех требуемых ресурсов, что позволяет уведомить работников о возможной проблеме до ее возникновения. Данная информация может быть использована работниками непосредственно в производстве в самый последний момент при принятии решения о том, какую именно задачу из стоящих в очереди следует выполнить далее. Это обеспечит максимизацию потока и пропускной способности всего процесса производства и доставку вовремя.
Примером другой современной широко используемой информационной ERP-системы является облачная система «NetSuite ERP», которая представляет собой масштабируемое решение для выполнения основных операций бэк-офиса и финансовых бизнес-процессов в облаке в режиме реального времени. Она позволяет добавлять поставщиков, размещать заказы, совместно утверждать рабочие процессы, управлять запасами, отслеживать работу поставщиков и текущие операции, а также оперативно принимать решения на основе данных о текущих операциях, хранящихся в единой базе данных.
Обеспечение взаимодействия с участниками цепи поставок реализуется за счет предоставления им доступа к данной системе, в которой они также могут увидеть состояние заказа или обновить его, увидеть информацию о выполнении заказа и получить доступ к визуальным отчетам, обновляемым в режиме реального времени. Помимо доступа участников цепи поставок к «NetSuite ERP» она позволяет осуществлять интеграцию с другими системами, используемыми участниками цепи поставок. Кроме того, в «NetSuite ERP» встроена бизнес-аналитика с возможностью создания визуальных отчетов. Прогнозирование спроса осуществляется при помощи методов скользящего среднего, линейной регрессии, также производится анализ исторических данных и корректировка полученных прогнозов вручную.
Согласно одному из аналитических отчетов, крупным игроком рынка решений в области управления цепями поставок является компа-
ния Tools Group, разрабатывающая системы, f
которые могут как быть установлены локально, ш
так и использоваться по запросу как облачное х решение [7]. Также существует возможность ш
интеграции сервисов с системами других круп- ^ ных вендоров программного обеспечения. На s
основе этой платформы разрабатывается и ис- i пользуется множество сервисов, упрощающих ш
управление цепями поставок, например: ™
• сервис по оптимизации планирования це- ^ пи поставок и построения прогнозов, ис- < пользующий методы более совершенные, ^ чем стандартные временные ряды, методы < прогноза, автоматически обрабатывающие >= сезонность, появление новых товаров, пре- ^
рывистый спрос за счет детального анализа ^
о
доступных данных; ш
• сервис по оптимизации запасов, использующий статистические модели спроса и запасов для назначения различных задач по обслуживанию для каждой отдельной единицы складского хранения (ЕСХ) в зависимости от ее местоположения;
• сервис по прогнозированию спроса, планированию производства, оптимизации продвижения торговли;
• инструмент для моделирования цепи поставок Instant Replay (мгновенный повтор) позволяет планировщикам цепи поставок просматривать исторические события и сравнивать несколько сценариев на каждый день по клиенту, по ЕСХ и по местоположению. В нем также содержится специальный алгоритм, который учитывает рыночную стоимость жизненного цикла продукции при определении товарно-материальных запасов;
• хранилище данных о розничном спросе от разных розничных продавцов, которое может использоваться участниками ориентированной на спрос цепи поставок для того, чтобы в режиме времени, близком к реальному, определять необходимый уровень складских запасов.
Сходство приведенных выше систем и сервисов состоит в сдвиге от применения локальной оптимизации в сторону учета ограничений других участников цепи поставок, а также в использовании облачных технологий. Использующие последние системы доступны через Интернет множеству потребителей при помощи тонкого клиента — интернет-браузера. Они разворачиваются и выполняются на серверах провайдера облачных услуг, называемых вычислительным облаком. Облака состоят из десятков кластеров, — использующих консолидацию, виртуализацию, автоматическое распределение ресурсов, балансировку нагрузки, — в которых запускается множество приложений, одновременно используемых большим числом пользователей.
f Экономический эффект от использования об-ш лачных приложений достигается за счет отсут-х ствия первоначальных инвестиций в аппаратное ш обеспечение и возможности оплаты потребите-^ лями лишь того количества вычислительных s ресурсов, которое они реально использовали i [8]. Информационные системы, реализованные ш на основе облачных вычислений, более доступ™ ны по цене компаниям средних размеров и ори-
^ ентированы на предприятия с ограниченным
>
< бюджетом или со специфическими требовани-^ ями, например имеющими кратковременный
< спрос на использование облачных решений i= в области управления цепями поставок.
^ Широкое применение облачных технологий ÈÏ для создания приложений в сфере управления ш цепями поставок обусловлено тем, что данная технология предоставляет возможность взаимодействия и совместного выполнения задач участникам цепи поставок в режиме реального времени. Совместное использование компаниями облачных вычислений позволяет накопить и оценить огромное количество данных («больших данных») об их ежедневной деятельности, за счет обеспечения более простого слияния данных из различных систем и источников.
Несмотря на это, некоторые компании, в особенности малые, по-прежнему опасаются использования облачных вычислений, поскольку не уверены в безопасности данных и не имеют возможности напрямую влиять на систему, внося коррективы в ее функционирование. Тем не менее количество разрабатываемых и успешно используемых облачных приложений непрерывно возрастает [9].
В данном контексте отдельного упоминания заслуживает подход к разработке облачных приложений в сфере управления цепями поставок компании Infor. До активного использования облачных вычислений, при создании программного продукта, внедрение в программные продукты некоторого дополнительного функционала требовало проведения дорогостоящих консалтинговых проектов. В облачных решениях компании Infor используется подход, при котором отдельные небольшие функциональные возможности, разрабатываемые под разных заказчиков из некоторой отрасли, могут загружаться в многопользовательскую облачную среду и повторно использоваться другими заказчиками из той же сферы деятельности, что позволяет добиться снижения затрат на разработку и облегчает усовершенствования и обновления в будущем при помощи предоставления возможности добавить критически важные процессы для управления и интеграции с приложениями для CRM, HCM (систем управления персоналом), маркетинга и других в облаке.
В концепции управления цепями поставок решаются не только задачи планирования про-
изводства или материальных запасов, но и осуществляется управление грузоперевозками, транспортом, вносятся изменения в логистические процессы на основе результатов моделирования и решаются другие задачи, направленные на оптимизацию не одного конкретного производителя, а всей цепи поставок.
Снижение затрат, связанных с международными грузоперевозками, становится актуально в том числе из-за того, что затраты на их осуществление значительно превышают расходы на перевозки внутри одной страны. К сервисам, позволяющим облегчить поиск услуг по международной перевозке товаров, относится интернет-портал Freightos, на котором компании, осуществляющие морские, воздушные и сухопутные грузоперевозки, размещают тарифы на свои услуги (включая все надбавки), а клиенты бронируют и приобретают их. Также Freightos предоставляет облачный сервис «Freightos AcceleRate™», который позволяет в автоматическом режиме реализовать ценообразование и построение маршрутов для перевозчиков, экспедиторов и грузоотправителей.
В основе интернет-портала и облачного сервиса лежит запатентованный компанией механизм установки цен на перевозки и построение маршрутов, а также база данных о сотнях миллионов тарифов на осуществление морских, воздушных и сухопутных перевозок, которые ежедневно обновляются. Такой функционал предоставляет экспедиторам, грузоотправителям и грузоперевозчикам возможность автоматически бронировать и приобретать услуги по международной грузоперевозке, строить маршруты на основе оптимизации за счет анализа собранных о международных грузоперевозках больших данных. Также сервисы предоставляют средства для бизнес-аналитики, такие как мгновенный доступ к основным данным и трендам и возможность отслеживания ключевых показателей (популярные маршруты, тренды ценообразования, продажи).
Другое облачное решение со схожим функционалом от компании Amber Road позволяет оценить различные варианты осуществления международных перевозок, выбрать и забронировать вариант с минимальными затратами с учетом всех базовых и дополнительных расходов и оценить перевозчиков при помощи различных метрик, таких как время доставки, точность выставления счетов и т. д.
Популярная в Европе облачная логистическая платформа «AX4» от немецкой компании AXIT стандартизирует процессы и снижает сложность за счет реализации функционала управления логистическими процессами между взаимодействующими компаниями. Она позволяет грузоотправителям и поставщикам логистических услуг обмениваться данными о более чем мил-
лионе погрузок каждый день, в том числе отображая физический поток товаров на карте.
Также стоит отметить компанию LLamasoft и ее программное обеспечение «LLamasoft Supply Chain Guru», позволяющее крупным компаниям из разных отраслей проектировать, анализировать и совершенствовать свои операции в сети цепи поставок. Крупные компании на основе результатов моделирования получают возможность вносить значительные изменения в свои операции с целью снизить затраты и риски и повысить уровень обслуживания.
Рассмотренные системы в большей степени удовлетворяют требованиям, предъявляемым к информационным системам в краткосрочной и среднесрочной перспективе. Они сохраняют информацию о ежедневных операциях, предоставляют доступ к ней участвующим в данных операциях сторонам, а также инструменты для планирования поставок материалов и производства с учетом основанных на данных розничных продавцов прогнозов о будущем спросе.
Однако системы, способные удовлетворять требованиям в долгосрочной перспективе, нуждаются в использовании более сложных методов для поддержки использующих их компаний на стратегическом уровне. Поддержка принятия решений, распространяющихся на сравнительно отдаленное будущее, может осуществляться с помощью методов искусственного интеллекта, эмулирующих человеческий разум и процессы, характерные для естественных систем, такие как адаптация и обучение, планирование в условиях неопределенности и обработка большого количества данных. Методы искусственного интеллекта комбинируют элементы обучения, приспособления, эволюции и аппроксимирующих (нечетких) рассуждений для создания программ, которые в некоторой степени можно отнести к интеллектуальным.
В частности, методы искусственного интеллекта применяются в облачной CRM-системе «Salesforce», автоматизирующей процесс работы с клиентами. В ее компоненте «Salesforce Einstein» используются данные, которые ежедневно загружают миллионы пользователей, для подготовки прогнозных моделей [10]. Полученные прогнозные модели имеют высокую точность и могут быть использованы в продажах, обслуживании, маркетинге и других областях. К кругу задач, на решение которых направлена данная система, относятся выбор среди потенциальных клиентов тех, с которыми вероятнее всего будет заключена сделка, расчет наилучшего времени для отправки сообщений клиенту на основе его активности в системе и поиск в существующих данных будущих шаблонов для любого бизнес-процесса.
Данные задачи решаются при помощи машинного обучения, прогнозной аналитики, об-
работки естественного языка и восстановления f
данных на основе интеллектуального анали- ш
за, что позволяет создавать модели, способные х
к обучению, самонастройке и предоставля- ш
ющие возможность компаниям при работе со ^
своими клиентами прогнозировать будущие s
действия, рекомендовать дальнейшие шаги и i
в некоторых случаях автоматизировать зада- ш
чи. В дальнейшем планируется изучать уже ™
накопленные данные и выявлять новые зада- !=
чи, которые можно будет решать при помощи <
методов искусственного интеллекта. ^
Другое решение с использованием методов <
искусственного интеллекта — облачная плат- >=
форма «Clear Metal», которая исследует, мо- ^
делирует и прогнозирует логистику междуна- EÍ
о
родной торговли в режиме реального времени. ш Она разрабатывает инструменты для построения прогнозов для компаний, осуществляющих международные контейнерные перевозки.
Объем данных, связанных с мировой торговлей, постоянно растет из-за того, что оцифровке подвергается едва ли не каждый ее аспект. Это приводит к возникновению инструментов и подходов, направленных на осмысление возникающей в результате сложности. Использование данных, описывающих поведение потребителей, исследование изменений рынка и ежедневных оперативных непредвиденных расходов, мощностей и контейнеров, а также методов искусственного интеллекта, повышает точность прогнозов. Для эффективного распределения активов необходимо сначала предсказать поведение рынка и грузоотправителя, далее точно спрогнозировать запасы, оптимизировать размещение контейнеров и, в конечном итоге, максимизировать использование судна-контейнеровоза.
Интеллектуальный анализ и автоматическое прогнозирование сети оперативных мероприятий применяется для улучшения планирования, принятия решений и проектирования сети цепи поставок. Тем самым открывается возможность увеличения потока контейнерных перевозок за счет прогнозирования предложения и спроса на них и повышения эффективности использования судна на основе применения прогнозных оценок спроса на контейнеры, невыполнения перевозок и определения тех контейнеров, которые не будут доставлены в срок.
Еще одним направлением развития искусственного интеллекта являются мультиагент-ные системы. Они также имеет большой потенциал для применения в сфере управления цепями поставок. Создаваемые комплексные интеллектуальные информационные (не обязательно облачные) системы будут состоять из множества интеллектуальных агентов, представляющих собой естественную метафору сети предприятий, организующих цепь поставок,
f каждое из которых должно быть ориентировано
ш не только на максимизацию собственной при-
х были, но и на максимизацию цепи поставок
ш в целом.
^ В качестве примера отечественной мульти-
s агентной системы можно привести интеллек-
i туальную систему управления сетями поста-
ш вок «Smart Supply Networks», разработанную
™ российской компанией «Генезис знаний». Она
с позволяет регистрировать изменения количе-
>
< ственных запасов продуктов в местах их распро-^ странения и адаптивно планировать доставку
< новых товаров, исходя из статистики потребле-i= ния и спроса в режиме реального времени. Сис-^ тема предполагает согласованное взаимодей-EÍ ствие между предприятиями и поставщиками ш материалов для планирования производства,
межрегиональными складами и транспортными компаниями для планирования поставок и развозки по магазинам в регионах, поддержания товарных остатков на складах, а также прогнозирования сбыта в магазинах.
На этом развитие рынка услуг в сфере логистики и управления цепями поставок не останавливается; продолжают создаваться новые стартапы, направленные на автоматизацию данной сферы. В бизнес-акселераторе Dynamo, специализирующемся на поддержке логистических сервисов, получают поддержку и консультации несколько логистических стартапов, например Shipamax, предоставляющий платформу по бронированию грузовых судов для перевозки металлов, нефтепродуктов, сельскохозяйственной продукции, или Stord, разрабатывающий платформу, которая позволяет бронировать склады для хранения продукции.
Литература
1. Ботвин Г. А., Рубцов А. Е., Белых Д. Л. Направления совершенствования логистической системы предприятий за счет развития ИТ-инфраструктуры и применения мультиагентных систем // РИСК: Ресурсы, Информация, Снабжение, Конкуренция, 2016. № 2. C.202-206.
2. Anderson D. L., Britt F. F., Favre D. J. The 7 principles of supply chain management // Supply Chain Management Review. 2007. Vol. 11, N 3. P. 41-46.
3. Habib M., ed. Supply Chain Management — Applications and Simulations // Croatia: InTech Open Access. 2011. 264 p.
4. Chaib-draa B., Müller J. P., eds. Multiagent based Supply Chain Management. Dordrecht: Springer Publ., 2006. 450 p.
5. Helo P., Szekely B. Logistics information systems: an analysis of software solutions for supply chain co-ordination // Industrial Management & Data Systems. 2005. Vol. 105, N 1. P. 5-18.
6. Bodenstab J. The Next Generation of Planning and Scheduling Solutions: [Электронный ресурс]. Режим доступа: http://www.synchrono.com/wp-con-tent/uploads/2014/01/2014-01-09-WP_Next-Gene-ration-of-Planning-and-Scheduling-Solutions.pdf.
7. What's New in Inventory Optimization? // Tools-Group Powerfully Simple: [Электронный ресурс]. Режим доступа: http://blog.toolsgroup.com/en/ whats-new-in-inventory-optimization.
8. Сизов А. В. Реальность и перспективы рынка облачных вычислений в России и мире // Экономические стратегии. 2013. Т. 15, № 7 (115). С. 76-83.
9. The Importance of Cloud Computing for the Digi-talization in Logistics: [Электронный ресурс]. Режим доступа: https://www.axit.de/images/White-paper_Download/AXIT-Study_Cloud-Computing-in-Logistics_2016_EN.pdf.
10. Salesforce Brings Artificial Intelligence to Everyone with Einstein: [Электронный ресурс]. Режим доступа: http://www.supplychain247.com/article/ salesforce_brings_artificial_intelligence_to_every-one_with_einstein/apex_supply_chain_technologi-es?ajs_uid=4791H9340267D1X.
References
1. Botvin G. A., Rubtsov A. E., Belykh D. L. Naprav-leniya sovershenstvovaniya logisticheskoy sistemy predpriyatiy za schet razvitiya IT-infrastruktury i primeneniya mul'tiagentnykh sistem [Directions of improving the logistics system of enterprises through the development of IT infrastructure and the application of multi-agent systems]. RISK: Resursy, Informatsiya, Snabzhenie, Konkurentsiya, 2016, no.2, pp.202-206.
2. Anderson D. L., Britt F. F., Favre D. J. The 7 principles of supply chain management. Supply Chain Management Review, 2007, vol. 11, no. 3, pp. 41-46.
3. Habib M., ed. Supply chain management — applications and simulations. Rijeka, Croatia, InTech Publ., 2011. 264 p. Available at: http://www.twirpx.com/ file/1272218/.
4. Chaib-draa B., Müller J. P., eds. Multiagent based supply chain management. Dordrecht, Springer Publ., 2006. 450 p. (Studies in Computational Intelligence, no. 28). Available at: http://www.twirpx.com/file/ 436632/.
5. Helo P., Szekely B. Logistics information systems: An analysis of software solutions for supply chain co-ordination. Industrial Management & Data Systems, 2005, vol. 105, no. 1, pp. 5-18.
6. The next generation of planning and scheduling solutions. Available at: http://www.synchrono.com/ wp-content/uploads/2014/01/2014-01-09-WP_Next-Generation-of-Planning-and-Scheduling-Solutions. pdf.
7. Bodenstab J. What's new in inventory optimization? ToolsGroup Powerfully Simple, 2016. Available at: http://blog.toolsgroup.com/en/whats-new-in-inven-tory-optimization.
8. Sizov A. V. Real'nost' i perspektivy rynka oblach-nykh vychisleniy v Rossii i mire [Reality and prospects of cloud computing market in Russia and in the world]. Ekonomicheskie strategii, 2013, vol. 15, no. 7 (115), pp. 76-83.
9. The importance of cloud computing for the digitali-zation in logistics. AXIT GmbH, Institute for Cloud Computing. 2016. Available at: https://www.axit. de/images/Whitepaper_Download/AXIT-Study_Clo-ud-Computing-in-Logistics_2016_EN.pdf.
10. Salesforce brings artificial intelligence to everyone with Einstein. 2016: Available at: http://www.sup-plychain247.com/article/salesforce_brings_artifici-al_intelligence_to_everyone_with_einstein/apex_sup-ply_chain_technologies?ajs_uid=4791H9340267D1X.
