AI בשרשרת האספקה מבטיח חיזוי ביקוש מדויק יותר, איתור שיבושים, תכנון מלאי ותעדוף ספקים. אולם שרשרת אספקה היא מערכת דינמית: מבצע, מזג אוויר, שביתה, מלחמה, שינוי רגולטורי או לקוח גדול יכולים להפוך דפוס היסטורי לפחות שימושי. לכן מודל אינו “כדור בדולח”. הוא כלי החלטה שצריך לעבוד לצד ידע תפעולי, נתונים עדכניים ותהליך מסודר לטיפול בחריגים.
מודלים יכולים לשלב היסטוריית מכירות, עונתיות, מבצעים ומאפייני שוק. לפני שמאמצים תחזית, משווים אותה לקו בסיס פשוט ולתחזית האנושית הקיימת. בודקים לא רק טעות ממוצעת, אלא גם מוצרים איטיים, השקות, אזורים ומקרי קצה. תחזית טובה צריכה להיות שימושית להחלטת רכש או ייצור, לא רק להציג ציון סטטיסטי מרשים.
AI יכול להציע נקודת הזמנה, מלאי ביטחון או העברה בין אתרים. ההמלצה תלויה ברמת השירות, זמן אספקה, מגבלת אחסון ועלות חוסר. חשוב להגדיר מי רשאי לאשר שינוי ומה קורה כאשר ההמלצה סותרת ידע מהשטח. במוצר קריטי או מתכלה, הבקרה צריכה להיות מחמירה יותר מאשר בפריט זול ויציב.
המערכת יכולה לסרוק הודעות, נתוני משלוחים וסימנים מוקדמים. יש להבחין בין איתות לבין עובדה ולאפשר לאיש רכש לאמת מקור. דירוג ספקים עלול להיות מושפע מנתונים חלקיים או מהטיה היסטורית, ולכן צריך להציג את הגורמים לציון ולאפשר תיקון. ספק אינו צריך להיפגע מהחלטה אוטומטית שאיש אינו מסוגל להסביר.
שרשרת אספקה מפזרת מידע בין ERP, מערכות מחסן, ספקים, קבצים ידניים וחברות שילוח. לפני פיילוט ממפים בעלות על שדות, יחידות מידה, זמני עדכון וחוסרים. שינוי בקוד מוצר או ספק עלול ליצור היסטוריה שגויה. מומלץ לבנות מילון נתונים קצר ולתעד מקור אמת לכל החלטה. מודל מתקדם אינו מפצה על תאריך אספקה חסר או מלאי שאינו מסונכרן.
בוחרים משפחת מוצרים או אתר אחד, מגדירים החלטה שהמודל יסייע בה ומריצים תקופה מוגבלת. אפשר להתחיל במצב צל: ההמלצה נשמרת אך אינה מבוצעת, ואז משווים למה שקרה בפועל. הפיילוט כולל תקופות רגילות וחריגות. בעל התהליך מתעד מדוע קיבל או דחה המלצה, וכך נוצר מידע לשיפור המודל ולשיפור הנהלים.
יש להצמיד מדדי שירות ועלות. הקטנת מלאי יכולה להיראות כהצלחה עד שמספר החוסרים עולה. חיזוי מדויק בממוצע יכול להסתיר כשל בפריטים קריטיים. לכן לוח הבקרה צריך לאפשר פילוח ולהציג גם חריגים, לא רק ממוצע ארגוני.
לכל מערכת נדרש תהליך נפילה: מה עושים כאשר הנתונים מתעכבים, המודל אינו זמין או אירוע חיצוני משנה את המציאות. שומרים יכולת לעבוד ידנית, מגדירים סף שבו עוברים לכלל עסקי ומבצעים בדיקות לחץ. מסגרת NIST AI RMF מסייעת למפות השפעה, למדוד סיכון ולהגדיר אחריות. ההמשכיות חשובה במיוחד כאשר המלצה אוטומטית מחוברת להזמנה או לייצור.
מתכננים, קניינים, מנהלי מחסן ואנשי מכירות רואים חלקים שונים של התמונה. לכן ההטמעה צריכה לכלול פורום משוב קצר, הגדרת חריגים והסבר מדוע המערכת המליצה. סדנת AI לארגונים מאפשרת לתרגל תרחישי שרשרת אספקה, והדרכת AI לארגונים בונה שגרות בדיקה ועבודה לפי תפקיד.
מערכת שרשרת אספקה נוגעת בנתוני ספקים, מחירים, זמינות ולעיתים מידע מסחרי רגיש. בודקים היכן הנתונים נשמרים, כיצד המערכת מתחברת ל-ERP, מי רואה המלצות ומה נשמר ביומן. חשוב להבטיח שהאינטגרציה אינה מבצעת הזמנה בלתי הפיכה ללא סף ואישור. בחוזה מגדירים זמינות, הודעה על שינוי מודל, ייצוא נתונים וסיוע באירוע. הוכחת יכולת על נתונים מצומצמים קודמת לחיבור מלא.
תחזית אינה נוצרת רק בתוך הארגון. ספקים מכירים קיבולת וזמני ייצור, ולקוחות גדולים מכירים מבצעים ושינויים צפויים. מומלץ לבנות תהליך שבו מידע חיצוני נכנס באופן מתועד ומאושר, ולא דרך הודעות לא מובנות. כאשר המלצה משפיעה על ספק, משתפים אותו בקריטריונים הרלוונטיים ומאפשרים תיקון מידע. שקיפות תפעולית משפרת גם את הנתונים וגם את האמון.
לא. הוא מספק תחזית או המלצה, בעוד המתכנן משלב מידע שלא תמיד נמצא בנתונים ונושא באחריות להחלטה.
במשפחה בעלת נתונים סבירים, נפח פעילות ומדד עסקי ברור. לא מתחילים במוצר הקריטי ביותר.
מגדירים סף שבו התחזית מושעית, עוברים לכלל חלופי ומזמנים בדיקה אנושית. לאחר האירוע מעדכנים את ערכת הבדיקה.
כאשר השיפור נשמר לאורך מחזורי ביקוש שונים, החריגים מתועדים והצוות יודע להפעיל ולבטל את ההמלצה.
אחת לתקופה בוחנים את הטעות לפי משפחות מוצרים, את שיעור החריגים ואת הסיבות לדחיית המלצות. שינוי בספק, באתר או במדיניות מלאי מחייב בדיקה מחדש. אם המודל נשחק, אפשר לעדכן, לצמצם את התחום או לחזור זמנית לכלל עסקי. ניטור הוא תנאי להפעלה, לא תוספת מאוחרת. כדאי להציג את הממצאים בפורום תפעולי קבוע ולהפוך כל חריג לשיפור בנתונים, במודל או בנוהל.
צוות THE IMPACT מסייע למפות נתונים, לבחור תרחיש, להגדיר פיילוט ולהכשיר משתמשים. קראו על שיטת THE IMPACT או צרו קשר לתיאום היכרות. יחד נבדוק כיצד AI יכול לשפר מלאי ושירות בלי לפגוע בשליטה התפעולית.