A TRIGO mesterséges intelligenciát használ az ellátási lánc teljesítményének javítására a repülőgépiparban

A mesterséges intelligencia alkalmazása forró téma. Alig telik el nap anélkül, hogy cikkek és sajtóközlemények ne magyaráznák, hogy ez forradalmat indít el az iparban és megváltoztatja a mindennapi gyártási gyakorlatot. A repülőgépiparban néhány jelentős szereplő nagy összegeket fektetett be a nagy mennyiségű adatot elemző szoftverekbe. Valóban elmondhatjuk, hogy javították az iparág vagy az ellátási lánc teljesítményét? Nem kellene egy kicsit más szemszögből megközelíteni a problémát?

A TRIGO Aerospace, Defence & Rail küldetése, hogy javítsa a repülőgépipari és védelmi ellátási láncok teljesítményét, mind a szállítási minőség (OQD), mind a határidőre történő szállítás (OTD) tekintetében.

Küldetésünk, hogy az alkatrészeket időben és megfelelő minőségben szállítsuk le, hogy ügyfeleink gond nélkül folytathassák több millió dolláros termékeik gyártását. Ennek érdekében amellett, hogy technikusokat és mérnököket küldünk a beszállítói telephelyekre, saját szoftverrel gyűjtjük és elemezzük az OTD/OQD adatokat a portfóliónkban támogatott különböző gyártóüzemekből.

E technológia kifejlesztése során feltettünk magunknak néhány alapvető kérdést:“Használhatjuk-e az AI-t arra, hogy valóban javítsuk az ellátási lánc teljesítményéért felelős emberek mindennapi életét?”

Nem az a célunk, hogy gigabájtnyi adatelemzést vagy rengeteg grafikont nyújtsunk. Valami egyszerű és könnyen értelmezhető dolgot szeretnénk kínálni, amely döntéshozatali eszközként használható. Tegyük fel magunknak tehát a következő kérdést:

“Ha egy gyárat ellátó 50 beszállítóból álló portfóliót kezelünk, meg tudjuk-e jósolni, hogy melyikük fog késni a következő hónapban? Ha igen, akkor a probléma megoldása érdekében ezekre a kulcsfontosságú területekre tudjuk-e összpontosítani a figyelmünket, a vezetőség és a beszállítók figyelmét?”

E kérdések megválaszolására kifejlesztettünk egy mesterséges intelligencián alapuló eszközt, az “OTD előrejelzőt“. A beszállítók portfólióját és az elmúlt 12 hónap szállítási előzményeinek neurális hálózatát felhasználva az eszköz egy előrejelző jelentést készít, amely tartalmazza annak a 10 beszállítónak a listáját, akik a legnagyobb valószínűséggel nem fognak szállítani a következő hónapban.

Ennyire egyszerű a dolog. Az eredmény nem 200 oldalnyi adat, hanem egy egyszerű lista néhány olyan beszállítóról, akiknél potenciálisan nagy a meghiúsulás valószínűsége.

Az OTD eszköz előrejelzési pontossága több mint 90 százalékos. Sőt, minél többet tanul, annál jobban javul. Az eszköz első verziójának pontossága 80 százalékos volt. A 90 százalékos pontossági arány azt jelenti, hogy amikor az eszköz azt jósolja, hogy egy beszállító nem fog teljesíteni, akkor 10-ből 9 esetben nem is teljesíti, tehát a beszállító nem teljesíti a határidőre vonatkozó követelményeket.

Egy olyan időszakban, amikor a szakképzett munkaerő szűkös erőforrás, a mesterséges intelligencia segíthet az emberi munkaerő optimalizálásában. Nem az a célunk, hogy helyettesítsük a minőségügyi mérnököket; segíteni akarjuk őket abban, hogy hatékonyabbá váljanak azáltal, hogy azonosítjuk azokat a kiemelt problémákat, amelyekre összpontosítaniuk kell, és megszüntetjük a felesleges munkát.”

Az OTD prediktor olyan alapvető eszköz, amely mostantól a szolgáltatási kínálatunk részét képezi, az adatbázisokkal, a KPI-kkel és az ügyfélportálhoz való hozzáféréssel együtt.