Bản chất của học máy là dạy các chương trình máy tính hoạt động giống như con người. Tuy nhiên, khi ngày càng có nhiều chuyên gia chuỗi cung ứng nhận ra giá trị của việc phản chiếu tài sản công ty bằng trí tuệ nhân tạo, thì rõ ràng giá trị đáng kể nằm ở việc dạy các chương trình máy tính hoạt động giống như các máy móc khác.
Ưu điểm bao gồm những cải tiến về chất lượng như độ bền cao hơn, hiệu suất kéo dài và ít khuyết tật hơn; hoạt động hiệu quả hơn từ việc thực hiện thay đổi kỹ thuật tốt hơn, hiệu suất thiết bị và ít thay đổi hơn; tiết kiệm dịch vụ thông qua hiệu quả cao hơn và hiểu rõ cấu hình thiết bị tại hiện trường; hiện thực hóa sản phẩm nhanh hơn; và tăng cường lập kế hoạch và thực hiện chuỗi cung ứng toàn cầu. Đó là một danh sách ấn tượng về các lợi ích tiềm năng của chuỗi cung ứng. Thật không may, cũng có một số câu hỏi sâu sắc đã xuất hiện cần trả lời.
Một bài báo có dây gần đây mô tả mối quan tâm của các chuyên gia trong ngành liên quan đến khả năng tồn tại lâu dài của học máy và trí tuệ nhân tạo – mà tác giả Clive Thompson lưu ý rằng đã trở thành những cách chủ đạo để giúp các chương trình máy tính cảm nhận và nhận thức thế giới xung quanh. “Trong nhiều năm, dường như [machine] việc học sẽ chỉ tiếp tục trở nên tốt hơn, dẫn đến không thể tránh khỏi một cỗ máy với trí thông minh linh hoạt, dẻo dai của con người, ”ông viết. “Nhưng một số người theo thuyết dị giáo cho rằng học sâu đang đụng phải một bức tường. Họ nói rằng, tự nó, nó sẽ không bao giờ tạo ra trí thông minh tổng quát. “
Thompson tiếp tục gợi ý rằng, nếu chúng ta không thể tìm ra cách truyền tải các chương trình máy tính với ý thức chung giống như con người, chúng ta sẽ tiếp tục “vượt qua giới hạn” của học máy. Ông nói rằng lĩnh vực này cần được thúc đẩy dưới dạng các quy tắc có thể giúp các chương trình máy tính suy luận về thế giới. Cốt lõi của tình thế tiến thoái lưỡng nan là việc con người sở hữu kiến thức cơ bản về cách mọi thứ hoạt động và tương tác với nhau, kết hợp với khả năng giải thích và hợp lý hóa độc đáo. Máy tính thiếu các kỹ năng vốn có liên quan đến hiểu biết, thuyết tương đối và suy luận.
Đối mặt với vấn đề
Cho dù tổ chức của bạn đang đầu tư vào học máy để tạo ra các thuật toán dự báo nhu cầu sản phẩm hay để kéo dài tuổi thọ của máy móc và thiết bị thông qua các cặp song sinh kỹ thuật số, thì các vấn đề mà Thompson viết đều rất quan trọng. Bây giờ là lúc để đảm bảo chuỗi cung ứng của bạn sẽ không “vượt qua giới hạn” của máy học.
Bắt đầu bằng cách đọc câu chuyện trang bìa tạp chí APICS gần đây “Sản xuất ảo nâng cao thực tế.” Tác giả Elizabeth Rennie giải thích rằng học máy cho phép các nhà sản xuất xây dựng các bản sao ảo của hệ thống, quy trình và sản phẩm từ thiết kế và phát triển cho đến cuối vòng đời của chúng. Những cặp song sinh kỹ thuật số này mô hình hóa cách một nội dung tương tác với môi trường của nó, cho phép người dùng thấy trước kết quả tiềm năng. Khi làm như vậy, học máy có thể giúp bạn không chỉ giải quyết mà còn thực sự ngăn chặn những gián đoạn tiềm ẩn và giữ cho chuỗi cung ứng hoạt động hiệu quả nhất có thể.
Cô viết: “Cặp song sinh kỹ thuật số dựa vào hàng nghìn cảm biến, được phân phối trong suốt quá trình sản xuất vật lý. “Họ cung cấp khối lượng các phép đo tích lũy trong nhiều kích thước – mọi thứ từ hoạt động của máy móc đến điều kiện môi trường trong chính nhà máy. Thông tin liên tục được truyền đạt, tổng hợp và phân tích, với mục tiêu cuối cùng là tối ưu hóa quy trình, phát hiện các vấn đề vật lý tiềm ẩn và hiện tại, dự đoán kết quả và xây dựng sản phẩm tốt hơn. ”
Ý tưởng là nếu bạn quan sát một cặp song sinh kỹ thuật số, bạn sẽ biết chính xác cách đối tác vật lý của nó hoạt động như thế nào trong thế giới thực – tất nhiên, giả sử ngay từ đầu, chiếc máy đã được dạy đúng cách. Trên thực tế, Rennie nhắc lại nhiều mối quan tâm trong bài báo trên Wired: “Xác minh và xác nhận… là những giai đoạn quan trọng để đảm bảo ứng dụng thành công một cặp song sinh kỹ thuật số và tăng độ tin cậy và chấp nhận của nó. Việc xác nhận yêu cầu đánh giá xem bộ đôi kỹ thuật số có phục vụ mục đích mà nó đã dự định hay không; xác minh bao gồm việc xác nhận xem các thành phần và chức năng của mô hình có hoạt động bình thường hay không. ”
Tin tốt là cả hai đều có thể được kiểm tra bằng cách so sánh kết quả của tài sản thực tế với tài sản sinh đôi kỹ thuật số của nó khi được cung cấp cùng một đầu vào. Loại phương pháp tiếp cận có hệ thống này là điều cần thiết để đạt được mục tiêu học máy.
Đọc toàn bộ bài viết để tìm hiểu thêm về cách đúng đắn để sử dụng máy học trong chuỗi cung ứng của bạn. Sau đó, hãy kiểm tra Tổng hợp các xu hướng đổi mới và toàn cầu trên Trang web tạp chí APICS để khám phá nội dung chuyên gia hơn nữa được thiết kế để thúc đẩy công ty và sự nghiệp của bạn.
Nguồn: ascm.org
