L’AI cerca di risolvere i problemi dell’approvvigionamento delle merci anticipandoli prima che si crei una situazione di stallo dell’economia.
di Will Douglas Heaven
Con le interruzioni della catena di approvvigionamento delle merci negli ultimi due anni che non mostrano segni di allentamento in tempi brevi, le aziende si stanno rivolgendo a una nuova generazione di simulazioni basate sull’intelligenza artificiale chiamate gemelli digitali per aiutarle a fornire beni e servizi ai clienti con i tempi giusti. Questi strumenti non solo prevedono interruzioni lungo la linea di distribuzione, ma suggeriscono cosa fare al riguardo. Le aziende disperate alle prese con il crollo delle spedizioni just-in-time stanno usando questa risorsa per trovare un equilibrio cruciale tra efficienza e resilienza.
L’elenco delle cose che negli ultimi mesi è stato difficile trovare è tanto vario quanto lungo: auto nuove, ultimi modelli di telefoni, lenti a contatto, prodotti per la pulizia, prodotti freschi, libri. “Non è come quando era finita la carta igienica nei negozi nel marzo 2020”, afferma Chris Nicholson, fondatore di Pathmind, un’azienda che applica l’intelligenza artificiale ai problemi logistici.
Il covid-19 ha acceso i riflettori su molte delle reti mondiali, da Internet ai viaggi aerei internazionali. Ma le catene di approvvigionamento che attraversano il mondo – le navi, i camion e i treni che collegano le fabbriche ai porti e ai magazzini, portando quasi tutto ciò che acquistiamo a molte migliaia di miglia da dove viene prodotto a dove viene consumato – stanno affrontando una situazione più difficile di quanto sia mai accaduto finora.
“È giusto dire che qualunque prodotto si venda ora, si ha un problema”, afferma Jason Boyce, fondatore e CEO di Avenue7Media, una società di consulenza che fornisce servizi ai più grandi venditori di Amazon. Boyce dice di avere clienti che farebbero girare decine di milioni di dollari all’anno se potessero avere la disponibilità dei prodotti.
I gemelli digitali cercano di risolvere il problema delle interruzioni nella catena di approvvigionamento anticipandolo prima che si verifichi e quindi utilizzando l’intelligenza artificiale per trovare una soluzione alternativa. Il nome cattura l’idea chiave di simulare un sistema complesso in un computer, creando una sorta di gemello che rispecchia gli oggetti del mondo reale, dai porti ai prodotti. Le simulazioni fanno parte del processo decisionale nell’industria da alcuni anni, aiutando le persone a esplorare diversi design di prodotti o a semplificare il layout di un magazzino.
Ma la disponibilità di grandi quantità di dati in tempo reale e di potenza di calcolo significa che è possibile simulare per la prima volta processi più complessi, incluso il caos delle catene di approvvigionamento globali che spesso si affidano a numerosi fornitori e reti di trasporto. Questo tipo di tecnologia ha dato ad Amazon, che ha già il vantaggio di controllare i propri camion e magazzini, un ulteriore vantaggio per anni. Ora anche altri lo stanno abbracciando.
Google sta sviluppando gemelli digitali della catena di approvvigionamento che la casa automobilistica Renault ha annunciato di aver iniziato a utilizzare a settembre. I giganti delle spedizioni internazionali come FedEx e DHL stanno costruendo il proprio software di simulazione. Anche aziende di intelligenza artificiale come Pathmind stanno creando strumenti su misura per chiunque possa pagarli. Eppure non tutti ne trarranno beneficio. In effetti, la nuova potente tecnologia potrebbe ampliare un crescente divario digitale nell’economia globale.
Resistere alla tempesta
È facile incolpare la pandemia per gli attuali problemi della catena di approvvigionamento. Le chiusure delle fabbriche e la carenza di manodopera hanno messo fuori uso i centri di produzione e consegna mentre un balzo negli acquisti online ha fatto aumentare la domanda di consegne a domicilio.
Ma in verità, la pandemia ha solo peggiorato una brutta situazione. “Ci sono forze globali che si sono combinate in una tempesta perfetta”, afferma D’Maris Coffman, economista dell’University College di Londra che studia l’effetto della pandemia sulle catene di approvvigionamento. Per placare questa tempesta sarà necessario investire migliaia di miliardi di dollari nelle infrastrutture globali, espandere i porti e le flotte di consegna e investire in una migliore gestione, condizioni di lavoro più avanzate e accordi commerciali di alto livello.
“La tecnologia non risolverà questi problemi. Non consentirà alle navi di trasportare più container”, afferma David Simchi-Levi, che dirige il laboratorio di data science presso il Massachusetts Institute of Technology e ha contribuito a creare gemelli digitali per diverse grandi aziende. Ma l’intelligenza artificiale può aiutare a superare le situazioni d’emergenza. “I gemelli digitali ci consentono di identificare i problemi prima che si verifichino”, afferma.
Secondo Hans Thalbauer, amministratore delegato delle catene di approvvigionamento e del team logistico di Google, il problema più grande che le aziende devono affrontare è l’incapacità di prevedere gli eventi a monte della catena. “Non importa con quale azienda si parla”, dice. “Tutti nel mondo della filiera diranno che non hanno il quadro generale di cui hanno bisogno per prendere decisioni”.
È questa “visibilità” della catena di approvvigionamento che consente ad Amazon, per esempio, di prevedere quando un articolo si presenterà alla porta del cliente. Per ogni articolo che Amazon consegna in proprio, inclusi i milioni di articoli che consegna per conto di venditori di terze parti come Boyce e i suoi clienti, fornisce una stima accurata di quando verrà consegnato.
Potrebbe non sembrare molto, afferma Boyce, ma se Amazon avesse sbagliato queste previsioni, avrebbe iniziato a perdere clienti, specialmente durante le festività natalizie, quando le persone acquistano regali dell’ultimo minuto e si fidano di Amazon per consegnarli. “Ci vuole un’enorme potenza di calcolo solo per mostrare quel semplice giorno di consegna”, dice.
Secondo Deliverr, un’azienda statunitense che gestisce la logistica di consegna per più aziende di e-commerce tra cui Amazon, Walmart, eBay e Shopify, un tempo di consegna stimato di due giorni rispetto a 7-10 giorni aumenta le vendite del 40 per cento; un tempo di consegna stimato di un giorno aumenta le vendite del 70 per cento.
Non sorprende che gli altri vogliano una sfera di cristallo tutta loro. Le catene di approvvigionamento just-in-time sono quasi morte. Le interruzioni degli ultimi due anni hanno affondato molte aziende che hanno inseguito l’iperefficienza all’estremo. Lo spazio del magazzino è costoso.
“Prima della pandemia, la maggior parte delle aziende si concentrava sul taglio dei costi”, afferma Simchi-Levi. Ora sono disposti a pagare per la resilienza. Ma è necessario trovare il giusto equilibrio tra le due fasi. Questo è il vero potere delle simulazioni. “Stiamo assistendo a un numero crescente di aziende che iniziano a mettere alla prova le proprie catene di approvvigionamento utilizzando i gemelli digitali”, afferma.
Cosa succede se?
Esplorando diversi scenari possibili, le aziende possono identificare l’equilibrio tra efficienza e resilienza che funziona meglio per loro. Si aggiunga l’apprendimento per rinforzo profondo, che consente a un’intelligenza artificiale di apprendere attraverso tentativi ed errori quali azioni intraprendere in diverse situazioni e i gemelli digitali diventano macchine per esplorare domande ipotetiche.
Se ci fosse la siccità a Taiwan e la scarsità d’acqua interrompesse la produzione di microchip? Un gemello digitale potrebbe prevedere il rischio che ciò accada, tracciare l’impatto che avrebbe sulla catena di approvvigionamento e, utilizzando l’apprendimento per rinforzo, suggerire quali azioni intraprendere per ridurre al minimo il danno.
A un produttore di automobili nel Midwest degli Stati Uniti, per esempio, un gemello digitale potrebbe suggerire di acquistare componenti extra da un distributore sulla costa occidentale che ha ancora eccedenze. Ma quando si mettono insieme più scenari, le cose diventano presto molto complesse.
Secondo Simchi-Levi, Ford gestisce più di 50 stabilimenti in tutto il mondo, che utilizzano 35 miliardi di componenti per produrre 6 milioni di auto e camion ogni anno. Ci sono circa 1.400 fornitori distribuiti in 4.400 siti di produzione con cui interagisce direttamente e una pila di fornitori tra Ford e le materie prime che entrano nei suoi veicoli. Uno qualsiasi di questi collegamenti potrebbe interrompersi e un buon stress test dovrebbe sondare ciascuno di essi.
I gemelli digitali attingono a quanti più dati possibile per eseguire le loro simulazioni e addestrare le loro AI. Ci sono informazioni logistiche sull’azienda e sui suoi fornitori, che tengono conto di input come dati di inventario e spedizione. Poi ci sono i dati sul comportamento dei consumatori, basati su analisi di mercato e proiezioni finanziarie, e quelli relativi alla situazione del mondo in generale, come le tendenze geopolitiche e socioeconomiche. Simchi-Levi ha persino attinto dati dai social media per prevedere il comportamento delle persone, soprattutto durante la pandemia.
Il gemello digitale di Google può essere collegato a Google Earth e tenere conto dei modelli meteorologici globali. Un coltivatore di ortaggi in California, per esempio, può eseguire simulazioni per vedere quali dei suoi campi sono messi a rischio da La Niña, afferma Thalbauer. Quando Google configura un gemello digitale per un cliente come Renault, può scegliere quale delle numerose fonti di dati disponibili includere.
Pathmind adotta un approccio meno articolato. Il suo gemello digitale prende in considerazione semplicemente gli strumenti di gestione della catena di approvvigionamento esistenti di un’azienda, attingendo ai dati della produzione attuale. Quindi lavora su questi dati eseguendo simulazioni what-if, aggiungendo i dati sintetici risultanti al materiale su cui addestra la sua intelligenza artificiale.
L’approccio è simile a come AlphaZero ha dominato Go e scacchi giocando milioni di partite virtuali contro se stesso. Invece di imparare quale pezzo spostare su una tavola, i gemelli digitali possono imparare quale stock ordinare e quando o dove aprire un nuovo magazzino.
Con i giusti dati sintetici, un gemello digitale può imparare a rispondere a eventi mai visti prima, persino a pandemie globali. “Qui è dove entriamo nel ginepraio di ‘Perché l’intelligenza artificiale è intelligente?'”, afferma Nicholson. “Vive più di noi, in tanti mondi diversi, alcuni dei quali non sono mai esistiti prima”.
In teoria, chiunque può beneficiare di questa tecnologia. In pratica, ci saranno vincitori e vinti. “La tecnologia dei gemelli digitali rappresenta una potente opportunità per le aziende di qualsiasi dimensione”, afferma Rick Lazio, avvocato ed ex membro del Congresso degli Stati Uniti che ora è vicepresidente senior di Alliantgroup, una società di consulenza fiscale con sede negli Stati Uniti. Ma osserva che sono le aziende più grandi, già protette dalle perdite, che stanno iniziando a utilizzare questa tecnologia più velocemente.
Lazio pensa che molte piccole imprese avranno bisogno di aiuto, magari attraverso investimenti governativi, per evitare di restare indietro. “Le aziende che adottano la tecnologia in anticipo vedono benefici maggiori della somma delle sue parti”, afferma. E non sono solo le piccole imprese. “Molti porti del mondo funzionano ancora su carta. Nei casi migliori usano PDF ed e-mail”, afferma Nicholson. “Senza digitalizzazione, non abbiamo l’intelligenza artificiale”.
Simchi-Levi è più ottimista. Molte aziende pensavano che la creazione di un gemello digitale richiedesse enormi investimenti e anni per ripagarsi da sola, dice, ma non è più così: un milione di dollari e 18 mesi sono sufficienti per godere di molti vantaggi. “Gli ultimi due anni”, spiega Simchi-Levi, “hanno insegnato alle aziende come competere meglio. Quando torneremo alla normalità, non sarà più come prima”.
Immagine di: Ms Tech / Getty
(rp)