Mahesh Babu MG: إبداعي في كفاءة القرار المرتفعة من الذكاء الاصطناعي في تخطيط إنتاج SAP

وتواجه المناطق الصناعية العالمية في حالة تطور دائم، مع رقص معقد من سلسلة التوريد المعقدة، والطلبات في السوق المتقلبة، والضغط المستمر على التكلفة العالية.أنظمة التخطيط التقليدي للإنتاج، التي طال انتظارها في عمليات التصنيع، تتصاعد بشكل متزايد من قبل الحاجة إلى التكيف في الوقت الحقيقي والقدرة على إدارة مجموعة واسعة من المتغيرات. تتطور الذكاء الاصطناعي كقوة تحول عميقة، تتمتع بالقدرة على تعزيز القدرة على اتخاذ القرارات بشكل كبير، وتحسين توزيع الموارد القليلة، وتحسين تدفقات العمل التشغيلية عبر سلسلة القيمة الصناعية. وفي المقابل، يمكن أن تستخدم أنظمة التخطيط القائمة على الذكاء الاصطناعي التقنيات المتقدمة لإجراء تحليلات البيانات في الوقت الحقيقي، وتوقع التغيرات في الطلب بجودة أكبر، وتعديل إعدادات الإنتاج بشكل ديناميكي لتلبية الظروف المتغيرة. في المرتبة الأولى من تدمير الذكاء الاصطناعي في مجال حلول الإنتاج SAP المتقدمة هو Mahesh Babu MG، رئيس شركة SAP Supply Chain Manufacturing.تعكس حياته المهنية، التي تتراوح بين 19 عاماً، خبرة واسعة وخبرات عميقة في حلول SAP Manufacturing and Planning، بما في ذلك SAP ECC، SAP APO، و SAP S/4HANA. وفي الوظيفة الحالية، يُدير فريق SAP Premium Hub CoE Manufacturing and PLM، وهو الوظيفة التي تؤكد القيادة والقدرة الفنية الكبيرة. , “PP/DS with SAP S/4HANA” (على سبيل المثال، الإصدار الأول، ISBN 978-1-4932-1872-1, و ) برنامج SAP Press Book الإصدار الثاني تم تشخيص هذه الإرشادات المتوسطة على التخطيط والتخطيط المتقدمة، والتي تغطي المجالات الحيوية مثل البيانات الرئيسيه، والهولوجيات، والتحسين PP/DS، والتحكم في التحذير. ويعزز مكانته كحكومة رئيسية في المنطقة. تصنيف من مكتبة الكونغرس هذه الجمعية الفريدة من المعرفة العميقة والممارسة في SAP PP/DS والبحث المستقبلي في توسيع الذكاء الاصطناعي تسمح له بالوصول إلى علاقة حيوية بين الأنظمة المؤسسية المنبثقة والموجة التالية من التكنولوجيات الذكية. ويجمع بين الخبرة الكبيرة في SAP PP/DS ومهاراته في تصميم نموذج HANA، MG دراسة سلوكية هامة، والتي تم تصميمها لتقييم جودة القرارات الإدارية عند التشغيل تحت أنظمة التخطيط المرتفعة من الذكاء الاصطناعي. وفي بيئة معقدة من ورش العمل المختلطة، تم إجبار المختصين المشاركين على مقارنة النتائج التقليدية المرتبطة بتقنيات الذكاء الاصطناعي مع الإرشادات التي تديرها الذكاء الاصطناعي.لقد كانت النتائج الفريدة في هذه التجربة: تمكن المستخدمين المتزايدين من الحصول على قرارات التخطيط بنسبة 30٪ أسرع، مما أظهرت معدل التوافق أعلى بنسبة 20٪ على الترتيبات المتقدمة، وبالتالي، مما ساهم في انخفاض بنسبة 12٪ في التوقعات الأخيرة. وفي هذا السياق، فإن مفهوم كوبونات الذكاء الاصطناعي مثل SAP Joule، التي توفر إدراكًا واقعيًا وتصنيع المهام عبر لغة طبيعية، هو أساسًا في هذا الصدد، على الرغم من أنه لم يكن متاحًا في وقت الدراسة، إلا أن استكشاف MG لهذا النموذج من خلال نموذجًا فنيًا هو أمرًا طبيعيًا. وقد أظهرت النتائج التي اكتسبتها هذه الدراسة المبتكرة في وقت لاحق محتوى ورشات MG التنفيذيين وشركاته المختلفة، مما أدى إلى تشديد شهرتها كمدير فكر مؤثر في مجال التخطيط الإنتاجية المرتبطة بالذكاء الاصطناعي. وتهدف جهود MG المهنية بشكل كبير إلى تمكين الصناعات الصناعية في جميع أنحاء أمريكا الشمالية من الاستفادة الكاملة من قدرات حلول SAP Supply Chain Manufacturing.الهدف النهائي هو تحسين التخطيط والتخطيط للصناعات الصناعية بشكل كبير.القطاع الصناعي، وخاصة في أمريكا الشمالية، يمر حالياً في فترة من التغيرات العميقة، التي تنتجها بشكل كبير الرقابة على نطاق واسع والحاجة المباشرة إلى بناء سلسلة التوريد أكثر مرونة وأكثر مرونة. وتعتبر إدماج الذكاء الاصطناعي واحداً من أهم الأدوات في هذا التغيير المستمر، حيث تعتبر نسبة كبيرة من الشركات التي تستكشف بشكل فعال أو تطبق تقنيات الذكاء الاصطناعي في أعمالها.مشروع MG يواجه بشكل مباشر التحديات العملية ويفتح فرصاً مميزة في هذا المجال الصناعي المتطور. إن طبيعة مفهوم "SAP Joule" في دراسة PP/DS لـ MG تشير إلى موقفًا إيجابيًا، واستكشاف إمكانات الذكاء الاصطناعي في المستقبل حتى قبل أن تكون الحلول القياسية متاحة على مستوى العالم. التعامل مع تحديات PP/DS التقليدية مع رؤى مبتكرة من AI في حين أن أنظمة التخطيط التقليدي للإنتاج والتخطيط التفصيلي (PP/DS) قوية، فإنها توفر التحديات الضرورية التي أدت إلى استكشاف تطور الذكاء الاصطناعي. MG يذكر: "في PPDS التقليدي، لا يمكن حل جميع هذه المشاكل التخطيطية والتخطيطية من خلال التخطيط والتخطيط التلقائي والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط والتخطيط. يستغرق التخطيط وقتاً كبيراً لتقييم الإشارات التي تم إنشاؤها من خلال المعاملات التفاعلية، وتحديد المشاكل مثل التوقعات المحتملة في توزيع أوامر البيع بسبب عدم توفر القدرة على إنشاء خطة تجميع، أو حسابات التوريد التي تنخفض في أيام أقل من الحدود المهمة.في هذه الحالة، يتم تركيز التخطيط بشكل رئيسي على إعادة توزيع أو إنشاء أوامر إنتاج جديدة لتقليل المشاكل. وتشكل الهدف من الدراسة الفلسفية هذه الحدائق الموجودة والقدرة الناشئة على الذكاء الاصطناعي. “SAP Joule هو كلاعب مشترك يفهم السياسات التجارية في نظام ERP Cloud Connected.For PPDS, there are no Joule capabilities available in the standard solution as of now.So, this conceptual study focuses on the impact and benefits of a co-pilot/chatbot-enabled production planning and detailed scheduling,” MG explains. وهدف هذا المنهج هو تزويد نموذج الذكاء الاصطناعي باستخدام بيانات الإشعاع PP/DS التاريخية وإجراءات التصحيح المرتبطة التي اتخذتها المختصين.هذا المنهج يهدف إلى تثبيت اتخاذ القرارات للتحذيرات الأكثر شيوعًا وأكثر شيوعًا في نظام Alert Monitor داخل نظام PP/DS ورفع معدلات مثل الوقت والرسالة في الوقت المناسب عن طريق النظر بعناية إلى الموارد والممتلكات المتاحة. ومع ذلك، فإن فعاليته غالبًا ما تعتمد على تقييم الوعي والتعليق للتعامل مع الاستثناءات، مما يتطلب من المختصين التدخل بشكل رئيسي في التقييمات مثل "تأثير حساب التوريد في الأيام في قيمة أقل من حدود معينة" أو "تأخير في توزيع أوامر البيع التي تؤدي إلى عدم توفر القدرة". وتتطلع رؤية إمكانيات الذكاء الاصطناعي المتطورة، قادرة على فهم سياق الأعمال وتفاعلها من خلال لغة طبيعية، إلى التعامل بشكل مباشر مع الضغوط اليدوية المرتبطة بها هذه الإشعارات الشائعة. ويشير التركيز في الدراسة على تدريب الذكاء الاصطناعي باستخدام أدوات التخطيط إلى طريقة لتصنيف وتعزيز المعرفة الدقة القابلة للتخطيط التي تحتفظ بها المختصين ذوي الخبرة حالياً، مما يتيح استنطاق أفضل الممارسات وتسريع التعلم لأعضاء الفريق الأصليين. الدور الرئيسي لنموذج HANA في تصميم التجارب المرتفعة من AI وكان المعمارية التقنية للمحاكاة السلوكية MG قد شكلت بشكل كبير من خلال خبرتها في تطوير نموذج SAP HANA. كانت هذه القدرة حاسمة في تأسيس هيكلات البيانات الأساسية اللازمة للبحوث.وقال MG، "تستخدم خبرة نموذج HANA لتصنيع الأثاث لتخزين التفاصيل من التهديدات والأنشطة التي اتخذها المتصفح في نموذج HANA، والتي يمكن استخدامه في وقت لاحق لتدريب نموذج AI." تم تصميم هذه الفعاليات ، وخاصة جدولات و مشاهدات HANA ، بطريقة مفصلة لتسجيل التحديات التي تم إنشاؤها داخل نظام PP/DS والعملات الإصلاحية التالية التي تم تنفيذها من قبل المشاريع البشرية. ومهاراتها متوفرة بشكل جيد لعملية معالجة البيانات والبيانات في الوقت الحقيقي، مما يوفر منصة مثالية لتسجيل بيانات الأحداث الديناميكية المهمة لتدريب نموذج الذكاء الاصطناعي المتواضع. سام هانا يتم تصفية التطبيق الفعلي لهذا تسجيل البيانات المرتبطة بـ HANA من خلال سياق محدد MG يصف: "على سبيل المثال، يتم وضع إشعارات لزيادة مستوى 3 في تصنيع للتعليق على التخفيض، يتم تحديد التخفيض من خلال إنهاء التخطيط من خلال إنهاء التخطيط من خلال إنشاء خطة إعادة التكوين بالرغم من أن في هذا المستوى هناك عجزات التخطيط الشائعة جدا. وبالتالي ، يتم تسجيل هذا الإشعار ، جنبا إلى جنب مع طبيعة المنتج / الموقع ، جنبا إلى جنب مع العمليات التي اتخذتها ، باستخدام العناوين HANA مثل الأقراص والصور التي تم تحديثها بناء على الأحداث التي تحدث في نظام PPDS. " هذه العملية من إنشاء العناوين HANA هي تطبيق مباشر من تقنيات إعداد البيانات المهمة لتدريب نموذج التعلم الآلي الفعّال وتحديد الحاجة الأساسية إلى البيانات ذات جودة عالية ومتنوعة لتعزيز أداء الذكاء الاصطناعي القوي.تطويرات حديثة، مثل استخراج البيانات لـ PP/DS لـ SAP S/4HANA تغطي التفاصيل، والعمليات، والقدرة على الموارد، تشير إلى التحرك في الصناعة نحو تعزيز استخراج هذه البيانات لأغراض تحليلية، مما يُشبه ما أطلق عليه MG. إن اختيار التركيز على النموذج على مجموعة من المستوى 3 مع أخطاء التخطيط المتكررة تشير إلى اختيار استراتيجي لمناطق التأثير العالي حيث يمكن أن تظهر الفنون الذكية قيمة كبيرة عن طريق التعامل مع نقطة الألم المستمرة، وهو أفضل ممارسة في تحديد حالة استخدام الفنون الذكية. وبالإضافة إلى ذلك، فإن تسجيل ليس فقط الإشارات والفعاليات، ولكن أيضا طبيعة المنتج/الموقع يدل على خلق مجموعة من البيانات الغنية بالواقع، مثل هذه البيانات متعددة الأبعاد هي قيمة لا تحصى لتدريب نموذجات الذكاء الاصطناعي المتقدمة قادرة على فهم التفاصيل فوق تصنيف الإشارات البسيطة، مما يؤدي إلى توصيات ذات صلة بالذكاء الاصطناعي أكثر دقة وموضوعية. إنشاء مقارنة قوية: اختيار المشاركين والتقارير لبحوث دعم القرار الذاتي وضعت تصميم ورش العمل المختبرات في دراسة MG تركيزًا قويًا على اختيار المشاركين والتقارير المبتكرة لضمان موازنة قوية وفعالة بين قرارات التخطيط التقليدية التي تديرها البشر وتكثيفها من قبل المختبرات الفنية AI المتطورة. ويشرح MG هذا من خلال بيان: "عندما يتم التحكم في نطاق هذه الدراسة وتقليصها إلى اثنين من أنواع الإشكال (تأخير في التكليف واستخدام القدرة) ، فإن الوظائف المختارة كانت مراقبة الإنتاج للمواد المعدلة ومراقبة التخطيط للخطوط التكوينية للمواد المعدلة". إن اختيار المدير التنفيذي لإنتاج المنتجات المعدلة والمدير التنفيذي لخطوط تجميع المنتجات المعدلة كدور المشاركين هو الجانب الرئيسي من تصميم التجربة.هذه الدورات تتشارك بشكل مباشر ومستمر في إدارة أنواع الإشعارات التي يتم التحقق منها-تأخير التكليف واستغلال القدرة.هذه التكاملية تضمن أن المهام المقدمة خلال المعرض هي حاسمة بيئيا، وهذا يعني أنها تتفاعل بشكل وثيق مع المسؤوليات والجهود الحقيقية التي تواجه المشاركين. وتتولى هذه السيناريوهات، التي تتركز على التوقف في تحقيق الترتيبات واستغلال القدرات، مشكلات عامة ومؤثرة بشكل كبير في قطاع التصنيع.هذه المشكلات لها تأثيرات مالية وفعالة كبيرة، مما يجعل تقليلها المحتمل من خلال الذكاء الاصطناعي مشروعًا ملموسًا للشركات.استخدام ورش العمل المختصة هو طريقة قياسية وفعالة في العلوم السلوكية لتقييم الأداء البشري في ظروف مختلفة، مثل مع أدوات دعم القرار الذكية أو دونها. يساعد طبيعة هذه المدارس "المحافظة" على التأثير المحدد للأدوات الذكية من خلال تقليل تأثير المتغيرات الأجنبية. بالإضافة إلى ذلك، للحصول على مقارنة قوية في الدراسات التي تقييم البشر مقابل اتخاذ القرارات الذكية، يجب أن تكون السيناريوهات تم تصميمه بحيث يمكن تحديد القرارات التنظيمية أو المثالية بشكل عاجل.لقد تم وضع أنواع التحذير التي تختارها MG في معظم الأحيان طرق تحديد "أفضل" أو "أسوأ" ، مما يسمح بإنشاء نقطة موازية واضحة ضد التي يمكن تقييم كل من القرارات الإنسانية والذكاء الاصطناعي المرتبطة بها.هذه التوافق السريع بين أنواع التحذير المحددة مع دورات مراقبة ذات الصلة يعزز واقع التجربة وبالتالي تطبيق النتائج على الهياكل التنظيمية الحقيقية والعمليات التشغيلية. قياس التأثير: المعايير الرئيسية لتقييم قرارات التخطيط المرتفعة من AI من أجل تقييم تدريجي للارتفاع في تأثير الطيار المشترك في الذكاء الاصطناعي، قمت بتقييم مجموعة من التقييمات الرئيسية التي تركز على سرعة اتخاذ القرارات، وجودة العمل الموصى بها من الذكاء الاصطناعي، والنتائج التشغيلية الملموسة مثل الوقت المناسب للتحقيق. ويقول MG: "تقييم سرعة القرار يتم عن طريق التوقف بين إرسال الإشارة إلى chatbot إلى إنتاج الاستجابة الأولي، على سبيل المثال، بالنسبة إلى الإشارة، "كما هو الحال مع عدد من الإشعارات المتعلقة بمرحلة الانتظار عالية الأولوية بالنسبة للمنتجات التي أنا مسؤولة"، فإن chatbot سوف يستخدم الذكاء الاصطناعي لمعرفة الإشارة وتشغيل العملات PPDS الخلفية لإنتاج الإشعارات وترددها مع عدد الإشعارات. " يحدد هذا التقييم بشكل مباشر قدرة الذكاء الاصطناعي على معالجة طلبات اللغات الطبيعية بسرعة، والتفاعل مع نظام PP/DS الأساسية، وتوفير المعلمين مع المعلومات ذات الصلة، وهو عامل حاسم في بيئات التصنيع السريعة. وقد تم تقييم جودة اقتراحات AI ، وخاصة قبول الترتيبات العملية المقترحة ، باستخدام قياس متكامل. "تستخدم الكفاءة السياحية لتقييم قبول الترتيبات لتقييم العمليات التي تسببها AI ، مع مقارنة ذلك مع سلسلة من العمليات الصوتية مع نفس الطلب" ، يقول MG. وأخيرًا، فإن الوقت المناسب للتحقيق، وهو مؤشر قياسي للصناعات الصناعية التي يتم قياسها في كثير من الأحيان عن طريق إنتاج KPIs، كان قياسًا أساسيًا في النتائج، ويعكس ذلك في انخفاض بنسبة 12٪ في أوقات الانتظار المسبقة التي نشرت في زاوية الدراسة. تم تطبيق تقنيات تصحيح نموذج الذكاء الاصطناعي لضمان موثوقية وواقعية هذه التقييمات، بما في ذلك تحديد ردود الفيديو على الصلة والواقعية. وتشير النتائج إلى سرعة القرار أيضًا إلى التفكير في التفكير الفعال في الذكاء الاصطناعي، الذي يمكن أن يفهم اللغة الطبيعية والبيئة المستخدمة (على سبيل المثال، "المنتجات التي أنا مسؤولة عنها") وتشغيل تفاعلات نظامية معقدة. ديناميكيات غير متوقعة: التفاعلات مع التخطيط مع اقتراحات الذكاء الاصطناعي مقابل اليورسيكيات التقليدية قد يظهر التفاعل بين المختصين البشريين والأنظمة المساعدة في اتخاذ القرارات التي تديرها الذكاء الاصطناعي في كثير من الأحيان ديناميكيات غير المتوقعة، وتقدم دراسة MG معلومات قيمة في هذا الصدد. وذكرت MG، “على سبيل المثال، مع حلول Joule، كانت جودة ومعدلات البيانات التدريبية تأثيرًا هائلًا على اقتراحات AI.في حالة حالات ارتفاع الكفاءة، كانت البيانات التدريبية تتكون من السيناريوهات حيث تم إعادة ترتيب الأوامر التي أدت إلى ارتفاع الكفاءة إلى الأسبوع التالي.” هذا النظام التدريبي الأولي أدى إلى سلوك AI محدد، على الرغم من أنه غير مثالي.أهمية جودة البيانات التدريبية هي مبادئ واضحة في تطوير الذكاء الاصطناعي؛ يمكن أن تؤدي نقص البيانات إلى توقعات غير دقيقة وخلل في اتخاذ القرارات. لكن عندما تكون القدرة متاحة في نفس الأسبوع، كان المشكلة هو إعادة التخطيط إلى الأسبوع التالي؛ وهذا تم تخفيضه عن طريق إدخال التحقق من القدرة كعمل قبل تقديم إجراء إعادة التخطيط في البيانات التدريبية. هذا السلوك الذاتي، حيث أظهرت حلًا أقل فعالًا بسبب التناقضات في تدريبها، ويشير إلى كيف يمكن لتصميمات الذكاء الاصطناعي أن تتعلم النماذج غير المرغوب فيها إذا كانت البيانات التدريبية متكاملة بما يكفي أو ممثلة لجميع منطق اتخاذ القرارات ذات الصلة. قد يؤثر هذا السلوك، إذا لم يتم إصلاحه، على ثقة المخترعين ويؤدي إلى اتخاذ القرارات التشغيلية السلبية.إستراتيجية التخفيف – تعزز البيانات التدريبية لتشمل التحقق الفوري من القدرة – تعكس عملية التكيف التفاعلية الشائعة في تطوير نموذج التعلم الآلي. وتشير هذه الخبرة إلى تحدي إدراج "القلق العام" أو القواعد السياحية المباشرة التي تطبقها المخترعين البشريين بطبيعة الحال، مثل التحقق من إمكانية الوصول إلى المزيد من القدرة على الاستفادة من القدرة على الاستفادة من القدرة على الاستفادة. وتتعلم نموذجات الذكاء الاصطناعي من النماذج، وإذا لم تكتمل البيانات التدريبية تماماً كل منطق القرار المطلوب، ستظهر الذكاء الاصطناعي هذه الفجوات. وقد أظهرت النتائج التي قامت بها AI (على سبيل المثال عن تدريب نموذج البيانات) أهميةً لتصحيحها، حيث أكدت قيمة الشفافية والتفصيلية في أنظمة الذكاء الاصطناعي، وهي مهمة لبناء ثقة المستخدمين وتوفير مراقبة بشرية فعالة. لماذا فوائد ملموسة: تأثير التشغيل والمالي على تقليل الطلبات المفاجئة مع الذكاء الاصطناعي ويجدر بالذكر أن انخفاض بنسبة 12 في المائة في التوقعات المفاجئة التي حصلت في الدراسة الفنية لـ MG يتجسد في فوائد كبيرة ومتعددة الجوانب للمؤسسات المصنعة، تتراوح بين كفاءة التشغيل وتحسينات مالية. كما يصف MG، "في السيناريوهات التخطيط التقليدي، عندما يسبب تأخير في أوامر البيع بسبب تأخير في إنتاج المنتجات في مدة التخطيط، سيكون من الضروري إجراء عمليات الخلفية الليلية لإعداد أوامر الإنتاج المفقودة إلى خزائن القدرة المتاحة في المستقبل. وبالإضافة إلى ذلك، فإن إدارة أوامر البيع ذات الأولوية العالية غالباً ما تتطلب التدخل اليدوي من قبل المختصين لتعديل أوامر الإنتاج الأخرى، وهو عملية يستغرق وقتاً وربما خطرة. وتشير MG إلى هذا التوازن: "بما يتماشى مع نهج chatbot، يمكن للكتابة ببساطة أن يسأل المتصفح ما إذا كان أي من أوامر البيع ذات الأولوية العالية متوقعاً وتأكد من حل المشكلة، مما يسهم في استغلال القدرات الذكية لتشغيل عمليات إعادة التخطيط المناسبة تلقائياً." ويعتبر انخفاض بنسبة 12 في المائة في الطلبات المفاجئة تحسينًا فعالًا كبيرًا.في مجال الصناعة، فإن الطلبات المفاجئة والموافقة المفاجئة تزداد تكلفة التشغيل من خلال تسريع إمداد المبيعات والتسعير، مما يقلل من رضى العملاء، مما يؤدي إلى انخفاض في الاحتفاظ، وحتى يمكن أن يؤدي إلى أضرار على الثقة. وتتأثر النتائج المالية بشكل ملحوظ، مع إمكانية تخفيض تكلفة مباشرة (يعتبر التسليم المنخفض في الوقت المناسب قد يؤدي إلى ما يقرب من 10٪ من تكاليف التسليم)، وزيادة الإيرادات من زيادة الثقة بالعملاء، وارتفاع أسعار الفائدة. وبالإضافة إلى ذلك، فإن تلقائيات إعادة التخطيط لخطوات مهمة ذات الأولوية العالية ليست فقط تخفيضًا لضغوط العمل المباشرة للمخطط، ولكن، أبرزها، تضمين أن الأهداف التجارية الاستراتيجية، مثل تنفيذ أوامر العملاء الرئيسية، يتم التعامل معها باستمرار وفعالية. وهذا يقلل من مخاطر الإيرادات المرتبطة بهذه الحسابات الأساسية، مما يوضح كيف يمكن للذكاء الاصطناعي حماية تدفقات الإيرادات الأساسية وتقوية علاقات العملاء المهمة من خلال ضمان التعامل مع التحديات المرتبطة بمتطلبات التكامل المطلوبة بشكل تركيزيا وفعال.إعادة التخطيط من الإصلاحات الإيجابية المرتبطة بمتطلبات الإيرادات إلى الإصلاحات الإيجابية المرتبطة بمتطلبات الذكاء الاصطناعي تعني زيادة أساسية في مرونة التخطيط.هذا يتيح للمصنعين ردود الفعل بشكل أسرع وبالتالي تقليل تأثيراتها السلبية على سلسلة التوريد. من التجربة إلى الخبرة: تشكيل ورش عمل قيادية وإدارة الفكر مع رؤية AI وقد أصبحت النتائج الإيجابية من تجربة MG السلوكية، وخاصة النمو المظهر في كفاءة التخطيط وتحسين جودة القرار، عنصرًا أساسيًا في تشكيل ورش عملته التنفيذية وأعماله التأثيراتية، بما في ذلك كتب SAP Press القديمة. ومن المهم في رسالة له إلى القادة والممارسين في الصناعة أن يكون إمكانية التحول من الذكاء الاصطناعي لتمكين نموذج "إدارة بواسطة استثناء" في التخطيط الإنتاج.كما يلاحظ MG، "يستخدم مستخدماً عاديًا أو مستخدماً آلاف المواد داخل مجالات المسؤولية، ويستغرق وقتهم في حل الإشكاليات التخطيطية / القدرة الأكثر شيوعًا وأكثر شيوعًا في PPDS معظم وقتهم". هذه المشاركة الكبيرة في حل المشكلات المعتادة غالبا ما تفرز من أنشطة أكثر استراتيجية. يوفر إدماج الأدوات التي تديرها الذكاء الاصطناعي طريقًا واضحًا لتخفيف هذه الضغوط.تشير MG إلى تغييرًا حاسمًا في التركيز الذي يمنح الذكاء الاصطناعي: "عندما تحتاج الاهتمام والتركيز إلى إشعار أكثر تعقيدًا وإدارة الأعمال.هذه التخطيطات الصناعية التي تديرها الذكاء الاصطناعي تدفع الشركات ومجموعة التخطيط الخاصة بهم نحو هدف "لا إدارة النظام، فقط إدارة الاستثناءات الحقيقية". هذا الفلسفة، حيث تتعامل أنظمة الذكاء الاصطناعي مع التهديدات الشائعة والأقل خطورة، ويمكن للمخططين البشريين من توزيع خبراتهم وقطاع النطاق المعرفي لتنقل السيناريوهات المعقدة حقا، وإدارة استثناءات الأعمال الهامة، وإجراء مبادرات التخطيط الاستراتيجي. المبدأ "إدارة عن طريق الاستثناء" هو نهجًا جيدًا في إدارة العمليات ويهدف البحث إلى التركيز على الاختلافات التي تحتاج حقاً إلى التدخل المهني، ويعمل الفنون الذكية كأداة قوية لهذا الغرض.إن النتائج التجريبية من MG، مثل اتخاذ القرارات بسرعة 30 في المائة وقلة 12 في المائة في الطلبات المفاجئة، توفر الأدلة الحقيقية المرتبطة بالبيانات التي تحول المحادثات الخاطئة حول إمكانات الفنون الذكية إلى إثباتات حقيقية من القيمة.هذه الأساسية الإيجابية هي مبرر بشكل خاص في ورش العمل، مما يساعد القادة في قراراتهم الاستثمارية في الفنون الذكية. t وبالإضافة إلى ذلك، فإن قيادة الأفكار في العالم الحقيقي تلعب دوراً حاسماً في قطاع التصنيع، وبالتالي فإن عمل MG لا يساعد فقط على فهم الأكاديمية، بل يعمل أيضاً كأداة عمليّة لتشجيع وتعليم، مما يغطي الفرق بين إمكانات الذكاء الاصطناعي والتفكير التنفيذي والتسويق. الاستجابة الاستراتيجية: توجيه المنظمات نحو بيئات SAP PP/DS المتقدمة بالذكاء الاصطناعي استنادا إلى نتائج البحث، قدمت شركة MG نصائح استراتيجية للمؤسسات التي ترغب في دمج أنظمة التخطيط المتقدمة بتقنية الذكاء الاصطناعي في مجالات SAP PP/DS الحالية. أظهرت الدراسة الأولية، على الرغم من أنها محدودة، فائدة تجارية واضحة. ويستخدم هذا التحسين المحدود كواقع بديل قوي ومثال على إمكانات الذكاء الاصطناعي، ويستند هذا إلى توصية رئيسية هي بدء تطبيق الذكاء الاصطناعي من خلال الهدف من حالات الاستخدام ذات التأثير العالي حيث يكون إجمالي الاستثمار واضحًا ومحدودًا. ويشير MG إلى مسار محدد لزيادة قيمة التوسع: "إذا تم تحليل حالات الاستخدام التالية، مثل تحليل ورقات العمل التخطيط والتحسين لتحديد أخطاء التخطيط والتخطيط واستخدام الذكاء الاصطناعي لتسريع تحديد الأخطاء الأكثر شيوعاً، فإنها سوف تعطي الكثير من القيمة للشركات". تحليل ورسائل عمل التخطيط والتحسين هو الخطوة التالية الاستراتيجية الجاذبة لأن هذه الرسائل هي مصادر بيانات غنية ومستقرة متاحة بسهولة في أنظمة SAP. قد يقلل استخدام هذه البيانات الحالية لمبادرات الذكاء الاصطناعي من الحد الأدنى من الحد الأدنى لتسريع استكشاف الذكاء الاصطناعي، مما يتيح مسارًا واقعيًا لزيادة فوائد الذكاء الاصطناعي.تسريع حل الأخطاء الشائعة التي تم تحديدها في هذه المجلات يعزز فلسفة "إدارة بواسطة استثناء".هذا ليس فقط يحرر المخترعين ولكن أيضا يقلل من تكلفة عملهم على دعم الذكاء الاصطناعي وإدارات النظام، مما يتيح لهم التركيز على مشاكل النظام المعقدة أو تحسينات، وبالتالي توسيع تأثير الذكاء الاصطناعي على كفاءة أكثر من قسم التخطيط. وتشير نصيحة لمناقشة حالات الاستخدام التالية إلى استراتيجية لتثبيت قيمة ملموسة في وقت مبكر، ثم استغلال هذا النجاح لتعزيز وقيادة تطبيق الذكاء الاصطناعي على نطاق واسع داخل المنظمة، وهي مبادرة رئيسية لتنفيذ الإصلاحات الناجحة والتوسع الاستراتيجي.يجب على المنظمات أيضًا ضمان جودة البيانات القوية وإدارةها، لأن هذه هي المبادئ الأساسية لإنشاء الذكاء الاصطناعي الناجح في بيئات SAP.ولكن في حين أن نصيحة MG تركز على توسيع الحالات الاستخدامية، لا يزال السياق الأساس في SAP، بما في ذلك استراتيجية SAP لتوسع الذكاء الاصطناعي للشركات، مبدأً مهمًا في النجاح وتظهر رحلة دمج الذكاء الاصطناعي في التخطيط الإنتاجي، كما تظهر من خلال أعمال MG، طريقًا نحو زيادة كبيرة في القدرات التشغيلية.إن تجربة سلوكيته، التي أثبتت أنها يمكن أن تحسن سرعة اتخاذ القرارات بنسبة 30 في المائة وتقليل التوقعات المفاجئة بنسبة 12 في المائة، تقدم دليلًا ملموسًا على قيمة الذكاء الاصطناعي العملية. من خلال تلقائياً معالجة الإشعارات المعتادة والتعاطي مع الأخطاء الشائعة، تتمكن المهندسين المختصين من توزيع خبرتهم على التحديات الاستراتيجية المعقدة التي تحتاج حقاً إلى الإبداع البشري.هذه التفاعلية بين الذكاء الاصطناعي والذكاء الاصطناعي ليست فكرة نظرية بعيدة ولكن حقيقة قابلة للتجديد، وتقدم الصناعات الصناعية، وخاصة تلك في أمريكا الشمالية، الاستفادة من حلول SAP، وسيلة لتحسين الكفاءة، وتحسين القدرة على التنافس. إن البحوث المتطورة والمفاهيم الاستراتيجية التي تقدمها خبراء مثل MG مهمة في تحديد هذه التغيرات، وذلك لضمان أن تطوير الذكاء الاصطناعي يؤثر على الطلبات المتقدمة في الصناعات الحديثة.إن التطور المستمر للتخطيط الصناعي الذكي سيتم بلا شك تشكيلها من خلال هذه التعاون المتزايد.