AI এর সম্ভাব্যতা প্রকাশের উপর একটি বাস্তব-বিশ্ব কেস স্টাডি: সাপ্লাই চেইনে AI

যেহেতু ব্যবসাগুলি বিশ্বব্যাপী লজিস্টিক্সের জটিলতার সাথে ঝাঁপিয়ে পড়ে, সাপ্লাই চেইনে এআই স্থাপন করা তাদের জন্য একটি লিঞ্চপিন হয়ে উঠেছে যারা প্রতিযোগিতায় এগিয়ে থাকতে চায়। এই নিবন্ধে, আমরা সরবরাহ শৃঙ্খলে AI-এর তাৎপর্যকে আন্ডারস্কোর করব এবং একটি সাফল্যের গল্পের অন্তর্দৃষ্টি অফার করব যা সাপ্লাই চেইন ম্যানেজমেন্ট অপ্টিমাইজ করার ক্ষেত্রে AI-এর বাস্তব সুবিধাগুলিকে স্পষ্টভাবে তুলে ধরে।

একটি সরবরাহ শৃঙ্খল হল ব্যক্তি এবং সংস্থাগুলির সম্পূর্ণ নেটওয়ার্ক যা একটি পণ্য বা পরিষেবা চূড়ান্ত ভোক্তাকে সরবরাহ করে। এতে কাঁচামালের সোর্সিং, পণ্য তৈরি ও একত্রিত করা থেকে শুরু করে পরিবহন, গুদামজাতকরণ এবং অবশেষে গ্রাহকের হাতে পৌঁছানো পর্যন্ত প্রতিটি ধাপ অন্তর্ভুক্ত রয়েছে।

সাপ্লাই চেইন সেক্টরের 49% উত্তরদাতারা ব্যক্ত করেছেন যে ব্যাঘাতের ফলে পরিকল্পনার অসুবিধা হয়েছে।

44% সাপ্লাই চেইন পদচিহ্নের কারণে চ্যালেঞ্জগুলি নির্দেশ করেছে, যা তাদের বছরের মধ্যে পরিবর্তন করতে হবে।

ম্যাককিনসে

আজ, এই বহুমুখী নেটওয়ার্ক ভূ-রাজনৈতিক উত্তেজনা, অর্থনৈতিক ওঠানামা, জলবায়ু পরিবর্তন এবং ক্রমবর্ধমান প্রবিধানের মতো অনেক বাধার সম্মুখীন। একই সাথে, সাধারণ লক্ষ্যগুলি গ্রাহকের সন্তুষ্টি, খরচ অপ্টিমাইজেশান স্থিতিস্থাপকতা এবং অভিযোজন সহ শিল্পগুলিকে অতিক্রম করে। চ্যালেঞ্জ এবং লক্ষ্য উভয়ই উদ্ভাবনী সমাধানের দাবি করে, সাপ্লাই চেইন অপ্টিমাইজেশান দক্ষতা নিশ্চিত করার জন্য একটি গুরুত্বপূর্ণ ফ্যাক্টর হিসেবে আবির্ভূত হয়।

সাপ্লাই চেইন অপ্টিমাইজেশানের সংক্ষিপ্ত বিবরণ

সাপ্লাই চেইন অপ্টিমাইজেশান (SCO) হল একটি জটিল ক্ষেত্র যা সম্ভাব্য সবচেয়ে দক্ষ এবং সাশ্রয়ী উপায়ে কাঁচামাল থেকে শেষ গ্রাহকের কাছে পণ্য ও পরিষেবার প্রবাহ পরিচালনা করার জন্য নিবেদিত। SCO হল একটি সাপ্লাই চেইনের ক্রিয়াকলাপগুলির সমন্বয় যা নিশ্চিত করে যে এটি সম্ভাব্য দক্ষতার শীর্ষে রয়েছে৷

সরবরাহ চেইন অপ্টিমাইজেশানের শীর্ষ পাঁচটি চ্যালেঞ্জ:

1. চাহিদার পূর্বাভাস: জায় স্তর, পরিবহন সম্ভাবনা এবং উত্পাদন সময়সূচী অপ্টিমাইজ করার জন্য গ্রাহকের চাহিদা সঠিকভাবে ভবিষ্যদ্বাণী করা গুরুত্বপূর্ণ।

   
   

2. ইনভেন্টরি ম্যানেজমেন্ট: স্টকআউটের ঝুঁকির সাথে ইনভেন্টরি রাখার খরচের ভারসাম্য বজায় রাখা।

   
   

3. পরিবহন অপ্টিমাইজেশান: পণ্য পরিবহনের জন্য সবচেয়ে দক্ষ এবং সাশ্রয়ী রুট নির্বাচন করা, বিশেষ করে যানজট এবং জ্বালানির দামের মতো কারণগুলির সাথে।

   
   

4. সরবরাহকারী নির্বাচন এবং ব্যবস্থাপনা: নির্ভরযোগ্য সরবরাহকারীদের সন্ধান করা যারা প্রতিযোগিতামূলক মূল্য এবং গুণমান সরবরাহ করে।

   
   

5. সহযোগিতা এবং যোগাযোগ: সাপ্লাই চেইনের সকল খেলোয়াড়ের মধ্যে দক্ষ সহযোগিতা।

এই চ্যালেঞ্জগুলি মোকাবেলা করার জন্য, SCO ডেটা বিশ্লেষণ, গাণিতিক মডেলিং, অপ্টিমাইজেশান অ্যালগরিদম, কৃত্রিম বুদ্ধিমত্তা (AI), এবং মেশিন লার্নিং (ML) নিয়োগ করে৷ এই সরঞ্জামগুলি সম্মিলিতভাবে ব্যবসাগুলিকে বিশ্বব্যাপী সরবরাহ শৃঙ্খলের গতিশীল ল্যান্ডস্কেপ নির্ভুলতার সাথে নেভিগেট করতে সক্ষম করে।

AI এবং ML, বিশেষ করে, সাপ্লাই চেইন দক্ষতা অর্জনে শক্তিশালী মিত্র হিসেবে আবির্ভূত হয়।

এআই ডেভেলপমেন্ট এবং মেশিন লার্নিং পরিষেবাগুলিকে কাজে লাগানো কাজগুলিকে স্বয়ংক্রিয় করতে, পূর্বাভাসের নির্ভুলতা বাড়াতে এবং বাস্তব সময়ের সিদ্ধান্ত গ্রহণকে সক্ষম করতে সাহায্য করে, যাতে বিবর্তিত পরিস্থিতিতে ব্যবসাগুলি চটপটে এবং প্রতিক্রিয়াশীল থাকতে পারে।

এআই ইন্টিগ্রেশনের মাধ্যমে সাপ্লাই চেইন ম্যানেজমেন্ট অপ্টিমাইজ করা

সাপ্লাই চেইনের কার্যকারিতা বাড়াতে AI গুরুত্বপূর্ণ ভূমিকা পালন করে। এটি সরবরাহ চেইন ব্যবস্থাপনার বিভিন্ন ক্ষেত্রে ব্যবহার করা যেতে পারে।

দৃশ্যমানতা এবং স্বচ্ছতা বৃদ্ধি:

• রিয়েল-টাইম ডেটা সংগ্রহ এবং বিশ্লেষণ - ইনভেন্টরি লেভেল, চালানের অবস্থান এবং সম্ভাব্য ব্যাঘাতের রিয়েল-টাইম অন্তর্দৃষ্টি প্রদান করা।

• ভবিষ্যদ্বাণীমূলক বিশ্লেষণ - AI ঐতিহাসিক ডেটা এবং আবহাওয়ার পূর্বাভাস বা অর্থনৈতিক প্রবণতা, সম্ভাব্য বাধা এবং রক্ষণাবেক্ষণের প্রয়োজনের মতো বাহ্যিক কারণগুলি বিশ্লেষণ করতে পারে।

অপ্টিমাইজিং অপারেশন এবং সিদ্ধান্ত গ্রহণ:

• ইনভেন্টরি ম্যানেজমেন্ট - এআই চাহিদার পূর্বাভাস দিয়ে, লিড টাইম এবং সিজন্যালিটি প্যাটার্ন বিবেচনা করে এবং ওভারস্টকিং বা আন্ডারস্টকিংয়ের সাথে যুক্ত খরচ কমিয়ে ইনভেন্টরি লেভেল অপ্টিমাইজ করতে পারে।

• রুট অপ্টিমাইজেশান - এআই অ্যালগরিদমগুলি পরিবহনের জন্য সবচেয়ে দক্ষ এবং সাশ্রয়ী রুট নির্ধারণ করতে পারে, যা ট্রাফিক পরিস্থিতি, জ্বালানী খরচ এবং সময়সূচীর মত বিষয়গুলি বিবেচনা করে পরিবহন এবং ইনভেন্টরি খরচের মধ্যে ভারসাম্য খুঁজে বের করার উপায়ে।

• গুদাম অটোমেশন - এআই-চালিত রোবটগুলি গুদামগুলিতে বাছাই, প্যাকিং এবং বাছাই, গতি, নির্ভুলতা এবং দক্ষতা উন্নত করার মতো কাজগুলি স্বয়ংক্রিয় করতে পারে।

স্থিতিস্থাপকতা এবং ঝুঁকি ব্যবস্থাপনা:

• ঝুঁকি শনাক্তকরণ - AI সম্ভাব্য বিঘ্ন বা সরবরাহ চেইনের দুর্বলতা সনাক্ত করতে ডেটা বিশ্লেষণ করতে পারে, কোম্পানিগুলিকে তাদের প্রভাব কমানোর জন্য প্রাক-উদ্যোগমূলক ব্যবস্থা নিতে দেয়।

• দৃশ্যকল্প পরিকল্পনা - এআই প্রাকৃতিক দুর্যোগ বা অর্থনৈতিক মন্দার মতো বিভিন্ন পরিস্থিতির অনুকরণ করতে পারে, কোম্পানিগুলিকে ব্যবসার ধারাবাহিকতা নিশ্চিত করার জন্য আকস্মিক পরিকল্পনা তৈরি করতে সহায়তা করে।

• জালিয়াতি সনাক্তকরণ এবং প্রতিরোধ - AI অর্ডার ডেটা এবং আর্থিক লেনদেনের ক্ষেত্রে অসামঞ্জস্যতা সনাক্ত করতে পারে, সম্ভাব্য জালিয়াতির প্রচেষ্টা সনাক্ত করতে পারে এবং আর্থিক ক্ষতি থেকে কোম্পানিগুলিকে রক্ষা করতে পারে।

স্থায়িত্ব এবং গ্রাহক অভিজ্ঞতা:

• বর্ধিত স্থায়িত্ব - AI বর্জ্য কমাতে, শক্তি খরচ কমাতে এবং জ্বালানি ব্যবহার অপ্টিমাইজ করতে প্রক্রিয়াগুলিকে অপ্টিমাইজ করতে পারে, আরও টেকসই সরবরাহ শৃঙ্খলে অবদান রাখতে পারে।

• ব্যক্তিগতকরণ এবং কাস্টমাইজেশন - AI ব্যক্তিগত পছন্দ এবং ক্রয়ের ইতিহাসের উপর ভিত্তি করে পণ্যের সুপারিশ এবং অফার তৈরি করে গ্রাহকের অভিজ্ঞতাকে ব্যক্তিগতকৃত করতে পারে।

আসুন অন্বেষণ করা যাক কিভাবে AI, বিশেষ করে, খুচরা শিল্পে সাপ্লাই চেইন পুনর্নির্মাণে একটি রূপান্তরমূলক ভূমিকা পালন করে, একটি বাস্তব-বিশ্ব ব্যবহারের ক্ষেত্রে চিত্রিত।

একটি বুদ্ধিমান সরবরাহ অপ্টিমাইজেশান সিস্টেম উন্নয়নশীল

আমাদের ক্লায়েন্ট, মার্কিন যুক্তরাষ্ট্রের চারপাশে বিতরণ পয়েন্ট সহ প্লাম্বিং সরঞ্জাম এবং সরঞ্জামের প্রস্তুতকারক, তাদের সরবরাহ প্রক্রিয়াটি অনুকূল করতে সহায়তার প্রয়োজন।

চীনের কারখানা থেকে মার্কিন যুক্তরাষ্ট্রে বিতরণ কেন্দ্রে পণ্য পরিবহনের সাথে যুক্ত উচ্চতর অভিজ্ঞতা থেকে মূল সংগ্রামটি উদ্ভূত হয়েছিল। গ্রাহক প্রায় প্রতিটি রাজ্য জুড়ে অসংখ্য গুদাম এবং বিক্রয় পয়েন্ট বজায় রেখেছে। এইভাবে, সর্বোত্তম রাউটিং নির্ধারণ করা একটি অ-তুচ্ছ কাজ।

উপরন্তু, পছন্দের পরিবহন চেইন বিবেচনা করা গুরুত্বপূর্ণ ছিল। প্রতিটি পণ্য একটি চীনা সমুদ্রবন্দর থেকে একটি শিপিং কন্টেইনারে তার যাত্রা শুরু করে এবং মার্কিন যুক্তরাষ্ট্রের একটি বন্দরে পৌঁছানোর জন্য প্রশান্ত মহাসাগর ভ্রমণ করে, যেখান থেকে এটি একটি ট্রাকে মনোনীত গুদামে তার যাত্রা অব্যাহত রাখে। পরবর্তীতে, পণ্যটি লক্ষ্যবস্তু বিতরণ পয়েন্টে শেষ-মাইল ডেলিভারির জন্য অপেক্ষা করছে।

গ্রাহক নিম্নলিখিত কার্যকারিতা পেতে চেয়েছিলেন:

• উপলব্ধ গুদাম নির্দিষ্ট করুন;
• কিছু স্বয়ংক্রিয়ভাবে ঐতিহাসিক ডেটা থেকে প্রাপ্ত এবং অন্যগুলি ব্যবহারকারী দ্বারা ম্যানুয়ালি নির্বাচিত সহ বিতরণ পয়েন্টগুলি সনাক্ত করুন;
• তাদের নিজ নিজ পরিমাণ সহ আইটেমগুলির একটি তালিকা তৈরি করুন;
• সমুদ্রবন্দরের একটি তালিকা আছে।

অবশেষে, ক্লায়েন্ট প্যালেট সহ বা ছাড়াই শিপিং পাত্রে পণ্য প্যাক করার বিভিন্ন পদ্ধতির তুলনা করতে সক্ষম হওয়ার ইচ্ছা প্রকাশ করেছেন। অপ্টিমাইজেশন সমস্যার ফলাফল সর্বোত্তম পরিবহন সময়সূচী এবং সংশ্লিষ্ট ব্যয় পরিসংখ্যান প্রদান করা উচিত।

কিন্তু আমরা ব্যবহারের কেস বিবরণে ডুব দেওয়ার আগে, আমরা দ্রুত একটি মৌলিক গাণিতিক ধারণার রূপরেখা দেব যা বুদ্ধিমান সমাধানে ব্যবহৃত হয়।

সাপ্লাই চেইন দক্ষতার জন্য ইন্টিজার প্রোগ্রামিং

পূর্ণসংখ্যা (লিনিয়ার) প্রোগ্রামিং (আইপি) হল একটি গাণিতিক অপ্টিমাইজেশান কৌশল যা রৈখিক সম্পর্কের সমস্যার সর্বোত্তম সমাধান খুঁজে বের করার জন্য ব্যবহৃত হয় যখন বিবেচনা করে যে কিছু বা সমস্ত ভেরিয়েবল অবশ্যই পূর্ণসংখ্যা (সম্পূর্ণ সংখ্যা) মান গ্রহণ করবে। একটি আইপি সমস্যার সাধারণ রূপ হল রৈখিক সীমাবদ্ধতার একটি সেট সাপেক্ষে একটি রৈখিক উদ্দেশ্য ফাংশনকে সর্বাধিক করা (বা ছোট করা), যেখানে কিছু বা সমস্ত সিদ্ধান্তের ভেরিয়েবল অবশ্যই পূর্ণসংখ্যা হতে হবে।

উদ্দেশ্য ফাংশন হল সিদ্ধান্ত ভেরিয়েবলের একটি রৈখিক সংমিশ্রণ, এবং সীমাবদ্ধতা হল রৈখিক অসমতা বা সমতা যা ভেরিয়েবলগুলিকে অবশ্যই পূরণ করতে হবে। একটি আইপি সমস্যার গাণিতিক গঠন নিম্নরূপ প্রকাশ করা যেতে পারে:

মান x₁, x₂, ..., xₙ হল সিদ্ধান্তের চলক, c₁, c₂, ..., cₙ হল উদ্দেশ্য ফাংশনে সহগ, aᵢⱼ হল সীমাবদ্ধতা সমীকরণের সহগ, এবং bᵢ হল ধ্রুবক৷

একটি আইপি সমস্যা সমাধান করার জন্য সিদ্ধান্তের ভেরিয়েবলের মানগুলি খুঁজে পাওয়া জড়িত যা রৈখিক সীমাবদ্ধতাগুলিকে সন্তুষ্ট করার সময় উদ্দেশ্য ফাংশনকে অপ্টিমাইজ করে এবং ভেরিয়েবলগুলি অবশ্যই পূর্ণসংখ্যার হতে হবে। আইপি সমস্যাগুলি সাধারণত অপারেশন রিসার্চ, লজিস্টিকস, ম্যানুফ্যাকচারিং, ফিনান্স এবং টেলিকমিউনিকেশন সহ বিভিন্ন ক্ষেত্রে ব্যবহার করা হয়, যেখানে ডিসিশন ভেরিয়েবলগুলি প্রায়শই এমন পরিমাণের প্রতিনিধিত্ব করে যা অবশ্যই পূর্ণ সংখ্যা হতে হবে।

পূর্ণসংখ্যা প্রোগ্রামিং বিচ্ছিন্ন (পূর্ণসংখ্যা) ভেরিয়েবলের সাথে জড়িত জটিল সিদ্ধান্ত গ্রহণের প্রক্রিয়াগুলি মডেল করার ক্ষমতার কারণে সাপ্লাই চেইন অপ্টিমাইজেশান সমস্যা সমাধানের একটি মূল্যবান হাতিয়ার।

সাপ্লাই চেইন অপ্টিমাইজেশানের প্রেক্ষাপটে যেভাবে আইপি প্রয়োগ করা যেতে পারে:

• ইনভেন্টরি ম্যানেজমেন্ট: আইপি সাপ্লাই চেইনের বিভিন্ন পর্যায়ে বিভিন্ন পণ্যের জন্য সর্বোত্তম ইনভেন্টরি লেভেল নির্ধারণে সহায়তা করতে পারে, স্টোরেজ ক্ষমতা, চাহিদার পরিবর্তনশীলতা এবং অর্ডারের পরিমাণের মতো সীমাবদ্ধতা বিবেচনা করে, আইপি মডেলগুলি হোল্ডিং খরচ এবং স্টকআউটের মধ্যে সেরা ভারসাম্য খুঁজে পেতে পারে।

• উত্পাদন পরিকল্পনা: আইপি উত্পাদন ক্ষমতা, কাঁচামালের প্রাপ্যতা এবং চাহিদা পূর্বাভাসের মতো বিষয়গুলি বিবেচনা করে উত্পাদন সময়সূচীকে অপ্টিমাইজ করতে পারে। মডেলটি খরচ কমানোর সাথে সাথে চাহিদা মেটাতে প্রতিটি পণ্যের জন্য উৎপাদনের জন্য সর্বোত্তম পরিমাণ নির্ধারণে সাহায্য করতে পারে।

• রাউটিং এবং সময়সূচী: সাপ্লাই চেইন নেটওয়ার্কের সামগ্রিক কাঠামো অপ্টিমাইজ করতে IP মডেলগুলি প্রয়োগ করা যেতে পারে।

• সাপ্লাই চেইন নেটওয়ার্ক অপ্টিমাইজেশান: আইপি মডেলগুলি সাপ্লাই চেইন নেটওয়ার্কের সামগ্রিক কাঠামোকে অপ্টিমাইজ করতে প্রয়োগ করা যেতে পারে।

• চাহিদা পরিকল্পনা: আইপি মডেলগুলি প্রত্যাশিত গ্রাহকের চাহিদার সাথে সাপ্লাই চেইন ক্রিয়াকলাপগুলিকে সারিবদ্ধ করার সময়, ওভারস্টক বা স্টকআউটের ঝুঁকি হ্রাস করে উত্পাদন এবং বিতরণের সিদ্ধান্তগুলিকে অপ্টিমাইজ করার জন্য চাহিদা পূর্বাভাসের ডেটা অন্তর্ভুক্ত করতে পারে।

সাপ্লাই চেইন লজিস্টিক উন্নত করা – ELEKS' সমাধান ওভারভিউ

আমাদের ক্লায়েন্টের প্রয়োজনীয়তা পূরণের জন্য, আমরা একটি সিস্টেম তৈরি করেছি যা ইন্টিজার প্রোগ্রামিং কৌশলের সুবিধাগুলিকে কাজে লাগায়, যা পাঁচ ধরনের আইটেমের জন্য সরবরাহের সময়সূচী, রুট এবং ইনভেন্টরি স্তরগুলিকে অপ্টিমাইজ করে: সিরামিক সিঙ্ক, টয়লেট, বিডেট, গ্যাস ভালভ এবং বাথটাব মিক্সার ( সংশ্লিষ্ট HS কোড হল 6910.10.0030, 6910.10.0010, 6910.10.0025, 8414.90.1080, 7323.93.0080)। সিস্টেমটি তিনটি প্রধান অংশ (বা পৃষ্ঠা) নিয়ে গঠিত: কনফিগারেশন, সিমুলেশন এবং বিশ্লেষণ। তাদের প্রত্যেকটি নিম্নলিখিত অনুচ্ছেদে ব্যাখ্যা করা হবে।

ডেটা এবং অ্যাপ্লিকেশনের বিশদ বিবরণের গোপনীয়তা নিশ্চিত করতে, আমরা নাম এবং আসল অবস্থানগুলি বেনামে রেখেছি, একটি সরল ডেমো অ্যাপ্লিকেশনের জন্য একটি প্রোটোটাইপ তৈরি করেছি যা অপ্টিমাইজেশান চ্যালেঞ্জ মোকাবেলায় AI-এর কার্যকারিতাকে চিত্রিত করে৷

কনফিগারেশন পৃষ্ঠা

চূড়ান্ত অপ্টিমাইজড রাউটিংয়ে অংশ নিতে ব্যবহারকারী উপলব্ধ গুদাম, বিতরণ পয়েন্ট এবং পছন্দসই সমুদ্রবন্দর নির্বাচন করতে পারেন। এছাড়াও, ক্লায়েন্ট তাদের গ্রাহকদের কাছে পরিবহণের জন্য পছন্দসই পণ্য এবং তাদের নিজ নিজ পরিমাণ নির্দিষ্ট করতে পারেন। শেষ জিনিসটি হল ডেট পিকার, যদি ডেলিভারি পরিকল্পনা করা হয়।

সিস্টেমটি পূর্বাভাসিত চাহিদার উপর ভিত্তি করে বিতরণের তারিখে অবশিষ্ট তালিকা গণনা করবে এবং গুদামের অবশিষ্টাংশের সাথে সংযুক্ত পরিকল্পিত চালান বরাদ্দ করবে। 'অপ্টিমাইজ' বোতামে ক্লিক করলেই সব জাদু! এটি অপ্টিমাইজেশান টাস্ক সেট করে এবং এর সমাধান চালু করে। কয়েক সেকেন্ড পরে, ফলাফল বাকি দুটি পৃষ্ঠায় পর্যবেক্ষণ করা যেতে পারে।

সিমুলেশন (মানচিত্র) পৃষ্ঠা

এই পৃষ্ঠাটি ক্লায়েন্টকে প্রস্তাবিত মডেলের সমাধানের সঠিক সিমুলেশন দেখার সুযোগ দেয়। পূর্ববর্তী আলোচনায়, আমরা আমাদের ক্লায়েন্টের জন্য উপযুক্ত INCOTERMS নিয়ে আলোচনা করেছি এবং CFR-এ একটি ঐকমত্যে পৌঁছেছি। গ্রাহক প্রতিটি পদক্ষেপের জন্য ঘন্টার সংখ্যা নির্দিষ্ট করতে পারেন এবং এই পরিমাণ সময়ের মধ্যে সরবরাহ চেইনের অবস্থা দেখতে সংশ্লিষ্ট বোতাম টিপুন।

প্রথমত, পাঁচ ধরনের পয়েন্ট রয়েছে: দুটি পরিবহন যানের জন্য (জাহাজ এবং ট্রাক) এবং তিনটি সমুদ্রবন্দর (কমলা), গুদাম (বেগুনি) এবং বিতরণ পয়েন্ট (সবুজ)। মানচিত্রটি ইন্টারেক্টিভ, যার অর্থ ব্যবহারকারী যেকোনো বিন্দু বা সংযোগের উপর ঘোরাতে পারে এবং সেই বস্তুর সাথে সম্পর্কিত তথ্য দেখতে পারে।

উদাহরণস্বরূপ, গুদাম এবং বিতরণ পয়েন্টগুলিকে সংযুক্ত করে নীল লাইনগুলি শেষ-মাইল ডেলিভারি প্ল্যান দেখায় এবং প্রতিটি পণ্য প্রতিদিন কতটা সরবরাহ করা হয় সে সম্পর্কে তথ্য ধারণ করে। যদি ব্যবহারকারী জাহাজের উপর ঘোরাফেরা করে, তার ক্ষমতা, ধারক প্রকার, প্রতিটি পণ্যের লোড পরিমাণ এবং রাউটিং সম্পর্কে তথ্য প্রদর্শিত হয়।

বিশ্লেষণ পাতা

এই পৃষ্ঠায় মডেলের প্রস্তাবিত সমাধান সম্পর্কে সমস্ত ডেটা এবং পরিসংখ্যান রয়েছে৷ ব্যবহারকারী ডেলিভারি প্ল্যান পর্যবেক্ষণ করতে পারে, যেখানে প্রতিটি জাহাজ এবং ট্রাক রয়েছে, তার আনুমানিক আগমনের সময়, রুট এবং ভর্তি। এছাড়াও একগুচ্ছ চার্ট রয়েছে, পাই চার্ট থেকে শুরু করে সম্পূর্ণ খরচ সহ এবং শেষ হয় বিভিন্ন সমুদ্রবন্দর, গুদাম এবং বিতরণ পয়েন্টের মধ্যে বিতরণ খরচের তাপ মানচিত্র দিয়ে।

উপরন্তু, ক্লায়েন্ট বিভিন্ন ডিস্ট্রিবিউশন পয়েন্টের জন্য ভাল প্রতি একটি মূল্য গ্রাফ পর্যবেক্ষণ করতে পারে এবং সেই ডেটার উপর ভিত্তি করে, সংশ্লিষ্ট ব্যবসায়িক সিদ্ধান্ত নিতে পারে।

পারফরম্যান্স মেট্রিক্স: ELEKS' সমাধান বনাম ক্লায়েন্টের লিগ্যাসি সিস্টেম

পরবর্তী চ্যালেঞ্জটি ছিল বাস্তব-বিশ্বের পরিস্থিতিতে আমাদের সমাধান পরীক্ষা করা এবং এটিকে ক্লায়েন্টের পদ্ধতির সাথে তুলনা করা। এই উদ্দেশ্যে, ক্লায়েন্ট 1 মাস সময়কাল বিবেচনা করে। টাস্কের প্রধান শর্তগুলি (যেমন উপলব্ধ সমুদ্রবন্দর, অবস্থান, এবং গুদাম এবং ক্লাস্টারের সংখ্যা) পূর্ববর্তী অনুচ্ছেদের চিত্রগুলিতে পর্যবেক্ষণ করা হয়েছে। ফলস্বরূপ, আমাদের মডেলের সমাধান অপারেটিং খরচ, শেষ-মাইল ডেলিভারির গড় সময় এবং গুদামগুলির অলস সময় কমানোর বিষয়ে আরও কার্যকর ছিল।

5.76% ক্লায়েন্ট দ্বারা অর্জিত গড় মাসিক খরচ সঞ্চয় এবং কিছু ক্লাস্টারের জন্য ডেলিভারির সময় 50% হ্রাস।

ELEKS ডেটা সায়েন্স দল

ডেটা ইঙ্গিত করে যে আমাদের সমাধানের ব্যবহার ক্লায়েন্টের জন্য আরও সুবিধাজনক বলে প্রমাণিত হয়েছে, যার ফলে আইটেম প্রতি মূল্য হ্রাস পেয়েছে। এই ফলাফলটি বিভিন্ন কারণের জন্য দায়ী করা যেতে পারে, প্রাথমিকগুলি নিম্নরূপ:

• আরো বুদ্ধিমান পণ্য বিতরণ
• আরো অনুকূল বিতরণ নেটওয়ার্ক
• আরও দক্ষ রাউটিং এবং গুদামজাতকরণ

উদাহরণস্বরূপ, আমাদের সলিউশনে কিছু ক্লাস্টার রয়েছে যার জন্য মডেলটি স্বতন্ত্র গুদাম থেকে বিভিন্ন পণ্যের জন্য শেষ-মাইল ডেলিভারির পরামর্শ দেয় (একটি ব্যাখ্যা ডেলিভারি নেটওয়ার্কে গভীরভাবে রয়েছে এবং আমাদের মডেল এই অপ্টিমাইজেশন সম্ভাবনাকে চিহ্নিত করেছে)। গুদামগুলির মধ্যে পণ্যের বন্টন ভিন্ন ছিল (প্রধানত ওয়াশিংটন এবং নিউ ইয়র্কের গুদামগুলির মধ্যে)।

প্রথম দর্শনে, পার্থক্যগুলি এত তাৎপর্যপূর্ণ নয়, তবে ফলাফলটি নিজেই কথা বলে।

উপসংহার

সাপ্লাই চেইন ম্যানেজমেন্টে কৃত্রিম বুদ্ধিমত্তা (AI) এর একীকরণ বিশ্বব্যাপী লজিস্টিক্সের জটিলতাগুলিকে কার্যকরভাবে নেভিগেট করার লক্ষ্যে ব্যবসার জন্য একটি গুরুত্বপূর্ণ উপাদান হিসাবে আবির্ভূত হয়। আধুনিক সরবরাহ শৃঙ্খলের বহুমুখী প্রকৃতি, প্রতিবন্ধকতা, ভূ-রাজনৈতিক উত্তেজনা এবং অর্থনৈতিক ওঠানামার মতো চ্যালেঞ্জের সাথে মিলিত, দক্ষতা এবং স্থিতিস্থাপকতা অর্জনের জন্য উদ্ভাবনী সমাধানের প্রয়োজন।

উপস্থাপিত সমাধান সাপ্লাই চেইন ম্যানেজারদের দায়িত্বকে সুবিন্যস্ত করতে AI এর রূপান্তরমূলক ভূমিকাকে তুলে ধরে এবং সাপ্লাই চেইন লজিস্টিকসে AI এবং IP-এর বাস্তব সুবিধাগুলি প্রদর্শন করে, 5.76% গড় মাসিক খরচ সঞ্চয়, কিছু ক্লাস্টারের জন্য ডেলিভারির সময় 50% হ্রাস করে।

এর অভিযোজনযোগ্যতা নিরবচ্ছিন্ন সমন্বয়ের অনুমতি দেয়, ব্যবহারকারীদের একটি সিমুলেশন স্টুডিওতে অ্যাক্সেস প্রদান করে, যেখানে তারা বিভিন্ন আইটেম এবং পরিমাণের সাথে জড়িত বিভিন্ন পরিস্থিতিতে কার্যকর করতে পারে, বিভিন্ন পরিস্থিতিতে সর্বোত্তম কৌশল নির্ধারণ করতে একটি তুলনামূলক বিশ্লেষণের সুবিধা দেয়।

এই রূপান্তরমূলক সমাধানের একটি ডেমো সরাসরি নির্ধারণ করতে এবং এর ক্ষমতাগুলি আরও অন্বেষণ করতে, আমাদের সাথে যোগাযোগ করুন ৷