Η συμβολή της τεχνητής νοημοσύνης στην βελτιστοποίηση της εφοδιαστικής αλυσίδας με έμφαση στην πρόβλεψη ζήτησης και τη διαχείριση αποθεμάτων

Abstract

Στο σύγχρονο επιχειρηματικό περιβάλλον, η αδυναμία αξιόπιστων προβλέψεων οδηγεί συχνά είτε σε υπεραποθεματοποίηση, με αυξημένο κόστος αποθήκευσης και δέσμευση κεφαλαίων, είτε σε ελλείψεις προϊόντων, με άμεσο αντίκτυπο στο επίπεδο εξυπηρέτησης πελατών και στη φήμη της επιχείρησης, έτσι, αδιαμφησβήτητα η ακρίβεια πρόβλεψης της ζήτησης αποτελεί καθοριστικό παράγοντα επιτυχίας για τις επιχειρήσεις. Οι παραδοσιακές μέθοδοι πρόβλεψης της ζήτησης στην εφοδιαστικής αλυσίδας, όντας αρκετά περιοριστικές βασίζονται κυρίως σε στατιστικές τεχνικές και ιστορικά δεδομένα, αδυνατώντας να ενσωματώσουν αποτελεσματικά εξωτερικούς και μη γραμμικούς παράγοντες, γεγονός που σε συνδυασμό με την υποβαθμισμένη ποιότητα δεδομένων περιορίζουν τη δυνατότητα έγκαιρης λήψης αποφάσεων, δημιουργώντας αναποτελεσματικότητες σε όλο το μήκος και τα επιμέρους στάδια της εφοδιαστικής αλυσίδας. Αδιαμφησβήτητα, η Τεχνητή Νοημοσύνη (ΤΝ) κατέχει καθοριστικό ρόλο στην σύγχρονη διαχείριση της εφοδιαστικής αλυσίδας. Πιο συγκεκριμένα, κατά την μετάβαση προς τα σύγχρονα συστήματα πρόβλεψης ζήτησης και διαχείρισης των αποθεμάτων, αξιοποιείται πληθώρα τεχνικών όπως τα μοντέλα χρονοσειρών, τα νευρωνικά δίκτυα, οι Μηχανές Διανυσμάτων Υποστήριξης και άλλοι αλγόριθμοι μηχανικής μάθησης, παρέχοντας την δυνατότητα όχι μόνο της ανίχνευσης πολύπλοκων, μη γραμμικών σχέσεων μέσα σε μεγάλα και ετερογενή σύνολα δεδομένων, αλλά και της αυτοβελτίωσης μέσω επαναληπτικής μάθησης, αξιοποιώντας δυναμικά τις μεταβολές της αγοράς, προσφέροντας υψηλότερη ακρίβεια προβλέψεων. Εξίσου σημαντική στην ομαλή ένταξη των μεθόδων ΤΝ στην εφοδιαστική αλυσίδα, είναι η ενσωμάτωση εναλλακτικών πηγών δεδομένων, όπως τα κοινωνικά μέσα δικτύωσης, μέσω τεχνικών επεξεργασίας φυσικής γλώσσας και ανάλυσης συναισθήματος. Έτσι, μέσω της ανάλυσης μη δομημένων δεδομένων αποτυπώνεται με ακρίβεια η καταναλωτική διάθεση σε πραγματικό χρόνο. Επιπλέον, η τεχνολογία blockchain διασφαλίζει την ανταλλαγή αξιόπιστων δεδομένων μεταξύ όλων των συμμετεχόντων στην εφοδιαστική αλυσίδα, μειώνοντας την ασυμμετρία πληροφόρησης και ενισχύοντας την εμπιστοσύνη. Η πρόσβαση σε επικαιροποιημένα και ακριβή δεδομένα σε πραγματικό χρόνο βελτιώνει την ποιότητα των εισροών στα προγνωστικά μοντέλα, οδηγώντας σε πιο

iv

αξιόπιστες προβλέψεις και αποτελεσματικότερη διαχείριση αποθεμάτων καθώς και στη βελτίωση της διαφάνειας προς τους καταναλωτές. Η παρούσα μεταπτυχιακή εργασία πραγματεύεται σε βάθος τον ρόλο της Τεχνητής Νοημοσύνης στη σύγχρονη διαχείριση της εφοδιαστικής αλυσίδας, με κύριο άξονα την πρόβλεψη ζήτησης και τη βελτιστοποίηση της διαχείρισης αποθεμάτων. Επισημαίνεται ότι μέσω επενδύσεων σε ψηφιακές υποδομές και της ανάπτυξης κατάλληλων δεξιοτήτων, η ΤΝ μπορεί να αποτελέσει αναπόσπαστο κομμάτι της σλυγχρονης και μελλοντικής εφοδιαστικής αλυσίδας, συμβάλλοντας στην δημιουργία ευέλικτων και αποδοτικών εφοδιαστικών αλυσίδων, βελτιώνοντας την ακρίβεια των προβλέψεων, τη μείωση του κόστους και την ενίσχυση της ανταγωνιστικότητας.