Yleiset liiketoimintaprosessit ja tekoälyn suorituskyky

Tekoälyn vaikutus alakohtaisiin prosesseihin

 
Lähde:  Perform AI hanke.

Kun kehitetään  tekoälytyökalu tiettyä tehtävää varten tietyllä toimialalla, sitä tukeva tekoälymenetelmä (ML, DL, RPA jne.) konfiguroidaan siten, että saavutetaan relevantti tulos, joka on usein erilainen eri toimialoilla. RPA-pohjainen ratkaisu karjankasvatuksessa mahdollistaa rokotusten antamisen sitä tarvitseville eläimille oikeana päivänä. Sitä vastoin kolmannen osapuolen kirjanpitopalveluyritykselle tarkoitettu RPA-ratkaisu mahdollistaa sen, että se voi muuntaa paperilla vastaanotetun laskun tiedoiksi, joita sen kirjanpitojärjestelmä voi suoraan käsitellä. Käytetty menetelmä, RPA, on sama, mutta kehitetty ratkaisu ja tavoiteltu tulos ovat eri aloilla erilaiset. Tässä alamoduulissa analysoidaan edellä olevassa kaaviossa esitettyjä toimialoja.

Vakuutus

Vakuutusalalla tärkeimmät tekoälysovellukset ovat tietojen toimittamisen automatisointi, riskinarviointi ja siihen liittyvä kilpailukykyinen hinnoittelu..

 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly- sovelluksen kuvaus  
Toimitusosoite Esityksen käsittely RPA (robottiprosessien automatisointi) / optinen hahmontunnistus (OCR) / luonnollisen kielen käsittely (NPL) Ne poimivat tietoa jäsentymättömästä datasta optisen kirjaintunnistuksen (OCR) ja luonnollisen kielen käsittelyn (NLP) avulla. Näiden tekniikoiden avulla voidaan poistaa tarve tarkistaa manuaalisesti jokainen asiakirja perinteisistä tai ei-perinteisistä lähteistä ja auttaa vakuutuksenantajia keräämään ja luokittelemaan hyödyllistä tietoa.  
Riskinarviointi Asiakasprofiilin analyysi Big Data / koneoppiminen (ML) / ennakoiva analyysi Koneoppimismallien ja muiden analyysitekniikoiden avulla vakuutuksenantajat voivat syventää ymmärrystään asiakkaan profiiliin liittyvistä riskeistä. Sisäisistä ja ulkoisista lähteistä peräisin olevien tietojen avulla nämä mallit voivat oppia menneisyydestä ja ennustaa uusien hakemusten riskiprofiilia.  
Vakuutuksen hinnoittelu Profiiliriski ja kannattava hinnan sovittaminen Big Data / koneoppiminen (ML) / ennakoiva analyysi Koneoppimismalleja käyttämällä vakuutusyhtiöt voivat hinnoitella riskit kilpailukykyisemmin. Lisäksi tekoälypohjaiset järjestelmät voivat mahdollistaa reaaliaikaisen dataan perustuvan dynaamisen hinnoittelun.  

 

Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Logistiikka ja kuljetus

Logistiikka- ja kuljetusalalla lukemattomat liikkeet, liiketoimet ja välivarastot tuotteiden matkalla niiden alkuperästä lopulliseen määränpäähän luovat lukuisia mahdollisuuksia tekoälyn soveltamiseen.

Tärkeimpiä sovelluksia ovat mm:
  • Materiaaliliikkeiden ja niihin liittyvien resurssien hallinta.
  • Kapasiteetin ja käytettyjen kuljetusvälineiden valvonta.
  • Jakelu- ja toimitusreittien organisointi ja optimointi.
  • Kysynnän ja siihen liittyvien tulojen suunnittelu ja ennustaminen.

 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus  
Logistinen hallinto Merenkulku- ja tavaraliikenteen tiedot RPA (robottiprosessien automatisointi) Ennustava analytiikka arvioi asiakkaiden kysyntää poimimalla ja järjestämällä historiatietoja soveltamalla niihin analyyttistä testiä.  
Logistinen hallinto Varastonhallinta Koneoppiminen (ML) / Anturit / RPA (robottiprosessien automatisointi) / Autonomiset ajoneuvot Tavarat vastaanotetaan varastoon (saapuvat), tunnistetaan, lajitellaan, käsitellään, pakataan ja vedetään lähetystä varten (lähtevät); kaikki vaiheet suoritetaan automaattisesti minimaalisen vähäisin virhein ja jopa seurataan samaa ja poistetaan myöhemmissä vaiheissa.  
Logistiset resurssit Ylläpito Ennakoiva kunnossapito Tiedonlouhinta / koneoppiminen (ML) / RPA (robottiprosessien automatisointi) Tekoälypohjaiset järjestelmät keräävät ja analysoivat automaattisesti tietoja omaisuudesta ja varoittavat mahdollisista vioista. Tällaiset järjestelmät voivat kerätä tietoa vioista, laatia tilastoja ja aikatauluttaa korjaukset näiden tilastotietojen perusteella.  
Toimitusketju Logistinen suunnittelu Ennustava analytiikka / koneoppiminen (ML)  Ennustava analytiikka / koneoppiminen (ML)
Ennustava analytiikka on asiakkaiden kysynnän arviointia, jossa historiatietoja poimitaan ja järjestetään soveltamalla niihin analyyttistä testiä.		  
Reititys Reittien suunnittelu ja optimointi Tiedonlouhinta / koneoppiminen (ML) / RPA (robottiprosessien automatisointi) Reittioptimointitekniikoissa käytetään lyhimmän reitin algoritmeja, joiden avulla tunnistetaan tehokkain reitti logistiikka-autoille tuotteen toimittamiseksi.  
Tuottostrategia Tuoton optimointi Tiedonlouhinta / koneoppiminen (ML) / RPA (robottiprosessien automatisointi) Tekoälyjärjestelmät voivat tehdä koko prosessista nopeamman, turvallisemman ja älykkäämmän. Tämä helpottaa toimitusta asiakkaalle ajallaan sitoumuksen mukaisesti. Automatisoidut järjestelmät nopeuttavat perinteisiä varastointimenettelyjä ja poistavat näin toiminnalliset pullonkaulat arvoketjusta, jolloin toimitustavoitteet saavutetaan mahdollisimman pienellä vaivalla.  
Logistinen kysynnän ennustaminen Kysynnän ennustaminen Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi Voit käyttää tekoälyä ja koneoppimista kysynnän ennustamiseen tai kysynnän ennustamisen ja varastonhallinnan parantamiseen.  

Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Koulutus

Tekoälyn hyödyntäminen lisääntyy koulutusalalla; koulutuskeskuksen hallinnollisesta ja akateemisesta hallinnoinnista henkilökohtaiseen oppimissisältöön, työkaluihin, palautteeseen ja arviointimenetelmiin..


 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus  Tulokset Kuvaus
Koulutuskeskuksen hallinto Koulutuskeskuksen hallinnolliset tehtävät RPA (robottiprosessien automatisointi) Järjestelmät kurssien, opettajien ja opiskelijoiden akateemiseen hallinnointiin sekä koulutuskeskukseen liittyvään hallintoon ja asiakirjahallintoon. Säästötoimet keskuksen akateemisessa ja asiakirjahallinnossa. Tietojen tarkkuus, vaatimustenmukaisuuden valvonta, standardointi ja johdonmukaisuus. Lukuisat ennalta suunnitellut raportit voidaan toteuttaa vaivattomasti.
Oppiminen Henkilökohtainen oppiminen Sisältö Määritelmä Koneoppiminen (ML) Oppijan tyylille parhaiten sopiva reitti ja sisältö poimitaan ja ehdotetaan analysoimalla oppijan oppimisprofiilia ja monien samankaltaisten profiilien oppimistietokantaa.
Tätä ehdotusta mukautetaan jatkuvasti oppilaan käyttämien tulosten ja hänen oppimistyylinsä kehittymisen mukaan.		 Henkilökohtainen sähköinen oppimissisältö, joka on räätälöity oppilaan oppimistyylien ja mieltymysten mukaan.
Oppiminen Saavutettavuus ja yleistettävyys Koneoppiminen (ML) / RPA (robottiprosessien automatisointi) Profiilien ja yksilöllisten opetussuunnitelmaehdotusten luominen, joita päivitetään sitä mukaa, kun opiskelija läpäisee vaiheita ja vahvistaa oppimistuloksia. Järjestelmä voi seurata opiskelijaa mihin tahansa paikkaan ja mihin aikaan se on tarpeen. Yleinen pääsy maailmanlaajuisiin luokkahuoneisiin. Elinikäistä ja koko elämän kattavaa oppimista tukevat järjestelmät.
Oppiminen Oppimisen tuki Puhe- ja visuaaliset avustajat / virtuaaliset ympäristöt Virtuaaliset ihmisoppaat, virtuaalitodellisuuspelit ja ohjaajat käytettäväksi erilaisissa koulutusympäristöissä. Tekoälyavusteinen virtuaalinen opetusavustaja on ohjelma, joka on suunniteltu parantamaan opiskelijan oppimiskokemusta. Monet yliopistojen verkkokurssit edellyttävät, että opiskelijat oppivat jotain itse. Tekoälypohjaiset virtuaaliset opetusavustajat on suunniteltu keventämään tiedekunnan hartioita. Koneoppimisominaisuuksien ansiosta nämä ohjelmat eivät vain anna vastauksia yleisimpiin kysymyksiin, vaan ne voivat analysoida oppimisprosessia ja tehdä ehdotuksia opetuksen optimoimiseksi.
Oppiminen Älykäs sisältö Virtuaaliset alustat / älykkään sisällön tuottajat Tekoäly käyttää algoritmeja opiskelijakokemuksen personointiin. Se oppii tapasi oppia. Samalla se tuottaa tietoja, joiden avulla voidaan analysoida yksittäisten oppilaiden ja koko luokkahuoneen tarpeita. Tämä teknologia pyrkii myös tiivistämään oppikirjat arvokkaiksi työkaluiksi tentteihin valmistautumista varten, kuten oikeat tai väärät kysymykset. Odotettavissa oleva tulos on opiskelijoiden oppimisen lisääntyminen, joka saavutetaan järjestelmän tarjoaman sisällön henkilökohtaistamisen sekä oppimisen ja arvioinnin autonomian avulla. Tehokkuus: suurempi saatavuus ja suurempi henkilökohtaistaminen. Tehokkuus: vähemmän henkilökohtaista työtä opettajalta.
Palautteen hallinta Välitön palaute RPA (robottiprosessien automatisointi) / koneoppiminen (ML) Tämän työkalun avulla opiskelijat voivat saada formatiivista palautetta akateemisista taidoistaan opettajien asettamien kriteerien perusteella. Opiskelijat voivat muokata tehtäviään ennen lopullisen version toimittamista. Oppijan itsenäisyys merkitsee oppimisprosessin mahdollista nopeuttamista. Kaikkien oppilaiden saaman palautteen standardointi, josta opettajakunta on sopinut etukäteen.

 

Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti

Vähittäiskauppa

Ai on läsnä vähittäiskaupan alalla tarjoamalla asiakkaiden ostoapua, virtuaalisia kokeiluhuoneita, valikoiman ja varastotasojen määrittelyä, automatisoituja maksutapoja ja kilpailukykyistä hinnoittelua.

 

 

Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus Tulokset Kuvaus
Vähittäiskaupan asiakaskokemus Ostoapu Chatbotit / Suosittelujärjestelmät / Visuaaliset hakujärjestelmät / Äänihakujärjestelmät Chatbot on tietokoneohjelma, joka kommunikoi äänen tai tekstin välityksellä. Chatbot käyttää kehittyneitä luonnollisen kielen prosessointitekniikoita, mutta yksinkertaiset järjestelmät etsivät syötteestä avainsanoja ja valitsevat tietokannoista vastauksen, jossa on eniten analogisia tai samankaltaisia sanamalleja. Tällaiset ohjelmat on suunniteltu jäljittelemään asianmukaisesti sitä, miten ihminen voisi käyttäytyä viestintäkumppanina. Ne tarjoavat korkeatasoisempaa asiakaspalvelua, lähettävät ilmoituksia uusista mallistoista ja ehdottavat samankaltaisia tuotteita. Chatbotit kohdistuvat asiakkaiden tarpeisiin ja ratkaisevat heidän ongelmansa tehokkaasti ja läpinäkyvästi.
Vähittäiskaupan asiakaskokemus Virtuaaliset kokeiluhuoneet Lisätty todellisuus / virtuaalitodellisuus Ne toimivat siten, että myymälöissä on asiakkaiden kuva, ja he voivat valita vaatteet, joita on kokeiltava, jolloin asusta saa realistisen kuvan ilman, että sitä tarvitsee edes kirjaimellisesti kokeilla. Tämä tekee koko prosessista todella kätevän ja tehokkaan ilman liikaa sotkua myymälässä. Auttaa asiakkaita säästämään aikaa ja rahaa matkakuluilta ja kodin mukavuudesta; asiakas löytää täydelliset asusteet, joissa kaikki elementit ovat täydellisesti yhteensopivia muutamassa minuutissa. Tekoälyskannerit voivat saada valtavasti myyntiä saman asiakaskunnan sisällä antamalla heille reaaliaikaisen kuvan siitä, mikä heille sopisi.
Vähittäiskaupan kysynnän ennustaminen Myymälöiden kysynnän suunnittelu Big Data / koneoppiminen (ML) / ennakoiva analyysi Tietotutkijat voivat avata uuden maailman mahdollisuuksia yritysten omistajille poimimalla poikkeamia ja korrelaatioita sadoista tekoäly- ja koneoppimismalleista, jotta voidaan suunnitella myymälän kysyntätaso tietyn ajanjakson ajaksi monien tekijöiden perusteella.  

 Tekoälyä voidaan käyttää vähittäiskaupan toimitusketjussa varastojen täydentämiseen - tietyn tuotteen kysynnän laskemiseen ottamalla huomioon myyntihistoria, sijainti, sää, trendit, kampanjat ja muut parametrit. Tutkituissa tapauksissa se johti jopa 30 prosentin vähennykseen myymälän hyllyväleistä.
Myynnin hallinta Tilat Jakelu ja valikoima myymälähyllyillä/verkkosivuilla. Big Data / Koneoppiminen (ML) / Ennustava analyysi / Tietokonenäkö / Web-analytiikka / IoT  

 Myyntitietojen analyysi myymälän ja hyllypaikan mukaan voidaan tallentaa ja mallintaa, jotta suorituskykyä voidaan parantaa ottamalla huomioon kausittaiset ja muut vaikuttavat tekijät.		 Myyntitulosten parantaminen myymäläkäyntiä kohti ja kullekin hyllyssä olevalle tuotteelle osoitetun myyntikohdan optimointi.
Myymälän varastonhallinta Varastotarpeen laskeminen Big Data / koneoppiminen (ML) / ennakoiva analyysi / robottiprosessien automatisointi (RPA) Tekoälyyn perustuva teknologia yhdistettynä muihin koneoppimisen algoritmeihin voi auttaa kauppoja säätelemään ja valvomaan tuotteiden luokittelua. Se auttaisi myös saamaan reaaliaikaisen varaston myymälään, jotta se voisi tuoda tarvittavat varastot joka päivä, jotta asiakas ei jäisi paitsi. Lisää asiakastyytyväisyyttä auttamalla asiakasta löytämään helposti myymälässä olevia tuotteita. Tämä voi auttaa vähittäiskauppoja saamaan kaikki tuotteet varastoonsa ajoissa ja valmiina myytäväksi. Vähentää varastointiprosessin kustannuksia.
Vähittäiskaupan kassanhallinta Kassa vapaa järjestelmät RPA (robottiprosessien automatisointi) / IoT Ostosteknologia toimii, kun otat jotain hyllystä tai laitat sen takaisin kävellessäsi ulos kaupasta; kaupan tili vähentää ostoksesi sekunnin murto-osassa. Muissa tapauksissa koneet skannaavat ostettujen tavaroiden viivakoodit ja ovat valmiita hyväksymään myös digitaalisia maksutapoja. Kun myymälöiden robotisointi vähensi työntekijäkorvauksia, lisäsi tehokkuutta ja lyhensi odotusaikoja, se toi merkittäviä säästöjä toimintakuluihin.
Vähittäishinta-strategia Hintasimulointi/herkkyys Big Data / koneoppiminen (ML) / ennakoiva analyysi Vähittäiskauppojen tekoälyteknologia visualisoi useiden hinnoittelustrategioiden todennäköiset tulokset. Se lukee muutamassa sekunnissa tietoja yrityksen aiemmista liiketoimista ja markkinoilta tuotteen todellisia kustannuksia, myynninedistämistoimia ja myyntilukuja markkinoilla ja pitää sen parin tuottamaan voittoa samassa raja-arvossa suuremmalla tehokkuudella. Vähittäiskauppojen tekoälyteknologia auttaa asettamaan tuotteidensa hinnat kilpailukykyisemmiksi ja menestymään markkinoilla. Tekoäly lukee ja tulkitsee tilastoja kysynnän, kausitrendien, ominaisuuksien, asiakkaiden valintojen, samojen tuotteiden uusien mallien julkaisupäivän jne. mukaan.

 Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Karja

Tekoälyn tärkein panos kotieläintuotannossa on yksilöllistäminen eläinten ruokinnassa, terveystarkastuksissa, lisääntymisen hallinnassa ja eläinten tuotoksen hallinnassa.
 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus  
Karjanhoito Tasapainoinen ruokinta / saanti Koostumus Koneoppiminen (ML) / Anturit / Dronet Tietokonenäköön perustuva karjanhoitojärjestelmä, jonka avulla maanviljelijät voivat valvoa lehmiä. Kameran kuva analysoidaan reaaliaikaisesti, ja tulokset välitetään viljelijöiden matkapuhelimiin.  
Karjanhoito Eläintautien seuranta Kasvontunnistusjärjestelmät / Liikkeiden ja toimintojen tunnistaminen Siru valvoo eläimen elintärkeitä tietoja, kuten lämpötilan vaihteluita, ruokintatottumuksia ja lisääntymisvaiheita älykkään anturin avulla, ja se voi havaita sairaudet 48 tuntia ennen niiden ilmenemistä, mikä mahdollistaa oikea-aikaisen lääketieteellisen hoidon. Kunkin eläimen tiedot synkronoidaan ja tallennetaan pilvipalveluun.  
Karjanhoito Rokotteen antaminen Robottijärjestelmä Robotti-injektiojärjestelmä rokotteiden ja lisääntymislääkkeiden antamiseksi kotieläimille lypsykarjatilalla.  
Karjanhoito Estruksen (kiiman) hallinta Big Data / anturit / koneoppiminen (ML) Lehmän kaulapanta (jossa on liiketunnistimet) kerää kaikenlaisia tietoja 24 tuntia vuorokaudessa. Maitoautomaatiojärjestelmän tekoälykomponentit käsittelevät kerätyt tiedot ja antavat tietoa lämpöstressistä, ruokinnan tehokkuuden muutoksesta ja lehmän estruksesta.  
Karjanhoito Antibioottien käyttö Big Data / anturit / koneoppiminen (ML) Ratkaisun avulla eläimiä voidaan valvoa 24/7. Jos järjestelmä havaitsee sairauteen viittaavia käyttäytymismalleja - esimerkiksi jos siat juovat tavallista enemmän tai liikkuvat epänormaalisti - se voi välittömästi varoittaa viljelijöitä, jotta he voivat ryhtyä nopeasti kohdennettuihin toimiin ja välttää lääkkeiden käytön.  
Tuotoksen hallinta Emotionaalisen tartunnan ehkäisy Koneoppiminen (ML) ML-pohjainen tekoäly voi auttaa meitä tunnistamaan emotionaalisen tarttuvuuden muuttujat, jotka perustuvat ääntelyyn, hajuvihjeisiin jne., ja havaitsemaan tietyn sairauden tai stressin puhkeamisen.  

Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Maatalous

Tekoälyratkaisuja löytyy runsaasti maataloudesta; lähtien maanmuokkauksesta, kastelusta, kylvöstä, sadon terveyden valvonnasta, sadonkorjuusta jne.

 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus  
Maaperän seuranta Maaperän terveyden valvonta Tietokonenäkö / Syväoppiminen / Drones Työkalu tunnistaa matkapuhelimen kuvien avulla maaperän mahdolliset viat ja ravinnepuutokset. Analyysi tehdään ohjelmistoalgoritmeilla, jotka korreloivat tietyt lehtikuviot tiettyjen maaperän vikojen, kasvintuhoojien ja tautien kanssa.  
Sadon seuranta Viljelykasvien terveyden valvonta Crop Health Control
Tietokonenäkö / Syväoppiminen / Dronet		 Hyödynnetään tietokonenäköä ja syväoppimisalgoritmeja lennokkien ja/tai ohjelmistopohjaisen teknologian keräämien tietojen käsittelyssä viljelykasvien terveyden seuraamiseksi.  
Viljelykasvien hallinta Kastelu Etäanturit ja Arduino-tekniikka Automaattiset kasvien kastelujärjestelmät asennetaan pellolle langattoman tekniikan avulla tippukastelua varten.  
Sadonkorjuu Sadonkorjuutehtävät Maatalousrobotit Autonomiset robotit hoitavat keskeisiä maataloustehtäviä, kuten sadonkorjuuta, enemmän ja nopeammin kuin ihmistyöntekijät.  
Sadonkorjuun hallinta Ennakoiva sadonkorjuun analysointi Koneoppiminen Koneoppimisalgoritmit yhdessä satelliittien kanssa sääennusteiden laatimiseksi, viljelykasvien kestävyyden analysoimiseksi ja maatilojen arvioimiseksi tautien ja tuholaisten esiintymisen varalta.  

Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Palvelut

Tekoäly voi auttaa palvelualaa palvelujen tutkimus- ja konseptointiprosessissa sekä palvelujen muotoilussa. Palvelualan erityiset panokset liittyvät palvelutuotantoprosessiin, ja niissä keskitytään erityisesti seuraaviin seikkoihin:

    • Palveluresurssien suunnittelu ja kohdentaminen (palvelumuotoilu) asiakkaalle tarjottavan palvelukokemuksen varmistamiseksi.
    • Palvelujen laadunvalvonta ajoissa, ·        , koska palvelujen laadunvalvonnan pitäisi olla pääasiassa ennaltaehkäisevää, koska tuotanto- ja kulutusajat ovat samanaikaisia, eikä varastossa ole tuotteiden kaltaista varastoa, jonka avulla voitaisiin korjata mahdolliset laatuongelmat ennen kulutusta.

 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus  
Palvelumuotoilu Palvelututkimus, käsitteellistäminen, strukturointi ja testaus Big Data / Tiedonlouhinta / Koneoppiminen (ML) / Luonnollisen kielen prosessointi / Verkkokaavaus / Ennustava analyysi / RPA (robottiprosessien automatisointi) / Esineiden internet (IoT). Tekoälyteknologia kerää tietoja valitulta kohdeyleisöltä, jotta voidaan määritellä ja testata tärkeimmät palvelukonseptit, jäsentää perus-, täydentävät ja hallintopalvelut ja lopuksi testata palvelua ja siihen liittyvää tyytyväisyyttä.  
Huoltotoiminta Palvelun resurssien suunnittelu Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi Historiallisen resurssien käytön ja kysyntäennusteiden perusteella algoritmi luo useita muuttujia huomioon ottaen kysyntätasot kullekin palvelulle, tunnistaa pullonkaulat ja suosittelee resurssien jakamista.  
Huoltotoiminta Palvelun laadunvalvonta (QC) Tiedonlouhinta / Koneoppiminen (ML) / Ennakoiva analyysi / RPA (robottiprosessien automatisointi) / Esineiden internet (IoT) Älykkäiden kameroiden ja niihin liittyvien tekoälyä tukevien ohjelmistojen käyttö huoltotarkastustehtävissä. Mukaan lukien tilat, asiakkaiden osallistuminen, palvelutiimi, palvelutyökalut ja muut palveluympäristön osatekijät.  

 

Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Kulutustavarat

Kuluttajapakkaus-sektorilla on yleisten prosessien lisäksi myös muita erityisiä tekoälyratkaisuja, jotka on suunnattu:

 

  • Tuotteiden suunnittelu, testaus ja parantaminen
  •  Resurssien kohdentaminen teollisuudessa
  • Saapuvien raaka-aineiden ja komponenttien sekä valmistuksen tuotosten laadunvalvonta.
 
Työnkulku Tehtävät Tekoälymenetelmät Tekoäly-sovelluksen kuvaus Tulokset Kuvaus
Tuotesuunnittelu Tuotetutkimus ja tuotekehitys Big Data / Koneellinen oppiminen (ML) / Luonnollisen kielen prosessointi / Web scraping / RPA (Robot Process Automation) Tekoälyyn perustuva markkinatutkimus tuottaa tuloksia lähes reaaliajassa. Tekoälyteknologia kerää tietoja valitusta kohdeyleisöstä ja seuraa ja skannaa automaattisesti avainsanoja tai aiheita. Markkinatutkimus on tehtävä mahdollisimman pian, jotta asiaankuuluvuus säilyy. Toimituksen viivästyminen johtaa usein vanhentuneisiin näkemyksiin ja epätarkkoihin tunneanalyyseihin. AI-markkinatutkimustyökalut, lisäävät tehokkuutta ja vähentävät prosessikustannuksia.
Valmistus Tekninen toimisto Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi / RPA (robottiprosessien automatisointi) Tunnistetaan mahdolliset parannukset, jotka johtuvat vähäisistä tuoteteknisten eritelmien muutoksista. Vähentää tuotekustannuksia ja/tai lisää asiakastyytyväisyyttä.
Valmistus Ostot (raaka-aineet ja komponentit) Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi / RPA (robottiprosessien automatisointi) Kysynnän ennustamisen avulla RPA-ratkaisut voivat ennakoida eri toimittajien komponenttitarpeita, ja tarvittavat tilaukset automatisoidaan ottaen huomioon toimittajien kanssa neuvotellut vähimmäistilaukset. Se vähentää komponenttien ja raaka-aineiden täydennysprosessin kustannuksia ja mukauttaa kyseisten varastojen kustannuksia.
Valmistus INPUT/OUTPUT Logistiikka Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi / RPA (robottiprosessien automatisointi) Jotta CPG-yritykset voivat ennakoida varastovajeita ja hallita niitä järjestämällä uusia toimituksia, ne voivat seurata tuotteiden sijaintia ja varastoa IoT-laitteiden ja muiden lähteiden, kuten tapahtumatietojen ja jopa kolmansien osapuolten lähteiden, kuten sään, avulla. Tekoälytyökalut voivat poistaa manuaalisen työn ja lisätä logistiikan tehokkuutta.
Valmistus Varastointi Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi / RPA (robottiprosessien automatisointi) Tuotantoennusteen perusteella voidaan laatia ostoennuste. Voimme määrittää kullakin kaudella varastoitavien komponenttien koostumuksen ja sen, kuinka nopeasti ne muutetaan valmiiksi tuotteiksi. mukauttaa tarvittavat investoinnit tiloihin ja muiden inhimillisten ja teknisten voimavarojen tasoon, joita tarvitaan kauden saapuvien ja lähtevien varastojen hallinnoimiseksi.
Valmistus Valmistussuunnitelma Tiedonlouhinta / koneoppiminen (ML) / ennakoiva analyysi Tekoälyn avulla pystymme yhdistämään monenlaisia tietolähteitä, joita tarvitaan nykyaikaisen yrityksen kannalta riittävän tarkkojen tulosten tuottamiseen. Tekoälypohjaiset järjestelmät voivat ennustaa tarkemmin tarvittavien tuotteiden määrän ja viiveen, jonka kuluessa niitä on täydennettävä. Vähentää komponenttien ja valmiiden tuotteiden ylivarastointia.
Valmistus Tuotteen laadunvalvonta (QC) Tiedonlouhinta / Koneoppiminen (ML) / Ennakoiva analyysi / RPA (robottiprosessien automatisointi) / Esineiden internet (IoT) Älykkäiden kameroiden ja niihin liittyvien tekoälyä tukevien ohjelmistojen käyttö valmistuksen tarkastustehtävissä. Laadunvalvonnan parantaminen nopeuksilla, viiveillä ja kustannuksilla, jotka ylittävät inhimillisten tarkastajien kyvyt.


Lähde: Diagnostiikkatyökalu - LiveCircular Canvas -projekti.

Muita resursseja: Videot ja/tai hyödyllisiä linkkejä

PERFORM AI Elokuvat.

 



PERFORM AI Animations.

 

Viitteet

Itsereflektointi

Keksi tulevaisuuden alakohtainen sovellus, jota ei ole vielä kehitetty, ja perustelkaa sen hyötyjä.

Harjoituksia

Harjoitustehtävä: Monivalinta

Katso video

 

joka liittyen tekoälyyn kotieläintuotantoalalla ja vastaa kysymykseen.

Lehmäkaulus auttaa:

Harjoitustehtävä: Monivalinta

Tarkista oikeat vastaukset Impact Diagnostic Tool -työkalun avulla:

Erasmus logo
Euroopan komission tuki tämän julkaisun tuottamiseen ei tarkoita sitä, että sisältö, joka kuvastaa pelkästään tekijöiden näkemyksiä, saa kannatusta, eikä komissiota voida saattaa vastuuseen niiden sisältämien tietojen mahdollisesta käytöstä.
All rights reserved © 2021
cookiecookiefigyelmeztetes