{"id":2894,"date":"2024-05-20T13:17:30","date_gmt":"2024-05-20T11:17:30","guid":{"rendered":"https:\/\/www.manutan.pl\/blog\/?p=2894"},"modified":"2025-08-18T14:54:20","modified_gmt":"2025-08-18T12:54:20","slug":"big-data-i-ai-ekologiczny-lancuch-dostaw","status":"publish","type":"post","link":"https:\/\/www.manutan.pl\/blog\/big-data-i-ai-ekologiczny-lancuch-dostaw\/","title":{"rendered":"Du\u017ce zbiory danych i&nbsp;sztuczna inteligencja, czynniki wzrostu zielonego \u0142a\u0144cucha dostaw"},"content":{"rendered":"\n<p>W po\u0142\u0105czeniu ze sztuczn\u0105 inteligencj\u0105 (AI), du\u017ce zbiory danych s\u0105 niezb\u0119dnym narz\u0119dziem pracy dla rozwoju zielonego \u0142a\u0144cucha dostaw na du\u017c\u0105 skal\u0119. Celem jest  osi\u0105gni\u0119cie neutralno\u015bci w\u0119glowej w \u0142a\u0144cuchu dostaw, bez uszczerbku dla wydajno\u015bci.<\/p>\n\n\n\n<p>Wed\u0142ug badania przeprowadzonego przez <a href=\"https:\/\/www.capgemini.com\/wp-content\/uploads\/2020\/07\/20-06_9880_Sustainability-in-CPR_Final_Web-1.pdf\" target=\"_blank\" rel=\"noreferrer noopener\">Capgemini <\/a>w sierpniu 2020 r., 85% firm uwa\u017ca, \u017ce mo\u017cliwe jest po\u0142\u0105czenie optymalizacji koszt\u00f3w z&nbsp;ochron\u0105 \u015brodowiska. Jest to strategiczny priorytet, odpowiadaj\u0105cy na rzeczywiste zapotrzebowanie ze strony klient\u00f3w. Wed\u0142ug tego samego badania, 79% konsument\u00f3w bierze obecnie pod uwag\u0119 wp\u0142yw swoich zakup\u00f3w na \u015brodowisko.<\/p>\n\n\n\n<h2>Struktura du\u017cych zbior\u00f3w danych i&nbsp;AI w zielonym \u0142a\u0144cuchu dostaw<\/h2>\n\n\n\n<p><strong>Transformacja ekologiczna i&nbsp;cyfrowa <\/strong>s\u0105 ze sob\u0105 \u015bci\u015ble powi\u0105zane i&nbsp;realizuj\u0105te same cele operacyjne.<\/p>\n\n\n\n<h3>W jaki spos\u00f3b technologia s\u0142u\u017cy \u015brodowisku?<\/h3>\n\n\n\n<p>Technologie cyfrowe mog\u0105 zwi\u0119kszy\u0107 odporno\u015b\u0107 i&nbsp;wydajno\u015b\u0107 \u0142a\u0144cuchadostaw, jednocze\u015bnie zmniejszaj\u0105c jego \u015blad w\u0119glowy. Systemy danych w czasie rzeczywistym oszcz\u0119dzaj\u0105 paliwo i&nbsp;energi\u0119, ograniczaj\u0105 odpady oraz zwi\u0119kszaj\u0105 wydajno\u015b\u0107<\/p>\n\n\n\n<p>Wed\u0142ug cytowanego badania, prawie 80% firm planuje<strong> zainwestowa\u0107 w technologie cyfrowe, aby przyspieszy\u0107 transformacj\u0119 ekologiczn\u0105<\/strong>, na przyk\u0142ad poprzez przej\u015bcie na zautomatyzowany Magazyn 4.0. Zapatruj\u0105 si\u0119 one na t\u0119 potencjaln\u0105 inwestycj\u0119 w nast\u0119puj\u0105cy spos\u00f3b:<\/p>\n\n\n\n<ul>\n<li>Dla 59% z&nbsp;nich systemy gromadzenia i&nbsp;analizy danych dostarczaj\u0105 cennych wska\u017anik\u00f3w do zarz\u0105dzania i&nbsp;kontrolowania kwestiami \u015brodowiskowymi (zu\u017cycie energii, paliwa i&nbsp;wody, a&nbsp;tak\u017ce emisja CO<sub>2<\/sub>).<\/li>\n\n\n\n<li>50% uwa\u017ca r\u00f3wnie\u017c, \u017ce post\u0119p technologiczny poprawia dok\u0142adno\u015b\u0107 tych wska\u017anik\u00f3w.<\/li>\n<\/ul>\n\n\n\n<h3>Sztuczna inteligencja na drodze ku zmniejszeniu koszt\u00f3w \u015brodowiskowych transportu drogowego<\/h3>\n\n\n\n<p>Du\u017ce zbiory danych i&nbsp;sztuczna inteligencja dostarczaj\u0105 konkretne rozwi\u0105zania dla transportu drogowego. Gromadzenie danych w czasie rzeczywistym dostarcza wielu informacji na temat sposobu <strong>jazdy kierowc\u00f3w, a&nbsp;tym samym zu\u017cycia paliwa<\/strong>. Dzi\u0119ki analizie danych mo\u017cliwe jest<strong> edukowanie kierowc\u00f3w<\/strong> <strong>w zakresie bardziej energooszcz\u0119dnej jazdy<\/strong>, a&nbsp;tym samym zmniejszenie emisji CO<sub>2<\/sub>.<\/p>\n\n\n\n<p>Korzy\u015bci z&nbsp;wykorzystania Big Data i&nbsp;AI w transporcie: <\/p>\n\n\n\n<ul>\n<li>Ni\u017csze koszty transportu;<\/li>\n\n\n\n<li>Zmniejszony wp\u0142yw \u0142a\u0144cucha dostaw na \u015brodowisko;<\/li>\n\n\n\n<li>Ostro\u017cniejsza jazda kierowc\u00f3w.<\/li>\n<\/ul>\n\n\n\n<p>Du\u017ce zbiory danych <strong>skracaj\u0105<\/strong> r\u00f3wnie\u017c <strong>czas dostawy<\/strong> poprzez optymalizacj\u0119 tras i&nbsp;tankowania. <strong>Analiza ruchu w czasie rzeczywistym<\/strong> pozwala wybra\u0107 najbardziej efektywn\u0105 tras\u0119 i&nbsp;zmniejszy\u0107 liczb\u0119 przejazd\u00f3w. Szacuje si\u0119, \u017ce narz\u0119dzia te skracaj\u0105 dystans podr\u00f3\u017cy o&nbsp;16% i&nbsp;<a rel=\"noreferrer noopener\" href=\"https:\/\/www.orange-business.com\/en\/magazine\/climate-change-sustainability-has-become-business-imperative\" target=\"_blank\">zwi\u0119kszaj\u0105<\/a> <a rel=\"noreferrer noopener\" href=\"https:\/\/www.orange-business.com\/en\/magazine\/climate-change-sustainability-has-become-business-imperative\" target=\"_blank\">punktualno\u015b\u0107<\/a><a href=\"https:\/\/www.orange-business.com\/en\/magazine\/climate-change-sustainability-has-become-business-imperative\" target=\"_blank\" rel=\"noreferrer noopener\"> dostaw do \u015brednio 98%<\/a>. To krok naprz\u00f3d zar\u00f3wno pod wzgl\u0119dem CSR, jak i&nbsp;zadowolenia klient\u00f3w.<\/p>\n\n\n\n<h2>Kiedy sztuczna inteligencja i&nbsp;\u0142a\u0144cuch dostaw oznaczaj\u0105 przewidywalno\u015b\u0107<\/h2>\n\n\n\n<p>Inn\u0105 wielk\u0105 zalet\u0105 du\u017cych zbior\u00f3w danych, w po\u0142\u0105czeniu z&nbsp;oprogramowaniem opartym na sztucznej inteligencji (AI) i&nbsp;przetwarzaniem przez algorytmy ucz\u0105ce si\u0119 (Deep Learning), s\u0105 <strong>zdolno\u015bci analityczne<\/strong>. Firmy przechodz\u0105 zatem od modelu analizy opartego na wynikach z&nbsp;przesz\u0142o\u015bci do modelu, kt\u00f3ry mo\u017ce informowa\u0107 o&nbsp;potencjalnych przysz\u0142ych wydarzeniach. Ta dostosowana do wymaga\u0144 logistycznych funkcja predykcyjna zapewnia \u0142a\u0144cuchowi dostaw <strong>skuteczne rozwi\u0105zania, zar\u00f3wno pod wzgl\u0119dem operacyjnym, jak i&nbsp;\u015brodowiskowym<\/strong>.<\/p>\n\n\n\n<p>Takiego wyboru dokona\u0142 na przyk\u0142ad <strong>port w Antwerpii, tworz\u0105c model 3D portu<\/strong> o&nbsp;nazwie <a href=\"https:\/\/www.youtube.com\/watch?v=kLLTNRPgLe8\" target=\"_blank\" rel=\"noreferrer noopener\">APICA<\/a> (Antwerp Port Information and Control Assistant). Modelowanie jest mo\u017cliwe dzi\u0119ki przetwarzaniu danych w czasie rzeczywistym, kt\u00f3re syntetyzuj\u0105 ca\u0142\u0105 aktywno\u015b\u0107 portu. Uwzgl\u0119dnia on nast\u0119puj\u0105ce dane:<\/p>\n\n\n\n<ul>\n<li>Przep\u0142yw towar\u00f3w;<\/li>\n\n\n\n<li>Warunki pogodowe;<\/li>\n\n\n\n<li>Jako\u015b\u0107 powietrza;<\/li>\n\n\n\n<li>Przyp\u0142ywy;<\/li>\n\n\n\n<li>Dost\u0119pno\u015b\u0107 personelu;<\/li>\n\n\n\n<li>Ruchy most\u00f3w i&nbsp;\u015bluz.<\/li>\n<\/ul>\n\n\n\n<p>Wszystkie te dane s\u0105 przesy\u0142ane przez czujniki IoT (Internet of Things), kamery i&nbsp;drony. Daje to zarz\u0105dzaj\u0105cym portami <strong>kompleksowy wgl\u0105d w aktywno\u015b\u0107 w czasie<\/strong> <strong>rzeczywistym<\/strong>, co umo\u017cliwia im przewidywanie nietypowych sytuacji. Umo\u017cliwia to na przyk\u0142ad przewidywanie toksyczno\u015bci emisji ze statk\u00f3w w r\u00f3\u017cnych okoliczno\u015bciach i&nbsp;podejmowanie odpowiednich dzia\u0142a\u0144 naprawczych.<br><br>Przewidywalno\u015b\u0107 zapewniana przez dane i&nbsp;sztuczn\u0105 inteligencj\u0119 w \u0142a\u0144cuchu dostaw jest r\u00f3wnie\u017c rozwi\u0105zaniem pozwalaj\u0105cym <strong>radykalnie zmniejszy\u0107 ilo\u015b\u0107 odpad\u00f3w<\/strong>, zw\u0142aszcza w transporcie \u015bwie\u017cych produkt\u00f3w. Szacuje si\u0119, \u017ce mo\u017cliwo\u015b\u0107 dostosowania zapas\u00f3w i&nbsp;\u0142adunk\u00f3w z&nbsp;wyprzedzeniem tak \u015bci\u015ble, jak to mo\u017cliwe, mo\u017ce zmniejszy\u0107 liczb\u0119 ci\u0119\u017car\u00f3wek na drogach o&nbsp;15\u201320%. Jako\u015b\u0107 prognoz wzrasta o&nbsp;10\u201315% dzi\u0119ki sztucznej inteligencji.<\/p>\n\n\n\n<h2>Du\u017ce zbiory danych i&nbsp;sztuczna inteligencja przekszta\u0142caj\u0105 \u0142a\u0144cuch dostaw<\/h2>\n\n\n\n<p>Aby m\u00f3c zmniejszy\u0107 sw\u00f3j wp\u0142yw na \u015brodowisko, zoptymalizowa\u0107 interakcje i&nbsp;reagowa\u0107 na zak\u0142\u00f3cenia w czasie rzeczywistym, firmy musz\u0105 <strong>mie\u0107 pe\u0142n\u0105 kontrol\u0119 nad swoim \u0142a\u0144cuchem<\/strong> <strong>dostaw<\/strong>.<\/p>\n\n\n\n<h3>Po co zbiera\u0107 dane w ca\u0142ym cyklu \u017cycia produktu?<\/h3>\n\n\n\n<p>Firmy potrzebuj\u0105 bardziej kompleksowego spojrzenia na stosowane materia\u0142y, komponenty i&nbsp;sk\u0142adniki, opakowania, zaopatrzenie, procesy produkcyjne i&nbsp;zu\u017cycie energii. Ten kompleksowy obraz ich dzia\u0142alno\u015bci zapewnia im niezb\u0119dne zasoby do <strong>wprowadzenia g\u0142\u0119bokich zmian w \u0142a\u0144cuchu dostaw w bran\u017cy<\/strong>.<\/p>\n\n\n\n<p>Firmy musz\u0105 r\u00f3wnie\u017c budowa\u0107 inteligentne sieci, kt\u00f3re obejmuj\u0105 r\u00f3\u017cnych graczy na ich rynku, pocz\u0105wszy od klient\u00f3w. Zapewnia im to <strong>dost\u0119p<\/strong> <strong>do danych<\/strong> <strong>dotycz\u0105cych dystrybucji i&nbsp;recyklingu<\/strong> ich produkt\u00f3w. Modele sztucznej inteligencji zaprojektowane dla \u0142a\u0144cucha dostaw i&nbsp;uczenia maszynowego (ML) s\u0105 niezb\u0119dne do wykorzystania tych danych.<\/p>\n\n\n\n<h3>W kierunku przejrzysto\u015bci \u0142a\u0144cucha dostaw i&nbsp;lepszego zrozumienia zwi\u0105zanych z&nbsp;nim wyzwa\u0144<\/h3>\n\n\n\n<p>Ustanowienie <strong>skutecznego procesu komputerowego monitorowania i&nbsp;\u015bledzenia<\/strong> wymaga stworzenia sieci firm, kt\u00f3re dziel\u0105 si\u0119 informacjami. Aby w pe\u0142ni zrozumie\u0107 wyzwania zwi\u0105zane z&nbsp;ograniczeniem wp\u0142ywu produkcji na \u015brodowisko, firma musi stworzy\u0107 powi\u0105zania ze swoimi bezpo\u015brednimi i&nbsp;po\u015brednimi dostawcami. Sie\u0107 ta mo\u017ce r\u00f3wnie\u017c obejmowa\u0107 \u017ar\u00f3d\u0142a takie jak satelity do monitorowania wylesiania, eksploatacji wody, rolnictwa i&nbsp;g\u00f3rnictwa.<\/p>\n\n\n\n<p>Technologie takie jak <strong>Blockchain, 5G i&nbsp;czujniki na paletach<\/strong> r\u00f3wnie\u017c pomagaj\u0105 zapewni\u0107<strong> bezpieczn\u0105 \u0142\u0105czno\u015b\u0107 w czasie rzeczywistym<\/strong>. Narz\u0119dzia te zapewniaj\u0105 r\u00f3wnie\u017c widoczno\u015b\u0107 \u0142a\u0144cuch\u00f3w holdingowych i&nbsp;interakcji sieciowych. Gromadzenie i&nbsp;zarz\u0105dzanie wszystkimi tymi informacjami wymaga skalowalnego jeziora danych i&nbsp;integracji wielu \u017ar\u00f3de\u0142 danych.<\/p>\n\n\n\n<h3>Sztuczna inteligencja w \u0142a\u0144cuchu dostaw i&nbsp;w magazynie<\/h3>\n\n\n\n<p><strong>Wej\u015bcie magazyn\u00f3w w er\u0119 4.0 dzi\u0119ki technologii<\/strong>. Optymalizacja zarz\u0105dzania magazynem jutra dzi\u0119ki po\u0142\u0105czeniu automatyzacji, sztucznej inteligencji i&nbsp;przetwarzania du\u017cych zbior\u00f3w danych. Te post\u0119py technologiczne umo\u017cliwiaj\u0105 dzia\u0142anie na rzecz transformacji ekologicznej poprzez usprawnienie wszystkich proces\u00f3w magazynowych. Optymalizacja magazyn\u00f3w pozwala wprowadza\u0107 <strong>zmiany w zarz\u0105dzaniu zespo\u0142ami<\/strong> z&nbsp;korzy\u015bci\u0105 dla organizacji us\u0142ug i&nbsp;zarz\u0105dzania.<\/p>\n\n\n\n<p>Pobierz nasz\u0105 bia\u0142\u0105 ksi\u0119g\u0119 \u201eTransformacja magazynu i&nbsp;jego funkcjonowania\u201d, aby lepiej zrozumie\u0107 nowe ludzkie wyzwania w tym sektorze.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>W po\u0142\u0105czeniu ze sztuczn\u0105 inteligencj\u0105 (AI), du\u017ce zbiory danych s\u0105 niezb\u0119dnym narz\u0119dziem pracy dla rozwoju zielonego \u0142a\u0144cucha dostaw na du\u017c\u0105 skal\u0119. Celem jest osi\u0105gni\u0119cie neutralno\u015bci w\u0119glowej w \u0142a\u0144cuchu dostaw, bez uszczerbku dla wydajno\u015bci. Wed\u0142ug badania przeprowadzonego przez Capgemini w sierpniu 2020 r., 85% firm uwa\u017ca, \u017ce mo\u017cliwe jest po\u0142\u0105czenie optymalizacji koszt\u00f3w z&nbsp;ochron\u0105 \u015brodowiska. Jest to [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":2896,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[148,343],"tags":[304,150,13,294],"jetpack_featured_media_url":"https:\/\/www.manutan.pl\/blog\/wp-content\/uploads\/2024\/05\/bd-i-ai.png","_links":{"self":[{"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/posts\/2894"}],"collection":[{"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/comments?post=2894"}],"version-history":[{"count":2,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/posts\/2894\/revisions"}],"predecessor-version":[{"id":3466,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/posts\/2894\/revisions\/3466"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/media\/2896"}],"wp:attachment":[{"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/media?parent=2894"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/categories?post=2894"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.manutan.pl\/blog\/wp-json\/wp\/v2\/tags?post=2894"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}