Zastosowanie sztucznej inteligencji i zrównoważonych finansów łańcucha dostaw w obsłudze logistycznej omnichannel
Przedsiębiorstwa, dążąc do maksymalizacji efektywności funkcjonowania łańcucha dostaw, powinny zmierzać do jego zrównoważenia. Jednak bardzo często dużą barierą dla przedsiębiorstw jest przestrzeganie praktyk zrównoważonego rozwoju przy jednoczesnym zapewnieniu lepszych wyników finansowych. W ostatnich latach wzrosło także znaczenie nowoczesnych rozwiązań zgodnych z ideą zrównoważonego rozwoju i wykorzystujących sztuczną inteligencję do poprawy wydajności zarządzania łańcuchem dostaw. Dlatego w artykule przyjęto dwa cele. Pierwszy, natury teoretycznej, polega na określeniu możliwości wsparcia wdrożenia i rozwoju zarządzania zrównoważonym łańcuchem dostaw przy zastosowaniu technologii sztucznej inteligencji. Drugi, natury praktycznej, dotyczy przedstawienia sposobów poprawy finansów łańcucha dostaw z wykorzystaniem nowoczesnych rozwiązań do zarządzania nimi, czyli SSCM (sustainable supply chain management, zarządzanie zrównoważonym łańcuchem dostaw) i AI (artificial intelligence, sztuczna inteligencja), na przykładzie polskiej firmy odzieżowej stosującej omnichannel. We wnioskach ze studium przypadku stwierdzono, że wdrażając sztuczną inteligencję, liderzy łańcucha dostaw mogą z większą łatwością poprawić wszystkie kluczowe wymiary zrównoważonego rozwoju, zwłaszcza w obszarze strategicznym, poprzez wzmocnienie partnerstwa i współpracy z dostawcami oferującymi materiały o wartości dodanej, które gwarantują przewagę konkurencyjną.
Bibliografia
Bibliografia/References
Adams, N. M. (2010). Perspectives on data mining. International Journal of Market Research, 52(1), 11–19.
Alibhai, S., Bell, S., Conner, G. (2019). What's happening in the missing middle?: Lessons from financing SMEs. The World Bank.
Camerinelli, E. (2009). Measuring the value of the supply chain: Linking financial performance and supply chain decisions. Routledge.
Chalmeta, R., Barqueros-Munoz, J. E. (2021). Using big data for sustainability in supply chain management. Sustainability, 13(13), 7004, https://doi.org/10.3390/su13137004
Boer, R. de, Bals, L., Tate, W., Gelsomino, L., Steeman, M., Bals, C. (2017). Exploring the financial flows in sustainable supply chains. 24th International Conference on Production Research (ICPR). Poznan (Poland).
El Zaatari, S., Marei, M., Li, W., & Usman, Z. (2019). Cobot programming for collaborative industrial tasks: An overview. Robotics and Autonomous Systems, 116, 162–180. https://doi.org/10.1016/j.robot.2019.03.003
Fan, J., Fang, L., Wu, J., Guo, Y., Dai, Q. (2020). From brain science to artificial intelligence. Engineering, 6(3), 248–252, https://doi.org/10.1016/j.eng.2019.11.012
Fritz, M. M. C. (2019). Sustainable supply chain management. Responsible consumption and production. Encyclopedia of the UN Sustainable Development Goals. Springer. https://doi.org/10.1007/978-3-319-71062-4_21-1
Gao, Z. (2020). The application of artificial intelligence in stock investment. Journal of Physics: Conference Series, 1453(1). https://doi.org/10.1088/1742-6596/1453/1/012069
Hofmann, E. (2005). Supply Chain Finance: Some conceptual insights (203–214). W: R. Lasch, C. G. Janker (red.), Logistik Management — Innovative Logistikkonzepte. Wiesbaden: University of St. Gallen.
Huang, Y., Li, J., Fu, J. (2019). Review on application of artificial intelligence in civil engineering. Computer Modelling in Engineering & Sciences, 121(3), 845–875. https://doi.org/10.32604/cmes.2019.07653
Karaosman, H., Brun, A., Morales-Alonso, G. (2017). Vogue or vague: sustainability performance appraisal in luxury fashion supply chains. Sustainable management of luxury, Singapore: Springer, 301–330.
Kumar, V., Rajan, B., Venkatesan, R., Lecinski, J. (2019). Understanding the role of artificial intelligence in personalized engagement marketing. California Management Review, 61(4), 135–155. https://doi.org/10.1177/0008125619859317
Lamoureux, J. -F., Evans, T. A. (2011). Supply Chain Finance: A new means to support the competitiveness and resilience of global value chains. Rochester, NY: Social Science Research Network. https://doi.org/10.2139/ssrn.2179944
Li, R., Dong, Q., Jin, C., Kang, R. (2017). A new resilience measure for supply chain networks. Sustainability, 9(1), 144, https://doi.org/10.3390/su9010144
Milder, B. (2008). Closing the gap: Reaching the missing middle and rural poor through value chain finance. Enterprise Development & Microfinance, 19(4), 301. https://doi.org/10.3362/1755-1986.2008.027
Min, H. (2010). Artificial intelligence in supply chain management: theory and applications. International Journal of Logistics: Research and Applications, 13(1), 13–39. https://doi.org/10.1080/13675560902736537
Olan, F., Liu, S., Suklan, J., Jayawickrama, U., Arakpogun, E. O. (2021). The role of Artificial Intelligence networks in sustainable supply chain finance for food and drink industry. International Journal of Production Research, 1–16. https://doi.org/10.1080/00207543.2021.1915510
Özdemir, V., Hekim, N. (2018). Birth of industry 5.0: Making sense of big data with artificial intelligence, „the internet of things” and next-generation technology policy. Omics: A Journal of Integrative Biology, 22(1), 65–76. https://doi.org/10.1089/omi.2017.0194
Patnaik, D. (2015). Theorizing change in artificial intelligence: Inductivising philosophy from economic cognition processes. AI & Society, 30(2), 173–181. https://doi.org/10.1007/s00146-013-0524-5
Radhakrishnan, A., David, D. J., Sridharan, S. V., Davis, J. S. (2018). Re-examining supply chain integration: a resource dependency theory perspective. International Journal of Logistics Systems and Management, 30(1), 1–30. https://doi.org/10.1504/IJLSM.2018.091444
McKinsey (2017). Rewolucja AI. Jak sztuczna inteligencja zmieni biznes w Polsce (2017). Raport. McKinsey & Company, Forbes Polska.
Serrador, P., Pinto, J. K. (2015). Does agile work? A quantitative analysis of agile project success. International Journal of Project Management, 33(5), https://doi.org/10.1016/j.ijproman.2015.01.006
Someh, I., Wixom, B., Zutavern, A. (2020). Overcoming organizational obstacles to artificial intelligence value creation: propositions for research. Proceedings of the 53rd Hawaii International Conference on System Sciences. https://doi.org/10.24251/HICSS.2020.712
Stawiarska, E. (2016). Logistyczne systemy informatyczne wykorzystujące sztuczną inteligencję w branży motoryzacyjnej. Organizacja i Zarządzanie, (4), 101–119.
Steeman, M. (2014). The Power of Supply Chain Finance: How companies can apply collaborative finance models in their supply chain to mitigate risks and reduce costs. Hogeschool Windesheim.
Syam, N., Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution: Machine learning and artificial intelligence in sales research and practice. Industrial marketing management, 69, 135–146. https://doi.org/10.1016/J.INDMARMAN.2017.12.019
Tseng, M. L., Wu, K. J., Hu, J., Wang, C. H. (2018). Decision-making model for sustainable supply chain finance under uncertainties. International Journal of Production Economics, 205, 30–36. https://doi.org/10.1016/j.ijpe.2018.08.024
Venkatesh, V. G., Zhang, A., Deakins, E., Luthra, S., Mangla, S. (2019). A fuzzy AHP-TOPSIS approach to supply partner selection in continuous aid humanitarian supply chains. Annals of Operations Research, 283(1), 1517–1550. https://doi.org/10.1007/s10479-018-2981-1
Vipul, J., (2009). Editorial note for the special issue on 'Artificial Intelligence Techniques for Supply Chain Management'. Engineering Applications of Artificial Intelligence, 22(6): 829–831. https://doi.org/10.1016/j.engappai.2009.01.009
Wuttke, D. A., Blome, C., Henke, M. (2013). Focusing the financial flow of supply chains: An empirical investigation of financial supply chain management. International Journal of Production Economics, 145, 773–789. https://doi.org/10.1016/j.ijpe.2013.05.031
Wyskwarski, M. (2015). Metody sztucznej inteligencji w organizacji inteligentnej. Zeszyty Naukowe. Organizacja i Zarządzanie/Politechnika Śląska, (86). 159–168.
Yu, G., Li, F., Yang, Y. (2017). Robust supply chain networks design and ambiguous risk preferences. International Journal of Production Research, 55(4), 1168–1182, https://doi.org/10.1080/00207543.2016.1232499.
Zahraee, S. M., Assadi, M. K., Saidur, R. (2016). Application of artificial intelligence methods for hybrid energy system optimization. Renewable and Sustainable Energy Reviews, 66, 617–630, https://doi.org/10.1016/j.rser.2016.08.028
