Strojové učení u systému ERP

Machine Learning (strojové učení) je aplikace umělé inteligence, která systémům umožňuje se automaticky učit a zdokonalovat, aniž by k tomu byly prvoplánově programované.

Algoritmy strojového učení u ERP jsou v podstatě navrženy tak, aby klasifikovaly procesy, hledaly vzory, předpovídaly výsledky a činily informovaná rozhodnutí. Nástroje Machine Learning se dokáží učit z dostupných relevantních dat, porovnávají historické zkušenosti a dokážou předejít případným chybám. 

Machine Learning se učí z různých typů algoritmických technik. V závislosti na povaze dat a požadovaném výsledku je možné strojové učení dělit:

• Strojové učení pod dohledem
• Strojové učení bez dohledu
• Strojové učení s částečným dohledem
• Strojové učení se zpětnou vazbou

Typy strojového učení u ERP

Pokud má systém dostatek dat, jejichž zpracování se stále opakuje podle stejného klíče, pak systém ví, že další dodaná data bude zpracovávat stejně, jako předchozí a učiní tak. To je příklad strojového učení pod dohledem.

Systém zpracovává dodaná data podle stejného klíče a výsledky ukládá na připravené místo v paměti. Je zřejmé, že nově dodaná data zpracuje také tak a porovná výsledek s předchozími výsledky. Jestliže je princip dosažení výsledku totožný s předchozími výsledky, je jasné, že výsledek je správný a uloží jej, aniž by vyžadoval jakoukoliv asistenci lidské práce. V tomto případě je jedná o strojové učení bez dohledu.

Jestliže systém při výpočtech dodaných nalezne výraznou odchylku ve výsledku, upozorní na ni a výsledek neuloží na připravené místo paměti. Uživatel pak musí určit, co s takovým výsledkem udělá, zda zadá nová vstupní data, opraví, nebo vyloučí nestandardní vstupní data, či přijme nabízený výsledek. Pokud se tento stav opakuje, sleduje systém uživatelské rozhodnutí. Vyřeší-li uživatel situaci pokaždé jinak, zůstane tento typ procesu nadále u strojového učení s částečným dohledem. Strojové učení s částečným dohledem, není až tak přínosné pro matematické procesy, jako pro lékařské procesy, lingvistiku, prostě procesy, které není možné číselně parametrizovat.

Strojové učení se zpětnou vazbou pracuje na principu akce a výběru správné reakce s ohledem na akci. Je to něco podobného jako je výcvik psa. Pokud pes splní povel, dostane odměnu. Jakmile pes splní povel rychleji, dostane větší odměnu. S tímto pravidlem pracují hodně počítačové hry.

Machine Learning v ERP

Obecně ERP systémy využívají strojového učení ve svých algoritmech, včetně systému Helios iNuvio. Na základě dostupných dat udělá správná rozhodnutí. Díky perfektní znalosti historických dat, detekování chyb a odchylek dokážete skvěle tvořit plány do budoucna. To je pro byznys velmi důležité.

Machine Learning dokáže zabránit problémům a možným chybám. Z množství dodaných dat predikuje ve výrobě počty vyrobených kusů, od toho se odvíjí i požadavek na nákup surovin, dostatečný počet zaměstnanců a pravidelné vytížení výrobních strojů. Následná inventura je výrazně méně pracná, protože systém v každém momentě ví, kolik kusů je skladem a kde se nachází.

Výhody Machine learning v ERP

V první řadě dokáže strojové učení bezpečně a rychle odhalit příčinu nějakého problému. Pokud se do systému pravidelně ráno nalévá určitý objem dat, které systém zpracovává a jeden den systém získá menší objem, ví přesně, kde mu data chybí. Hned ráno se tedy ví, kde je příčina problému.
Ta může být jakákoliv, třeba nedostatek materiálu, který nebyl uvolněn do výroby v požadovaném množství, nefunguje výrobní stroj. Nebo se do systému přihlásil nedostatečný počet pracovníků a to znamená, že s omezeným počtem zaměstnanců nebude splněná denní norma výroby. Firma se systémem ERP má přehled o dění a může se k tomu hned postavit.

Strojové učení z dat finanční sféry poznává, že zdržení výroby způsobí pozdější fakturaci. Proto uživatele ERP na stav upozorní a předikuje potřebu šetřit, z důvodu zpomaleného cash flow. Systém ERP umí díky strojovému učení predikovat.

Další výhodou je kvalitnější výroba. Systém sleduje více parametrů výrobku najednou. Zná vstupy do výroby i parametry hotového produktu. Kontroluje hmotnosti hotových výrobků a když narazí na lehčí výrobek, ohlásí chybu. Tím je výrobek odhalen a následně odstraněn, jako nedokonalý.  Strojové učení systému ERP zajišťuje kvalitnější výrobky.

Strojové učení v ERP HELIOS

• Machine Learning na běžných procesech firmy ukazuje, jak chytře řídit firmu. A ve všech nastíněných případech vychází z porovnávání historických dat.
• Strojového učení využívají i ERP HELIOS iNuvio u středních firem a HELIOS Nephrite ve velkých společnostech. Učí se z dat, která systémům poskytneme a nezasahuje do dalších procesů.
• Z přínosů strojové učení tak HELIOS iNuvio pomůže s podnikovou ekonomikou, kdy zastane účetnictví, fakturaci i leasing.
• Je to také dobrý projektový řešitel, protože hlídá nejen svěřené projekty, aby jely dle plánu, ale dokáže řídit servis i efektivně rozložit lidské zdroje.
• Přehledně ví, kde najít ve skladu správný polotovar, co dokoupit a co je potřeba vyskladnit na konkrétní zpracování.
• Díky strojovému učení získáme s HELIOS iNuvio perfektní přehled o výrobě, jednotlivých procesech a kapacitách strojů i lidí.
• V personální sféře pohlídá docházku, mzdy a naplánuje včas lékařské prohlídky zaměstnanců.
• A v rámci obchodu předá s pravou chvíli informace o stavech jednotlivých objednávek, upozorní na doprodávané produkty skladu, ví přesně, kdo z odběratelů dlouho neobjednal, nebo komu je třeba se ozvat, když doskladníme jeho oblíbený sortiment.