નફો:
- એન્ડ-ટુ-એન્ડ વર્કફ્લોમાં માંગ, સ્ટોક, વેરહાઉસ, રૂટ અને સપ્લાયર મોડ્યુલોને જોડવાની ક્ષમતા અને સર્વગ્રાહી નિર્ણય સપોર્ટ લેયર તરીકે કૃત્રિમ બુદ્ધિનો ઉપયોગ કરવાની ક્ષમતા
- એઆઈ ગવર્નન્સ પોલિસીના ઘટકોને સમજવા અને ડ્રાફ્ટ કરવાની ક્ષમતા (ડેટા વર્ગીકરણ, માનવ મંજૂરીના મુદ્દાઓ, ઓડિટ ટ્રેલ, નૈતિક સિદ્ધાંતો)
- કૃત્રિમ બુદ્ધિમત્તાના સમર્થન સાથે કાર્બન ફૂટપ્રિન્ટ અને ટકાઉપણું સૂચકાંકોનું નિરીક્ષણ કરતી વખતે, અમે ખાતરી કરી શકીએ છીએ કે જવાબદારી અને અંતિમ નિર્ણય માનવની પાસે રહે છે.
મોડ્યુલ પરીક્ષા
1. લોજિસ્ટિક્સ અને સપ્લાય ચેઇનમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે નીચેનામાંથી કયું સ્થાન સૌથી સચોટ છે?
- A) આર્ટિફિશિયલ ઇન્ટેલિજન્સ માનવ મંજૂરી વિના શિપિંગ ઓર્ડર અને ખરીદીના ઓર્ડરને અંતિમ સ્વરૂપ આપી શકે છે
- B) આર્ટિફિશિયલ ઈન્ટેલિજન્સ માત્ર ટેક્સ્ટ લખવામાં જ કામ કરે છે, તેને ઓપરેશનલ ડેટા સાથે કોઈ લેવાદેવા નથી
- C) કૃત્રિમ બુદ્ધિ એ સહાયક અને નિર્ણય સહાયક સાધન છે; નિર્ણાયક ઓપરેશનલ નિર્ણયોની જવાબદારી અને અંતિમ મંજૂરી મનુષ્યો પર છે ✔
- ડી) કૃત્રિમ બુદ્ધિ હંમેશા મનુષ્યો કરતાં વધુ સચોટ નિર્ણયો લે છે, તેથી ઑડિટ કરવું બિનજરૂરી છે
વર્ણન: કૃત્રિમ બુદ્ધિ એ એક સહાયક અને નિર્ણય સહાયક સાધન છે જે આગાહીઓ, ડ્રાફ્ટ્સ અને વિશ્લેષણનું ઉત્પાદન કરે છે. નાણાં અને ઓપરેશનલ સાતત્યને અસર કરતા નિર્ણયોની જવાબદારી અને અંતિમ મંજૂરી, જેમ કે શિપમેન્ટ, સ્ટોક રોકાણ અને સપ્લાયરની પસંદગી, સક્ષમ નિષ્ણાત અને મેનેજરની છે.
2. અમે જાણીએ છીએ કે માંગ અનુમાન મોડેલને છેલ્લા 3 વર્ષના ડેટા સાથે પ્રશિક્ષિત કરવામાં આવે છે. એક તદ્દન નવી પ્રોડક્ટ માર્કેટમાં લોન્ચ કરવામાં આવશે. આ પ્રોડક્ટની પ્રથમ મહિનાની માંગ માટે AI આગાહીની સ્થિતિ શું છે?
- A) કોઈ ઐતિહાસિક ડેટા વિનાના નવા ઉત્પાદન માટેનું અનુમાન ખરાબ રીતે આધારિત નથી; સમાન ઉત્પાદન સામ્યતા અને નિષ્ણાત ચુકાદાને પ્રાધાન્ય આપવામાં આવે છે ✔
- બી) નવા ઉત્પાદન માટેનો અંદાજ હંમેશા સૌથી સચોટ પરિણામ આપે છે
- સી) મોડેલ આપમેળે નવા ઉત્પાદનને યોગ્ય રીતે શીખે છે, કોઈ ડેટાની જરૂર નથી
- ડી) નવા ઉત્પાદનોની માંગની આગાહી કરવી અશક્ય છે, કોઈ પદ્ધતિનો ઉપયોગ કરી શકાતો નથી
વર્ણન: AI આગાહી ભૂતકાળની પેટર્ન પર આધારિત છે. ઐતિહાસિક ડેટા વિનાના નવા ઉત્પાદન માટે, મોડેલમાં વિશ્વસનીય આધારનો અભાવ છે; સમાન ઉત્પાદન સામ્યતા અને નિષ્ણાત ચુકાદો સામે આવે છે, અને આગાહી સાવધાનીપૂર્વક સંપર્ક કરવામાં આવે છે.
3. સલામતી સ્ટોકના ખ્યાલનો મુખ્ય હેતુ શું છે?
- A) ટાંકીને હંમેશા સંપૂર્ણ ભરેલી રાખવી
- બી) એકાઉન્ટિંગ રેકોર્ડની સુવિધા માટે
- સી) ઉત્પાદનોની શેલ્ફ લાઇફને વિસ્તૃત કરવી
- ડી) માંગ અને પુરવઠાના સમયની અનિશ્ચિતતા સામે બફર બનાવવું અને સ્ટોકનો ઘટાડો અટકાવવો ✔
સમજૂતી: સુરક્ષા સ્ટોક એ માંગ અને પુરવઠાના સમયની અનિશ્ચિતતા સામે બફર તરીકે રાખવામાં આવેલ વધારાનો સ્ટોક છે. તેનો હેતુ વધઘટ દરમિયાન સ્ટોકઆઉટ્સને અટકાવીને લક્ષિત સેવા સ્તરને જાળવી રાખવાનો છે.
4. ABC પૃથ્થકરણમાં ગ્રૂપ 'A' ઉત્પાદનો સામાન્ય રીતે શાનો સંદર્ભ આપે છે?
- A) ઓછા મૂલ્ય સાથે સૌથી સસ્તો અને સૌથી વધુ વૈવિધ્યસભર ઉત્પાદનો
- B) નિર્ણાયક ઉત્પાદનો કે જે સંખ્યામાં ઓછા છે પરંતુ કુલ મૂલ્યના મોટા ભાગના છે ✔
- સી) ડેડ સ્ટોક કે જે વેરહાઉસમાં કોઈ હિલચાલ જોતા નથી
- ડી) માત્ર આયાતી ઉત્પાદનો
વર્ણન: ABC વિશ્લેષણ મૂલ્ય દ્વારા ઉત્પાદનોનું વર્ગીકરણ કરે છે. ગ્રૂપ 'A' એ નિર્ણાયક ઉત્પાદનો છે જે સંખ્યામાં નાના છે પરંતુ કુલ મૂલ્ય/ટર્નઓવરના મોટા ભાગનો હિસ્સો ધરાવે છે; તેઓ કડક દેખરેખ અને નિયંત્રણને પાત્ર છે (પેરેટો સિદ્ધાંત).
5. આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા સૂચવવામાં આવેલ વેરહાઉસ પિકિંગ રૂટને અમલમાં મૂકતા પહેલા ઓપરેશન મેનેજરએ શું તપાસવું જોઈએ?
- A) રૂટનો રંગ અને ફોન્ટ
- બી) માત્ર તપાસો કે શું માર્ગ સૌથી ટૂંકો છે
- સી) સાઇટની સલામતી, અર્ગનોમિક્સ અને વાસ્તવિક વેરહાઉસ અવરોધોનું પાલન ✔
- ડી) કંઈ નહીં; AI રૂટ હંમેશા સાચો હોય છે
વર્ણન: કૃત્રિમ બુદ્ધિ ગાણિતિક માર્ગ સૂચવી શકે છે જે અંતર ટૂંકાવે છે; જો કે, ફીલ્ડ સેફ્ટી, પાંખ વન-વેનેસ, ભારે ઉત્પાદન અર્ગનોમિક્સ અને વાસ્તવિક વેરહાઉસ અવરોધો મોડેલમાં સંપૂર્ણપણે પ્રતિબિંબિત થઈ શકશે નહીં. એટલા માટે ફીલ્ડ અધિકૃતતા અને સુરક્ષા ચકાસણી આવશ્યક છે.
6. વ્હીકલ રૂટીંગ પ્રોબ્લેમ (VRP)માં 'ટાઇમ વિન્ડો'ની મર્યાદાનો અર્થ શું થાય છે?
- A) મંજૂર સમય અંતરાલ જે દરમિયાન એક બિંદુ ડિલિવરી/રિસેપ્શન માટે સેવા પ્રાપ્ત કરી શકે છે ✔
- બી) વાહનની ટાંકી ભરવામાં કેટલો સમય લાગે છે?
- સી) ડ્રાઈવરના કુલ કામના વર્ષો
- ડી) સમય જ્યારે ઇંધણની કિંમત બદલાય છે
સમજૂતી: ટાઈમ વિન્ડો એ માન્ય સમયગાળો છે જે દરમિયાન ડિલિવરી અથવા પિકઅપ પોઈન્ટ સેવા પ્રાપ્ત કરી શકે છે (ઉદાહરણ તરીકે, કરિયાણાની દુકાન માત્ર 08:00 અને 11:00 વચ્ચે માલ સ્વીકારે છે). માર્ગે આ વિંડોઝનું પાલન કરવું આવશ્યક છે; AI એ આ અવરોધ હેઠળ દૃશ્ય બનાવવું જોઈએ.
7. અનુમાનિત જાળવણીમાં, કૃત્રિમ બુદ્ધિ એ ઉચ્ચ સંભાવના સૂચવે છે કે વાહનની બેરિંગ ટૂંક સમયમાં નિષ્ફળ થઈ શકે છે. યોગ્ય અભિગમ શું છે?
- A) ચેતવણીને સંપૂર્ણપણે અવગણવી, કારણ કે AI અયોગ્ય છે
- બી) વાહનને તાત્કાલિક અને પ્રશ્ન વિના સ્ક્રેપ કરવું
- સી) ચેતવણી વિના ડ્રાઇવરને બરતરફ કરવો
- ડી) તકનીકી નિષ્ણાત શારીરિક તપાસ સાથે અંદાજની પુષ્ટિ કરે છે અને જાળવણીનો નિર્ણય લે છે ✔
વર્ણન: અનુમાનિત જાળવણી એ શક્યતાનો અંદાજ છે. વાહનને તાત્કાલિક સ્ક્રેપ કરવાને બદલે અથવા ચેતવણીને અવગણવાને બદલે, ટેકનિકલ નિષ્ણાત ભૌતિક નિરીક્ષણ સાથે આગાહીની પુષ્ટિ કરે છે અને જાળવણીનો નિર્ણય લે છે. AI પ્રાથમિકતા આપવામાં મદદ કરે છે, નિર્ણય લેવામાં નહીં.
8. સપ્લાયર રિસ્ક મેનેજમેન્ટમાં 'સિંગલ સોર્સિંગ'નું શા માટે કાળજીપૂર્વક નિરીક્ષણ કરવું જોઈએ?
- A) એક જ સપ્લાયર સાથે કામ કરવું હંમેશા સૌથી સસ્તું હોય છે, તેમાં કોઈ જોખમ નથી
- બી) જટિલ સામગ્રી એક સપ્લાયર પર નિર્ભર છે, તે સપ્લાયરમાં વિક્ષેપ સમગ્ર સાંકળને રોકી શકે છે ✔
- સી) સિંગલ સોર્સ એક સમસ્યા છે કારણ કે તે માત્ર ઇન્વૉઇસની સંખ્યામાં વધારો કરે છે
- ડી) સિંગલ સોર્સ જોખમ માત્ર આયાત માટે માન્ય છે, સ્થાનિક રીતે નહીં.
સમજૂતી: સિંગલ સોર્સ રિસ્ક એ છે જ્યારે મહત્વપૂર્ણ સામગ્રી એક સપ્લાયર પર આધારિત હોય છે. તે સપ્લાયર (નાદારી, કુદરતી આપત્તિ, હડતાલ) પર વિક્ષેપ સમગ્ર પુરવઠા શૃંખલાને બંધ કરી શકે છે. કૃત્રિમ બુદ્ધિ આ એકાગ્રતા દર્શાવી શકે છે; વૈકલ્પિક સંસાધન યોજના મેનેજરની જવાબદારી છે.
9. આર્ટિફિશિયલ ઇન્ટેલિજન્સ આયાત ઇન્વોઇસમાંથી રકમ, માલના પ્રકાર અને GTIP કોડની માહિતી આપમેળે કાઢી લે છે. આ ડેટાને કસ્ટમ ડિક્લેરેશનમાં ટ્રાન્સફર કરતા પહેલા શું કરવું જોઈએ?
- એ) સીધું સિસ્ટમમાં ટ્રાન્સફર કરવું, કારણ કે કૃત્રિમ બુદ્ધિ ભૂલો કરતી નથી
- બી) માત્ર રકમ તપાસવી અને અન્ય ક્ષેત્રોને છોડી દેવા
- C) જવાબદાર નિષ્ણાત મૂળ દસ્તાવેજ સાથે કાઢવામાં આવેલ ડેટાની તુલના કરે છે, તેને ચકાસે છે અને મંજૂર કરે છે ✔
- ડી) ઇનવોઇસ કાઢી નાખવું અને તેને ફરીથી જારી કરવાની વિનંતી કરવી
સમજૂતી: OCR દ્વારા કાઢવામાં આવેલ ડેટા કસ્ટમ, ટેક્સ અને કાનૂની ક્ષેત્રોમાં ખોટો (ખોટો નંબર, મિશ્ર કોડ) હોઈ શકે છે. માનવીય ચકાસણી વિના તેની પ્રક્રિયા થવી જોઈએ નહીં; જવાબદાર નિષ્ણાતે મૂળ દસ્તાવેજ સાથે તેની તુલના કરવી જોઈએ અને તેની પુષ્ટિ કરવી જોઈએ.
10. કંટ્રોલ ટાવર સેટઅપમાં, કૃત્રિમ બુદ્ધિ ETA (અંદાજિત આગમન) વિચલનો માટે ચેતવણીઓ પેદા કરે છે. આ ચેતવણીઓની વિશ્વસનીયતા સૌથી વધુ શેના પર નિર્ભર છે?
- A) તે ફીડ કરે છે તે ડેટાની ચોકસાઈ અને અપ-ટુ-ડેટનેસ ✔
- બી) ચેતવણી સંદેશમાં કેટલા શબ્દો છે?
- સી) કંટ્રોલ ટાવરના ડિસ્પ્લે રંગો પર આધાર રાખીને
- ડી) ડ્રાઇવરની ફોન બ્રાન્ડ
વર્ણન: AI ચેતવણી તેને આપવામાં આવેલ ડેટાની ગુણવત્તા પર આધાર રાખે છે. જો GPS સિગ્નલ, વર્તમાન ટ્રાફિક અને સચોટ શિપિંગ સ્થિતિ ખૂટે છે અથવા વિલંબિત છે, તો સારાંશ અને ચેતવણી ઉત્પન્ન કરવામાં આવશે તે ભ્રામક હશે. 'કચરો અંદર, કચરો બહાર'નો સિદ્ધાંત લાગુ પડે છે.
11. પરિવહન ટેન્ડર મૂલ્યાંકનમાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સ સૌથી ઓછી બિડની ભલામણ કરે છે. આ સૂચનના આધારે નિર્ણય લેતી વખતે કયું સાચું છે?
- A) તમામ સંજોગોમાં સૌથી ઓછી બિડ આપમેળે પસંદ થવી જોઈએ
- બી) કિંમત સિવાયના અન્ય કોઈ માપદંડો ધ્યાનમાં લેવા જોઈએ નહીં
- C) આર્ટિફિશિયલ ઇન્ટેલિજન્સે પોતાના નિર્ણયને આખરી ઓપ આપવો જોઈએ
- ડી) કિંમત ઉપરાંત, ક્ષમતા, પ્રદર્શન અને સાતત્યનું મૂલ્યાંકન કરવું જોઈએ, સ્પર્ધાના નિયમોનું પાલન કરવું જોઈએ, અને અંતિમ મંજૂરી મેનેજર પાસે હોવી જોઈએ ✔
ટિપ્પણી: એકલા સૌથી ઓછી કિંમત શ્રેષ્ઠ પસંદગી ન હોઈ શકે; વાહકની ક્ષમતા, ડિલિવરી કામગીરી, વીમો અને સાતત્ય પણ મહત્વપૂર્ણ છે. વધુમાં, સ્પર્ધાના નિયમોનું પાલન અને અંતિમ મંજૂરી મેનેજરની છે. કૃત્રિમ બુદ્ધિ સરખામણીને ઝડપી બનાવે છે, નિર્ણય નહીં.
12. માંગની આગાહીમાં MAPE (મીન સંપૂર્ણ ટકાવારી ભૂલ) સૂચક શું માપે છે?
- A) વેરહાઉસનો કુલ ચોરસ મીટર
- બી) સરેરાશ કેટલા ટકા અનુમાનો વાસ્તવિક મૂલ્યોથી વિચલિત થાય છે?
- સી) વાહનની ઇંધણ ટાંકીનું પ્રમાણ
- ડી) સપ્લાયર્સ સંખ્યા
વર્ણન: MAPE એ એક સચોટતા સૂચક છે જે વાસ્તવિક મૂલ્યોમાંથી અનુમાનિત મૂલ્યોના સરેરાશ ટકાવારી વિચલનને માપે છે. લોઅર MAPE એટલે વધુ સચોટ આગાહી; આ વિચલનને જાણીને, આયોજક સલામતી સ્ટોક અને દૃશ્યોને સમાયોજિત કરે છે.
13. આર્ટિફિશિયલ ઇન્ટેલિજન્સ ટૂલને ઓપરેશનલ અને કોમર્શિયલ ડેટા (કિંમત સૂચિ, સપ્લાયર કોન્ટ્રાક્ટ, ગ્રાહક વોલ્યુમ) આપતી વખતે શ્રેષ્ઠ અભિગમ શું છે?
- A) કોઈપણ ટૂલ્સનો મુક્તપણે ઉપયોગ કરો, ડેટાની સંવેદનશીલતા અપ્રસ્તુત છે
- બી) સૌથી લોકપ્રિય મફત સાધનમાં વેપાર રહસ્યો પેસ્ટ કરવું
- C) સંસ્થા-મંજૂર અને ગોપનીયતા-બાંયધરીકૃત વાહનોનો ઉપયોગ કરવો, જ્યાં સુધી જરૂરી ન હોય ત્યાં સુધી સંવેદનશીલ ડેટાને માસ્કિંગ/અનામી રાખવો ✔
- ડી) ડેટાને તે ટૂલમાં સ્થાનાંતરિત કરવું કે જે સૌથી વધુ સુવિધાઓ પ્રદાન કરે છે, તેને બિલકુલ તપાસ્યા વિના
જાહેરાત: વ્યવસાયિક ડેટા સ્પર્ધાત્મક રીતે સંવેદનશીલ છે અને તેને ગોપનીયતાની જરૂર છે. ડેટા ગોપનીયતા ગેરંટી સાથે સંસ્થા-મંજૂર સાધનોનો ઉપયોગ કરવો જોઈએ; જ્યાં સુધી જરૂરી હોય ત્યાં સુધી સંવેદનશીલ ડેટા અનામી અથવા માસ્ક કરવો જોઈએ; જે વાહનો લોકો માટે ખુલ્લા હોય અને જેનો ડેટા એજ્યુકેશનમાં જાય છે તેમાં વેપારના રહસ્યોનો સમાવેશ થવો જોઈએ નહીં.
14. સ્થિરતાના અવકાશમાં, કૃત્રિમ બુદ્ધિ માર્ગો ટૂંકાવીને કાર્બન ફૂટપ્રિન્ટ ઘટાડવાનું સૂચન કરે છે. આ સૂચનમાં શું સાચું છે?
- A) AI ભલામણ ધારણાઓ પર આધારિત છે; અંતિમ નિર્ણય અને જવાબદારી માણસની છે, જેમાં ડિલિવરી, ડ્રાઇવરના અધિકારો અને ગ્રાહક પ્રતિબંધો ધ્યાનમાં લેવામાં આવે છે ✔
- બી) કાર્બન ઘટાડા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ ભલામણનો કોઈ પ્રશ્ન વિના અમલ થવો જોઈએ
- સી) ટકાઉપણું લોજિસ્ટિક્સ માટે અપ્રસ્તુત છે અને તેને ધ્યાનમાં લેવામાં આવતું નથી
- ડી) રૂટ શોર્ટનિંગને કાર્બન સાથે કોઈ લેવાદેવા નથી
વર્ણન: કૃત્રિમ બુદ્ધિ કાર્બન અને ખર્ચ બચત માટે મૂલ્યવાન ભલામણો પેદા કરી શકે છે; જો કે, ભલામણ ધારણાઓ અને ડેટા પર આધારિત છે. ડિલિવરી પ્રતિબદ્ધતાઓ, ડ્રાઇવરના અધિકારો અને ગ્રાહક સંતોષ જેવા અવરોધોને ધ્યાનમાં રાખીને અંતિમ નિર્ણય અને જવાબદારી માનવીની રહે છે.