नफा:
- एंड-टू-एंड वर्कफ्लोमध्ये मागणी, स्टॉक, वेअरहाऊस, मार्ग आणि पुरवठादार मॉड्यूल एकत्र करण्याची क्षमता आणि समग्र निर्णय समर्थन स्तर म्हणून कृत्रिम बुद्धिमत्ता वापरण्याची क्षमता
- एआय गव्हर्नन्स पॉलिसीचे घटक समजून घेण्याची आणि मसुदा तयार करण्याची क्षमता (डेटा वर्गीकरण, मानवी मान्यता बिंदू, ऑडिट ट्रेल, नैतिक तत्त्वे)
- कृत्रिम बुद्धिमत्तेच्या सहाय्याने कार्बन फूटप्रिंट आणि टिकाऊपणा निर्देशकांचे निरीक्षण करताना, आम्ही खात्री करू शकतो की जबाबदारी आणि अंतिम निर्णय माणसाकडेच राहील.
मॉड्यूल परीक्षा
1. लॉजिस्टिक्स आणि सप्लाय चेनमध्ये कृत्रिम बुद्धिमत्तेसाठी खालीलपैकी कोणते स्थान सर्वात अचूक आहे?
- अ) कृत्रिम बुद्धिमत्ता मानवी मंजुरीशिवाय शिपिंग ऑर्डर आणि खरेदी ऑर्डरला अंतिम रूप देऊ शकते
- ब) कृत्रिम बुद्धिमत्ता केवळ मजकूर लिहिण्यामध्ये कार्य करते, त्याचा ऑपरेशनल डेटाशी काहीही संबंध नाही
- क) कृत्रिम बुद्धिमत्ता एक सहाय्यक आणि निर्णय समर्थन साधन आहे; गंभीर ऑपरेशनल निर्णयांची जबाबदारी आणि अंतिम मान्यता मानवांवर आहे ✔
- ड) कृत्रिम बुद्धिमत्ता नेहमी मानवांपेक्षा अधिक अचूक निर्णय घेते, म्हणून ऑडिटिंग अनावश्यक आहे
वर्णन: कृत्रिम बुद्धिमत्ता हे एक सहाय्यक आणि निर्णय समर्थन साधन आहे जे अंदाज, मसुदे आणि विश्लेषण तयार करते. पैसे आणि ऑपरेशनल सातत्य, जसे की शिपमेंट, स्टॉक गुंतवणूक आणि पुरवठादार निवड प्रभावित करणाऱ्या निर्णयांची जबाबदारी आणि अंतिम मंजुरी ही सक्षम तज्ञ आणि व्यवस्थापकाची आहे.
2. आम्हाला माहित आहे की मागणी अंदाज मॉडेलला मागील 3 वर्षांच्या डेटासह प्रशिक्षित केले जाते. एक नवीन उत्पादन बाजारात आणले जाईल. या उत्पादनाच्या पहिल्या महिन्याच्या मागणीसाठी AI अंदाजाची स्थिती काय आहे?
- अ) ऐतिहासिक डेटा नसलेल्या नवीन उत्पादनाचा अंदाज खराब आधारित आहे; तत्सम उत्पादन सादृश्यता आणि तज्ञांच्या निर्णयाला प्राधान्य दिले जाते ✔
- ब) नवीन उत्पादनाचा अंदाज नेहमी सर्वात अचूक परिणाम देतो
- क) मॉडेल आपोआप नवीन उत्पादन योग्यरित्या शिकते, कोणत्याही डेटाची आवश्यकता नाही
- ड) नवीन उत्पादनांच्या मागणीचा अंदाज लावणे अशक्य आहे, कोणतीही पद्धत वापरली जाऊ शकत नाही
वर्णन: AI अंदाज मागील नमुन्यांवर आधारित आहे. ऐतिहासिक डेटाशिवाय नवीन उत्पादनासाठी, मॉडेलमध्ये विश्वासार्ह आधार नसतो; तत्सम उत्पादन सादृश्यता आणि तज्ञांचे निर्णय समोर येतात आणि अंदाज सावधपणे स्वीकारला जातो.
3. सेफ्टी स्टॉकच्या संकल्पनेचा मुख्य उद्देश काय आहे?
- अ) टाकी नेहमी पूर्ण भरलेली ठेवणे
- ब) लेखा नोंदी सुलभ करण्यासाठी
- क) उत्पादनांचे शेल्फ लाइफ वाढवणे
- ड) मागणी आणि पुरवठा वेळेतील अनिश्चिततेविरुद्ध बफर तयार करणे आणि साठा कमी होणे टाळणे ✔
स्पष्टीकरण: सेफ्टी स्टॉक हा मागणी आणि पुरवठा वेळेतील अनिश्चिततेच्या विरूद्ध बफर म्हणून ठेवलेला अतिरिक्त स्टॉक आहे. चढ-उतार दरम्यान स्टॉकआउट्स रोखून लक्ष्यित सेवा पातळी राखणे हा त्याचा उद्देश आहे.
4. ABC विश्लेषणामध्ये गट 'A' उत्पादने सामान्यतः कशाचा संदर्भ घेतात?
- अ) कमी मूल्यासह सर्वात स्वस्त आणि सर्वात वैविध्यपूर्ण उत्पादने
- ब) क्रिटिकल उत्पादने ज्यांची संख्या कमी आहे परंतु एकूण मूल्याचा बहुतांश भाग आहे ✔
- क) मृत साठा ज्यांना वेअरहाऊसमध्ये कोणतीही हालचाल दिसत नाही
- ड) फक्त आयात केलेली उत्पादने
वर्णन: ABC विश्लेषण मूल्यानुसार उत्पादनांचे वर्गीकरण करते. गट 'अ' ही महत्त्वाची उत्पादने आहेत जी संख्येने लहान आहेत परंतु एकूण मूल्य/उलाढालीतील बहुतांश भाग आहेत; ते कठोर निरीक्षण आणि नियंत्रण (पॅरेटो तत्त्व) पात्र आहेत.
5. आर्टिफिशियल इंटेलिजन्सने सुचवलेले वेअरहाऊस पिकिंग मार्ग लागू करण्यापूर्वी ऑपरेशन मॅनेजरने काय तपासले पाहिजे?
- अ) मार्गाचा रंग आणि फॉन्ट
- ब) फक्त मार्ग सर्वात लहान आहे का ते तपासा
- क) साइट सुरक्षितता, कार्याभ्यास आणि वास्तविक वेअरहाऊस मर्यादांचे अनुपालन ✔
- ड) काहीही नाही; AI मार्ग नेहमी योग्य असतो
वर्णन: कृत्रिम बुद्धिमत्ता एक गणिती मार्ग सुचवू शकते जे अंतर कमी करते; तथापि, फील्ड सेफ्टी, आयसल वन-वेनेस, जड उत्पादन एर्गोनॉमिक्स आणि वास्तविक वेअरहाऊस मर्यादा मॉडेलमध्ये पूर्णपणे प्रतिबिंबित होऊ शकत नाहीत. म्हणूनच फील्ड सत्यता आणि सुरक्षा सत्यापन आवश्यक आहे.
6. वाहन मार्ग समस्या (VRP) मध्ये 'टाइम विंडो' मर्यादा म्हणजे काय?
- अ) अनुमत वेळ मध्यांतर ज्या दरम्यान बिंदू वितरण/रिसेप्शनसाठी सेवा प्राप्त करू शकतो ✔
- ब) वाहनाची टाकी भरण्यासाठी किती वेळ लागतो?
- सी) ड्रायव्हरची एकूण कामाची वर्षे
- ड) इंधनाची किंमत बदलण्याची वेळ
स्पष्टीकरण: टाइम विंडो हा अनुमत कालावधी आहे ज्या दरम्यान डिलिव्हरी किंवा पिकअप पॉइंट सेवा प्राप्त करू शकतात (उदाहरणार्थ, किराणा दुकान फक्त 08:00 आणि 11:00 दरम्यान वस्तू स्वीकारतात). मार्गाने या खिडक्यांचे पालन करणे आवश्यक आहे; AI ने या मर्यादा अंतर्गत परिस्थिती तयार केली पाहिजे.
7. प्रेडिक्टिव मेंटेनन्समध्ये, आर्टिफिशियल इंटेलिजन्स वाहनाचे बेअरिंग लवकरच निकामी होण्याची उच्च संभाव्यता दर्शवते. योग्य दृष्टीकोन काय आहे?
- अ) चेतावणीकडे पूर्णपणे दुर्लक्ष करणे, कारण AI चुकीचे आहे
- ब) तात्काळ आणि कोणत्याही प्रश्नाशिवाय वाहन स्क्रॅप करणे
- क) चेतावणी न देता ड्रायव्हरला डिसमिस करणे
- ड) तांत्रिक तज्ञ शारीरिक तपासणीसह अंदाजाची पुष्टी करतो आणि देखभालीचा निर्णय घेतो ✔
वर्णन: अंदाजात्मक देखभाल हा संभाव्यतेचा अंदाज आहे. ताबडतोब वाहन स्क्रॅप करण्याऐवजी किंवा चेतावणीकडे दुर्लक्ष करण्याऐवजी, तांत्रिक तज्ञ भौतिक तपासणीसह अंदाजाची पुष्टी करतात आणि देखभालीचा निर्णय घेतात. AI निर्णय घेण्यास नव्हे तर प्राधान्य देण्यात मदत करते.
8. पुरवठादार जोखीम व्यवस्थापनामध्ये 'सिंगल सोर्सिंग'चे काळजीपूर्वक निरीक्षण का केले पाहिजे?
- अ) एकाच पुरवठादारासोबत काम करणे नेहमीच स्वस्त असते, यात कोणताही धोका नाही
- ब) गंभीर साहित्य एकाच पुरवठादारावर अवलंबून असते, त्या पुरवठादारातील व्यत्यय संपूर्ण साखळी थांबवू शकतो ✔
- क) सिंगल सोर्स ही समस्या आहे कारण ती फक्त इनव्हॉइसची संख्या वाढवते
- ड) सिंगल सोर्स जोखीम केवळ आयातीसाठी वैध आहे, देशांतर्गत नाही.
स्पष्टीकरण: जेव्हा एखादी गंभीर सामग्री एकाच पुरवठादारावर अवलंबून असते तेव्हा एकल स्त्रोत धोका असतो. त्या पुरवठादारावरील व्यत्यय (दिवाळखोरी, नैसर्गिक आपत्ती, संप) संपूर्ण पुरवठा साखळी थांबवू शकतो. कृत्रिम बुद्धिमत्ता ही एकाग्रता दाखवू शकते; पर्यायी संसाधन योजना ही व्यवस्थापकाची जबाबदारी आहे.
९. कृत्रिम बुद्धिमत्ता आपोआप रक्कम, मालाचा प्रकार आणि GTIP कोड माहिती आयात बीजकातून काढते. हा डेटा सीमाशुल्क घोषणेमध्ये हस्तांतरित करण्यापूर्वी काय केले पाहिजे?
- अ) थेट सिस्टीममध्ये हस्तांतरित करणे, कारण कृत्रिम बुद्धिमत्ता चुका करत नाही
- ब) फक्त रक्कम तपासणे आणि इतर फील्ड वगळणे
- क) जबाबदार तज्ञ काढलेल्या डेटाची मूळ दस्तऐवजाशी तुलना करतो, पडताळतो आणि मंजूर करतो ✔
- ड) बीजक हटवणे आणि ते पुन्हा जारी करण्याची विनंती करणे
स्पष्टीकरण: OCR द्वारे काढलेला डेटा सीमाशुल्क, कर आणि कायदेशीर क्षेत्रात चुकीचा (चुकीचा क्रमांक, मिश्रित कोड) असू शकतो. मानवी पडताळणीशिवाय त्यावर प्रक्रिया केली जाऊ नये; जबाबदार तज्ञाने मूळ दस्तऐवजाशी त्याची तुलना करणे आणि त्याची पुष्टी करणे आवश्यक आहे.
10. कंट्रोल टॉवर सेटअपमध्ये, कृत्रिम बुद्धिमत्ता ईटीए (अंदाजे आगमन) विचलनासाठी चेतावणी व्युत्पन्न करते. या इशाऱ्यांची विश्वासार्हता कशावर अवलंबून असते?
- अ) ते फीड करत असलेल्या डेटाची अचूकता आणि अद्ययावतता ✔
- ब) चेतावणी संदेशात किती शब्द आहेत?
- क) कंट्रोल टॉवरच्या डिस्प्ले रंगांवर अवलंबून
- डी) ड्रायव्हरचा फोन ब्रँड
वर्णन: AI चेतावणी डेटाच्या गुणवत्तेवर अवलंबून असते. GPS सिग्नल, वर्तमान रहदारी आणि अचूक शिपिंग स्थिती गहाळ असल्यास किंवा विलंब झाल्यास, सारांश आणि इशारा दिशाभूल करणारा असेल. 'कचरा आत, कचरा बाहेर' हे तत्त्व लागू होते.
11. वाहतूक निविदा मूल्यांकनामध्ये, कृत्रिम बुद्धिमत्ता सर्वात कमी बोलीची शिफारस करते. या सूचनेवर आधारित निर्णय घेताना कोणते बरोबर आहे?
- अ) सर्वात कमी बोली सर्व परिस्थितीत आपोआप निवडली जावी
- ब) किंमतीव्यतिरिक्त कोणतेही निकष विचारात घेतले जाऊ नये
- क) आर्टिफिशियल इंटेलिजन्सने स्वतःच निर्णय घ्यावा
- ड) किंमत, क्षमता, कार्यप्रदर्शन आणि सातत्य या व्यतिरिक्त मूल्यमापन केले पाहिजे, स्पर्धेचे नियम पाळले पाहिजेत आणि अंतिम मान्यता व्यवस्थापकाकडे असावी ✔
टिप्पणी: केवळ सर्वात कमी किंमत ही सर्वोत्तम निवड असू शकत नाही; वाहकाची क्षमता, वितरण कार्यप्रदर्शन, विमा आणि सातत्य हे देखील महत्त्वाचे आहे. याव्यतिरिक्त, स्पर्धेच्या नियमांचे पालन करणे आणि अंतिम मान्यता व्यवस्थापकाची आहे. कृत्रिम बुद्धिमत्तेमुळे तुलनेचा वेग वाढतो, निर्णय नाही.
12. मागणीच्या अंदाजामध्ये MAPE (मीन पूर्ण टक्के त्रुटी) निर्देशक काय मोजतो?
- अ) गोदामाचे एकूण चौरस मीटर
- ब) सरासरी किती टक्के अंदाज वास्तविक मूल्यांपासून विचलित होतात?
- क) वाहनाच्या इंधन टाकीची मात्रा
- ड) पुरवठादारांची संख्या
वर्णन: MAPE एक अचूकता निर्देशक आहे जो वास्तविक मूल्यांमधून अंदाजित मूल्यांचे सरासरी टक्के विचलन मोजतो. लोअर MAPE म्हणजे अधिक अचूक अंदाज; हे विचलन जाणून घेऊन, नियोजक सुरक्षा साठा आणि परिस्थिती समायोजित करतो.
13. आर्टिफिशियल इंटेलिजेंस टूलला ऑपरेशनल आणि कमर्शियल डेटा (किंमत सूची, पुरवठादार करार, ग्राहकांची संख्या) देताना सर्वोत्तम दृष्टीकोन कोणता आहे?
- अ) कोणतीही साधने मुक्तपणे वापरा, डेटा संवेदनशीलता अप्रासंगिक आहे
- ब) सर्वात लोकप्रिय विनामूल्य साधनामध्ये व्यापार रहस्ये पेस्ट करणे
- क) संस्था-मंजूर आणि गोपनीयतेची हमी असलेली वाहने वापरणे, आवश्यक नसल्यास संवेदनशील डेटा मास्क करणे/निनावी करणे ✔
- ड) डेटा अजिबात न तपासता, सर्वात जास्त वैशिष्ट्ये प्रदान करणाऱ्या टूलमध्ये हस्तांतरित करणे
प्रकटीकरण: व्यवसाय डेटा स्पर्धात्मकदृष्ट्या संवेदनशील आहे आणि त्याला गोपनीयतेची आवश्यकता आहे. डेटा गोपनीयता हमीसह संस्थेने मंजूर केलेली साधने वापरली पाहिजेत; आवश्यक नसल्यास संवेदनशील डेटा निनावी किंवा मास्क केलेला असावा; लोकांसाठी खुली असलेल्या आणि ज्यांचा डेटा शिक्षणाकडे जातो अशा वाहनांमध्ये व्यापार रहस्ये समाविष्ट करू नयेत.
14. टिकाऊपणाच्या व्याप्तीमध्ये, कृत्रिम बुद्धिमत्ता मार्ग लहान करून कार्बन फूटप्रिंट कमी करण्यास सुचवते. या सूचनेचे खरे काय?
- अ) AI शिफारस गृहितकांवर आधारित आहे; डिलिव्हरी, ड्रायव्हरचे अधिकार आणि ग्राहकांचे निर्बंध विचारात घेऊन अंतिम निर्णय आणि जबाबदारी माणसाची आहे ✔
- ब) कार्बन कमी करण्यासाठी कृत्रिम बुद्धिमत्ता शिफारसी कोणत्याही प्रश्नाशिवाय लागू केल्या पाहिजेत
- क) टिकाऊपणा लॉजिस्टिक्ससाठी अप्रासंगिक आहे आणि ती विचारात घेतली जात नाही
- ड) रूट शॉर्टनिंगचा कार्बनशी काहीही संबंध नाही
वर्णन: कृत्रिम बुद्धिमत्ता कार्बन आणि खर्च बचतीसाठी मौल्यवान शिफारसी निर्माण करू शकते; तथापि, शिफारस गृहीतके आणि डेटावर आधारित आहे. वितरण वचनबद्धता, ड्रायव्हरचे हक्क आणि ग्राहकांचे समाधान यासारख्या अडचणी लक्षात घेऊन अंतिम निर्णय आणि जबाबदारी मानवाकडेच राहते.