Сучасні аспекти екологізації логістичної діяльності підприємств на основі впровадження можливостей штучного інтелекту

Размещено на http://www.allbest.ru/

КНУ імені Тараса Шевченка

Сучасні аспекти екологізації логістичної діяльності підприємств на основі впровадження можливостей штучного інтелекту

Харченко Т.Б., к.е.н., доцентка

Андреєва О.О., студентка

Kharchenko Tetiana, PhD in economics,

Associate Professor

Taras Shevchenko National University of Kyiv Andreieva Oleksandra, student Taras Shevchenko National University of Kyiv kharchenkot@knu. ua

MODERN ASPECTS OF ENVIRONMENTAL LOGISTICS ACTIVITIES OF ENTERPRISES BASED ON THE IMPLEMENTATION OF ARTIFICIAL INTELLIGENCE OPPORTUNITIES

The modern period of development of economic relations in the conditions of digitalization of the economy requires the search for non-standard solutions to problems arising in the process of production and sale of products. The instability of the economic situation, the need to adapt to the conditions of production in the conditions of military operations on the territory of Ukraine, the desire to preserve the competitiveness of business causes the need to develop and implement effective mechanisms for responding to external and internal changes. One of the tools that will ensure business innovation, respond to external challenges and minimize costs is the implementation of artificial intelligence capabilities in the enterprise's logistics activities. The purpose of the article is to substantiate the benefits of using the capabilities of artificial intelligence in the environmentalization of the enterprise's logistics activities. The article analyzes the effects of the enterprise's logistics activities on the surrounding natural environment, identifies the most environmentally threatening areas in the general logistics chain. The structure of emissions into the surrounding natural environment from stationary and mobile sources is analyzed and the main directions of attracting the possibilities of artificial intelligence in the production activity of the enterprise are proposed. The authors emphasize that artificial intelligence, with its unparalleled capabilities in data analytics, machine learning and predictive modeling, is becoming the catalyst that moves business into a future where profitability coexists with environmental responsibility. At the same time, the spheres of economic activity of the enterprise in which these changes can be introduced are determined. It has been established that with the help of artificial intelligence capabilities, manufacturers will be able to ensure: greening of the product transportation process, reduction of energy consumption, reduction of enterprise waste, forecasting of consumer demand.

The integration of artificial intelligence capabilities and environmental sustainability will provide a revolution in the supply chain that not only meets the requirements of today, but also lays the foundation for a sustainable and environmentally friendly future.

Keywords: logistics, business activity, logistics activity, flow, greening of business activity, artificial intelligence, supply chains.

Сучасний період розвитку економічних відносин в умовах диджиталізації економіки вимагає пошуку нестандартних рішень вирішення проблем, що виникають в процесі виробництва та реалізації продукції. Одним із інструментів, що дозволить забезпечити інноваційність бізнесу, реагувати на зовнішні виклики та мінімізувати витрати є впровадження можливостей штучного інтелекту в логістичній діяльності підприємства. Метою статті є обгрунтування переваг застосування можливостей штучного інтелекту при екологізації логістичної діяльності підприємства. У статті проаналізовано наслідки впливу логістичної діяльності підприємства на навколишнє природне середовище, визначено найбільш загрозливі для довкілля сфери в загальному логістичному ланцюгу. Автори наголошують на тому, що штучний інтелект з його неперевершеними можливостями в аналітиці даних, машинному навчанні та прогнозному моделюванні стає каталізатором, який рухає бізнес у майбутнє, де прибутковість співіснує з екологічною відповідальністю. При цьому визначено сфери господарської діяльності підприємства, у яких можуть бути запроваджені ці зміни. Встановлено, що за допомогою можливостей штучного інтелекту, виробники зможуть забезпечити: екологізацію процесу транспортування продукції, зменшення енергоспоживання, зменшення відходів підприємства, прогнозування попиту споживачів.

Інтеграція можливостей штучного інтелекту та екологічної стійкістю забезпечить революцію в ланцюзі поставок, яка не тільки відповідає вимогам сьогодення, але й закладає основу для стійкого й екологічно чистого майбутнього. штучний інтелект екологізація

Ключові слова: логістика, підприємницька діяльність, логістична діяльність, потік, екологізація підприємницької діяльності, штучний інтелект, ланцюги поставок.

Постановка проблеми. У наш час, коли зміна клімату та деградація навколишнього середовища досягають критичної межі, суб'єкти господарювання змушені переглянути свої практики щодо забезпечення сталого майбутнього. Кожне підприємство все частіше стикається з питанням впливу його діяльності на навколишнє середовище. Цей вплив охоплює різні виміри, охоплюючи такі аспекти, як споживання ресурсів, утворення відходів і викиди. Використання сировини та джерел енергії, часто необхідних для виробництва, сприяє виснаженню та зміні природних ресурсів. Крім того, промислові процеси можуть призвести до викидів забруднюючих речовин і парникових газів, що ще більше сприяє погіршенню стану навколишнього середовища. Неналежна утилізація відходів становить значну загрозу, потенційно забруднюючи ґрунт, водойми та навіть повітря. Як наслідок, екологічний слід підприємств стає критично важливим питанням, що вимагає переходу до стійких практик і екологічно свідомого прийняття рішень для пом'якшення негативного впливу на навколишнє середовище. Серед всіх галузей управління логістичною діяльністю можна розглядати як центральну сферу для розгорнення трансформаційних змін. Одним із найбільш серйозних впливів на навколишнє середовище є вплив саме транспортної галузі на всіх етапах виробництва та реалізації продукції.

Аналіз останніх публікацій. Питання сутності та практичного використання усіх переваг штучного інтелекту у логістичній діяльності з кожним роком привертає все більше увагу науковців. Серед вітчизняних теоретиків та практиків варто виділити праці В.М. Богомазової [1], Н.М. Іщенко [3], Т.К. Кваші [1], Н.Ю. Кирлик [4], А.О. Лопатіна [3], Н.В. Чорнописької [5]. Р. Бут, Й. Гійсбрехтс [7], Г. Келінеску [9], М. Уденьо [8] є одними з багатьох яскравих представників іноземних науковців у сфері використання штучного інтелекту в управлінні ланцюгами поставок.

Невирішені частини проблеми. Проте, у сфері використання штучного інтелекту для екологічного управління ланцюгом поставок досі недостатньо дослідженими залишаються декілька питань, від яких залежить успішність оптимізації діяльності компанії. Одна з основних перешкод лежить у сфері даних, де підтримка високоякісної, стандартизованої та легко інтегрованої інформації в ланцюжку постачання залишається постійною проблемою. Невідповідності у форматах даних, джерелах і точності можуть перешкоджати ефективності алгоритмів штучного інтелекту, вимагаючи постійних зусиль для підвищення якості даних і методів інтеграції. Досягнення можливостей повного моніторингу в режимі реального часу всього ланцюга постачання та впровадження адаптивних стратегій у відповідь на динамічні фактори навколишнього середовища є складним завданням. Створення прозорості та видимості на всіх рівнях має важливе значення для розуміння та вирішення екологічних практик постачальників на кожному рівні, тому цей виклик підкреслює потребу в передових технологіях і спільних зусиллях для створення комплексного уявлення про вплив на навколишнє природне середовище в усьому ланцюжку постачання. Невирішені проблеми на перетині штучного інтелекту та екологічного управління ланцюгами поставок поширюються на прогнозну аналітику, міжгалузеву співпрацю, енергоефективне транспортування та впровадження практики циклічної економіки. Вирішення цих проблем потребує цілісного підходу, який поєднує в собі технологічні інновації, нормативну базу та спільні ініціативи.

Метою статті є дослідження динамічного перетину між штучним інтелектом та управлінням логістичною діяльністю, наголошуючи на тому, що така синергія є не просто еволюцією в бізнес-операціях, а сильною відповіддю на глобальний заклик до екологічної відповідальності та вимогою сьогодення.

Методи дослідження. Для досягнення поставленої мети дослідження, використовувались загальнонаукові методи (узагальнення, порівняння, функціональний і структурнологічний аналіз, синтез, систематизація даних), методи графічного інтегрування та ін.

Результати дослідження. Нагальність пом'якшення впливу на навколишнє середовище ніколи не була такою виразною. Традиційні моделі ланцюгів поставок є неефективними, характеризуються перевиробництвом і виснаженням ресурсів, не відповідають вимогам планети, яка перебуває в небезпеці. Складна взаємодія між підприємствами та навколишнім середовищем є темою, яка набуває все більшого значення в сучасному глобальному дискурсі щодо сталого розвитку та екологічності. Компанії різних галузей здійснюють глибокий впив на природу через свою операційну діяльність. Цей вплив охоплює різні аспекти екології, такі як якість повітря, стан води, стан ґрунту, біорізноманіття та загальна стійкість екосистеми. За даними державної служби статистики України, за 2022 рік найбільша кількість викидів в атмосферне повітря припадає на енергетичні галузі, викиди переробної промисловості та будівництва, виробництво чавуну та сталі, спалювання в малих установках, тваринництво та поводження з гноєм, виробництво центу та феросплавів. Але варто зазначити, що стаціонарні джерела складають тільки 50,93% всіх викидів. Майже половина (49,07%) речовин, які забруднюють атмосферне повітря, спричинена саме викидами пересувних джерел, тобто автомобільним транспортом (рис. 1).

Рис. 1. Структура обсягів забруднюючих речовин, викинутих в атмосферне повітря за 2022 рік, тон [2].

На цьому тлі штучний інтелект постає маяком надії, пропонуючи не лише операційну ефективність, а й фундаментальний зсув до екологічних практик. У той час як промисловість стикається з необхідністю забезпечення економічного зростання та захисту навколишнього середовища, інтеграція технологій штучного інтелекту дає неперевершену можливість досягти гармонійного балансу. Від точного прогнозування попиту до оптимізації транспортних маршрутів і від енергоефективних складських операцій до сталого партнерства з постачальниками, штучний інтелект змінює саму структуру динаміки ланцюжка поставок. Трансформація виходить за рамки простого підвищення ефективності [4]. Починаючи з 2012 року, з моменту створення штучного інтелекту, він пережив як етапи розвитку, так і часи занепаду, що було викликано різними факторами. На сучасному етапі розвитку, штучний інтелект неперервно розширює свій вплив на різноманітні сфери для вирішення завдань, які виникають під час постачання товарів [11]. Використання штучного інтелекту в управлінні ланцюгом постачання може зробити його більш екологічним шляхом підвищення ефективності, зменшення відходів і оптимізації використання ресурсів.

Основними напрямами залучення можливостей штучного інтелекту для екологізації виробничої діяльності підприємства є:

впровадження системи прогнозування аналітичних даних;

оптимізація маршрутів всередині логістичної системи задля підвищення ефективності доставки;

посилення енергоефективності шляхом оптимізації та удосконалення енергоспоживчих процесів;

аналіз стратегій вибору постачальників та покращення взаємодії з ними;

розробка варіантів оптимізації логістичної взаємодії для зменшення відходів;

застосування технології блокчейн для прискорення обробки інформації та забезпечення прозорості;

використання передових розробок у сфері автономних транспортних та літальних засобів (дронів);

покращення системи відстеження з можливістю моніторингу процесу доставки у реальному часі;

впровадження концепцій циркулярної економіки для збільшення життєвого циклу ресурсів;

аналіз впливу та впровадження рішень для зменшення вуглецевого сліду, спричиненого логістичною діяльністю.

Впровадження можливостей штучного інтелекту в логістичну діяльність підприємства доцільно здійснювати у наступній послідовності:

Освоєння концепцій штучного інтелекту та організаційних можливостей, необхідних для цифрової трансформації. Ефективне впровадження штучного інтелекту обумовлене належним збором даних та створенням потрібної інфраструктури. Ключовою є правильна стратегія використання штучного інтелекту та глибоке розуміння його можливостей ще до початку процесу впровадження.

Розгляд поточної бізнес-моделі, визначення потенціалу для інновацій у бізнес-моделі та розуміння ролі бізнес-екосистеми. Перед внесенням будь-яких змін необхідно детально вивчити, яку цінність бізнес на даний момент створює, фіксує та надає своїм клієнтам. Важливо визначити, як технології можуть бути використані для перевершення очікувань клієнтів.

Отримання та вдосконалення необхідних компетенцій для впровадження штучного інтелекту. Це вимагає ретельного розгляду поточної бізнес-моделі, внутрішніх і зовнішніх можливостей, а також потреб клієнтів. Важливо мати правильне розуміння цих елементів перед подальшим розвитком зазначених можливостей. Під час цих перетворень компанії можуть обрати один із двох варіантів: бути першопочатківцем або слідувати за іншими лідерами. Для стимулювання розробки технічних та стратегічних рішень компанії можуть використовувати порівняльний аналіз та оцінку інших підприємств.

Досягнення визнання на рівні організації та формування внутрішніх компетенцій. У даному контексті важливо розглядати можливості співпраці з партнерами для отримання більш глибокого розуміння програм штучного інтелекту. Також підкреслюється, що отримання зворотного зв'язку та проведення оцінок в процесі є надзвичайно важливими під час впровадження штучного інтелекту [12, c. 186-188].

Незважаючи на численні переваги використання штучного інтелекту в логістичному секторі, існують певні труднощі та проблеми, які потребують вирішення. Першою проблемою є доступність та якість даних, тому що, щоб забезпечити ефективне навчання та роботу штучного інтелекту, вони є вирішальними. Другою проблемою є безпека та конфіденційність даних, оскільки в логістичних операціях використовуються інформація про клієнтів, дані відправлень та комерційні таємниці. Важливою вимогою під час використання штучного інтелекту є забезпечення кібербезпеки та конфіденційності даних. Витрати на впровадження систем та інфраструктури штучного інтелекту також являють собою перепону для його впровадження. Вони можуть включати в себе витрати на апаратне забезпечення, програмне забезпечення та оплату кваліфікованого персоналу, що може бути значними на етапі початкової реалізації. Невеликі логістичні організації, які мають обмежені ресурси, можуть зіткнутися з труднощами у бюджеті, необхідному для створення або придбання рішень з використанням систем штучного інтелекту. Саме тому впровадженням штучного інтелекту в свій ланцюг постачання займаються переважно великі компанії, як Amazon, DHL, General Motors, Goodyear, Nestle, Netflix та багато інших [13].

Прогнозна аналітика для прогнозування попиту. Алгоритми штучного інтелекту можуть аналізувати історичні дані, ринкові тенденції та зовнішні фактори, щоб точніше прогнозувати попит. Застосування штучного інтелекту для автоматизації прийняття рішень на нижчих рівнях оптимізує операції, звільняючи керівників від потреби фокусуватися на стратегічному плануванні та високорівневому управлінні [3]. Основними перевагами прогнозної аналітики є зменшення витрат (наприклад, надлишкових витрати, пов'язаних з оптимізацією рівнів запасів та графіків виробництва), покращення обслуговування клієнті (адже точні прогнози забезпечують вичерпанню та надлишку запасів), удосконалення процесу прийняття рішень. Оцінювана економія може коливатися від 10% до 20% від загальних витрат на утримання запасів. При цьому варто зазначити, що даний процес ще не є досконалим і варто продовжувати розробки та дослідження щодо якості даних та слідкувати за ринковими умовами, так як вони постійно змінюються і є основним чинником ненадійності даних.

Оптимізація маршрутів та всієї логістики. Оптимізація маршруту за допомогою штучного інтелекту допомагає планувати найбільш економічні та екологічні транспортні маршрути. Цей процес включає в себе:

планування маршруту. Багато логістичних компаній використовують різне програмне забезпечення, яке допомагає перетворювати адреси завантаження та доставки в географічні координати, після чого вводяться відповідні дні, години та терміни доставки, для створення повного розуміння потреби замовника;

оптимізація маршруту. Алгоритми штучного інтелекту дозволяють моделювати різні варіанти комбінацій транспорту або вантажів в одне авто, що робить можливим повністю заповнювати вантажівку, а не возити окремо по декілька палет [7];

оновлення у реальному часі. Якщо транспортна компанія має відповідну інтеграцію з джерелами даних, які подають інформацію в реальному часі, існує можливість постійного відстеження вантажівки та оновлення статусу по завантаженню або розвантаженню. Також це дозволяє коригувати маршрути або вносити інші зміни під час процесу транспортування.

Правильно виконана оптимізація допомагає мінімізувати споживання палива, зменшити знос вантажівок, що в свою чергу буде не тільки приносити економію компаніям на рівні приблизно 5-15% від загальних логістичних витрат, але й позитивно впливати на навколишнє середовище та сприяти екологічній стійкості. На жаль, цей метод використання штучного інтелекту також не є ідеальним, адже під час перевезень завжди є фактори, на які ніхто не може впливати (наприклад, затори, погана погода).

Оптимізація енергоспоживання. Штучний інтелект можна використовувати для моніторингу та оптимізації споживання енергії на складах і виробничих підприємствах.

Прогнозне технічне обслуговування за допомогою штучного інтелекту може скоротити час простою, забезпечуючи ефективну роботу обладнання. Розумні склади, оснащені датчиками та алгоритмами штучного інтелекту, автоматично регулюють системи освітлення, опалення та охолодження на основі даних у реальному часі. Це не тільки мінімізує витрати енергії та призводить до потенційної економії витрат на енергію в межах від 10 до 30%, але й створює комфортне робоче середовище для співробітників. Т акож аналізуючи історичні дані та моделі продуктивності, алгоритми штучного інтелекту можуть передбачити, коли обладнання може вийти з ладу, забезпечуючи своєчасне обслуговування. Такий проактивний підхід мінімізує енергоємний аварійний ремонт і продовжує термін служби обладнання. Алгоритми штучного інтелекту можуть оптимізувати маршрутизацію товарів через ланцюг поставок, враховуючи енергоефективні способи транспортування та маршрути. Аналізуючи такі змінні, як паливна ефективність, умови дорожнього руху та місткість транспортного засобу, штучний інтелект гарантує, що вантажі транспортуються з мінімальним споживанням енергії. Це не тільки зменшує викиди вуглекислого газу, але й знижує витрати на транспортування. Штучний інтелект сприяє інтеграції відновлюваних джерел енергії в операції ланцюга поставок. Алгоритми машинного навчання передбачають моделі виробництва енергії з відновлюваних джерел, таких як сонце та вітер, що дозволяє підприємствам узгоджувати енергоємні завдання з періодами максимальної доступності відновлюваної енергії. Таке стратегічне використання відновлюваних джерел енергії сприяє створенню більш стійкого та екологічно чистого енергетичного комплексу [8, c. 15].

Вибір та керування постачальниками. Інструменти штучного інтелекту можуть оцінювати практики сталого розвитку постачальників. Управління постачальниками є критично важливим аспектом операцій ланцюга поставок, який суттєво впливає на екологічний слід бізнесу. Вибираючи екологічно чистих постачальників, компанії роблять внесок у більш стійкий ланцюг поставок. Штучний інтелект відіграє ключову роль у визначенні та виборі постачальників на основі екологічних критеріїв. Алгоритми машинного навчання можуть аналізувати величезні набори даних, щоб оцінити практики сталого розвитку постачальників, зокрема їхній вуглецевий слід та управління відходами. Використання штучного інтелекту для вибору постачальників може підвищити ефективність переговорів, що потенційно призведе до економії від 5% до 15% витрат на закупівлі. Після вибору сталого постачальника, технологія штучного інтелекту дозволяє в режимі реального часу відстежувати виконання постачальником зобов'язань щодо сталого розвитку [8, c. 9].

Зменшення відходів. Системи штучного інтелекту можуть ідентифікувати області, де утворюються відходи в ланцюжку постачання, і пропонувати покращення, наприклад, шляхом оптимізації пакування або пошуку альтернативних способів використання відходів. В даний пункт можна віднести і прогнозну аналітику, описану вище, адже аналізуючи історичні дані, тенденції ринку та інші зовнішні фактори, можна забезпечити тісну відповідність між фактичним попитом та виробництвом, зменшуючи перевиробництво, запаси і непотрібні відходи. Оцінюється, що це може призвести до економії від 10% до 25% витрат, пов'язаних з управлінням відходами. Також розумні алгоритми штучного інтелекту можуть оцінювати такі фактори, як крихкість продукту, умови транспортування та критерії екологічності, щоб рекомендувати оптимальні рішення щодо пакування. Це включає використання матеріалів, які підлягають переробці, біологічному розкладанню або багаторазовому використанню, відповідно до цілей збереження довкілля [6, с. 16].

Використання технології блокчейн. Технологія блокчейн стала кардинальною в сфері управління ланцюгом поставок, пропонуючи неперевершену прозорість і відстежуваність. Інтеграція штучного інтелекту з технологією блокчейн підвищує транспарентність у ланцюжку поставок. Така прозорість може допомогти відстежувати вплив кожного компонента на навколишнє середовище, сприяючи підзвітності потенційно, заощаджуючи від 5% до 15% витрат на управління ланцюгом поставок. Блокчейн, як децентралізована та розподілена книга, гарантує, що після запису інформації її неможливо буде змінити чи підробити. Кожна транзакція та подія в ланцюжку постачання, від постачання сировини до доставки кінцевого продукту, надійно реєструється, забезпечуючи незмінний і прозорий контрольний слід. Це також полегшує відстеження продуктів у реальному часі, забезпечуючи автентичність і знижуючи ризик потрапляння підроблених товарів у ланцюжок постачання [9]. Така прозорість дозволяє споживачам робити усвідомлений вибір, підтримуючи продукти, які відповідають їхнім цінностям, таким як чесна торгівля та етичне виробництво.

Автономні транспортні засоби та дрони. Використання автономних транспортних засобів і безпілотних літальних апаратів, керованих штучним інтелектом, для транспортування може призвести до більш економного використання палива, зменшити вплив на навколишнє середовище традиційних методів доставки та зекономити 10-20% на транспортних витратах. Оптимізуючи маршрути, скорочуючи час простою та мінімізуючи споживання палива, ці транспортні засоби сприяють більш екологічному ланцюжку поставок. Крім того, перехід до електричних і гібридних автономних транспортних засобів ще більше узгоджується з цілями сталого розвитку. Безпілотники стають невід'ємною частиною операцій ланцюга поставок, особливо в доставці легких і чутливих до часу товарів [1]. Завдяки здатності орієнтуватися на складній місцевості та уникати традиційних транспортних вузьких місць, дрони значно скорочують час доставки. Це не тільки підвищує задоволеність клієнтів, але й зменшує викиди від традиційних неекологічних транспортних засобів. Це також призводить до зменшення заторів на дорогах, мінімізації впливу на навколишнє середовище простою вантажівок і підвищення загальної ефективності транспорту .

Моніторинг у реальному часі. Датчики на основі штучного інтелекту та пристрої Інтернету речей можуть забезпечити моніторинг умов навколишнього середовища в режимі реального часу. Системи моніторингу в режимі реального часу дозволяють компаніям відстежувати ключові екологічні показники по всьому ланцюжку поставок. Від моніторингу енергоспоживання до відстеження викидів і утворення відходів, ці системи забезпечують комплексне уявлення про екологічний вплив кожного етапу ланцюжка поставок. Використання штучного інтелекту для моніторингу у режимі реального часу може призвести до швидкого виявлення та вирішення проблем, що може потенційно забезпечити економію від 5% до 15% операційних витрат. Моніторинг у режимі реального часу має вирішальне значення для забезпечення якості та стійкості швидкопсувних товарів. Температуру, вологість та інші фактори навколишнього середовища, що впливають на стан товарів, можна контролювати в режимі реального часу, допомагаючи запобігти псуванню. Це особливо важливо в таких галузях, як харчова та фармацевтична [4].

Реалізація циркулярної економіки. Штучний інтелект може допомогти в переході до циркулярної економіки, відстежуючи життєвий цикл продуктів і матеріалів. Це дозволяє покращити методи переробки та зменшити потребу в новій сировині. Алгоритми машинного навчання допомагають розробляти продукти, які легко переробляти, ремонтувати та повторно використовувати, потім він аналізує дані, щоб зрозуміти вплив на навколишнє середовище кожного етапу життєвого циклу продукту, керуючи рішеннями для більш екологічних практик. Використання штучного інтелекту для підтримки практик циркулярної економіки може поліпшити ефективність використання ресурсів та переробки, що, можливо, призведе до зменшення витрат від 10% до 20% в області ресурсів. Також одним із методів використання штучного інтелекту є розробка різних додатків у сфері циркулярної економіки, які будуть допомагати людям правильно переробляти свої відходи задля забезпечення більш чистого та сталого навколишнього середовища [10].

Вимірювання вуглецевого сліду. Інструменти штучного інтелекту можуть розраховувати та аналізувати вуглецевий слід усього ланцюжка поставок. Ці дані можуть інформувати про те, як зменшити викиди та сприяти сталому розвитку. Моделі машинного навчання передбачають майбутні викиди на основі історичних даних, допомагаючи компаніям завчасно боротися з впливом на навколишнє середовище. Штучний інтелект може автоматизувати процес збору і звітування даних про вуглецевий слід. Точне вимірювання та зменшення викидів вуглекислого газу може відкрити потенціал для економії через ініціативи сталого розвитку, хоча конкретні числові показники можуть різнитися в залежності від галузі та масштабу. Алгоритми машинного навчання допомагають компаніям дотримуватися екологічних норм, що розвиваються, уникаючи штрафів і шкоди репутації. Але наразі, на жаль, усі механізми та технології штучного інтелекту не є достатньо досконалими, щоб забезпечити якісне вимірювання вуглецевого сліду та високоякісні дані, а підтримання високої точності даних може бути складним завданням [8і].

Висновки

У невпинному прагненні до сталого розвитку використання трансформаційної сили штучного інтелекту стає маяком для екологічно свідомого управління логістичною діяльністю. Поєднання передових технологій із захистом навколишнього середовища пропонує багатогранний підхід до революції в тому, як вибудовуються, працюють та оптимізуються ланцюжки поставок. Рішення на основі штучного інтелекту приносять незрівнянні переваги вимірюванню та зменшенню вуглецевого сліду в усьому спектрі ланцюга поставок. Від моніторингу в реальному часі та прогнозної аналітики до оптимізації ланцюжка постачання та інтеграції відновлюваної енергетики, штучний інтелект діє як каталізатор змін. Ця конвергенція передової аналітики та стійких практик дозволяє компаніям орієнтуватися в сучасних складних ланцюгах постачання з безпрецедентною точністю та прогнозуванням. В епоху, яка визначається екологічними проблемами, штучний інтелект не лише пропонує набір інструментів для зменшення викидів вуглецю, але й укріплює дух відповідальності та прозорості.

Перспективи подальших досліджень. Підсумовуючи варто зазначити, що запровадження штучного інтелекту в управлінні ланцюгами поставок свідчить не лише про технологічні зрушення, але й про зобов'язання щодо екологічної відповідальності. Підприємства, які починають цю трансформаційну подорож, не лише зберігають свої позиції лідерів галузі, але й роблять суттєвий внесок у досягнення глобального імперативу сталого та більш екологічного майбутнього. В епоху, яка визначається екологічними проблемами, штучний інтелект не лише пропонує набір інструментів для зменшення викидів вуглецю, але й укріплює дух відповідальності та прозорості. Хоча переваги штучного інтелекту у створенні екологічно чистих ланцюжків поставок незаперечні, проблеми залишаються. Якість даних має першочергове значення, тому для забезпечення точності потрібні суворі заходи. Також виникають складнощі інтеграції, що вимагає ретельного балансу між технологічними інноваціями та безперебійним включенням штучного інтелекту в існуючі екосистеми ланцюга поставок.

Література

Богомазова В.М., Кваша Т.К. Аналіз перспективності світових наукових і технологічних напрямів розвитку у сфері транспорту / В.М. Богомазова, Т.К. Кваша//Наука, технології, інновації, 2020, № 2, С. 33-44.

Державна служба статистики України: офіційний сайт. URL: http://www.ukrstat.gov.ua

Лопатін А.О., Іщенко Н.М. Значення використання штучного інтелекту при виборі постачальника у сучасних логістичних системах / А.О. Лопатін, Н.М. Іщенко // Гоааль науки, 2021, №9, С. 51-54.

Кирлик Н.Ю. «Штучний інтелект» та його використання в логістичних процесах / Н.Ю. Кирлик. // Актуальні проблеми економіки, 2021, № 9-10 (243-244), С. 60-66.

Чорнописька Н.В., Болібрух Л.І. Якісні детермінанти вітчизняного ринку логістичних послуг / Н.В. Чорнописька, Л.І. Болібрух // Проблеми системного підходу в економіці, 2019, № 5 (73), С. 166-171.

Adiguzel S. Use Of Artificial Intelligence in Logistics Management. 1st International Conference on Interdisciplinary Applications of Artificial Intelligence 2021 (ICIDAAI'21). URL: https://www.academia.edu/52552113/Use_Of_Artificial_Intelligence_in_Logistics_Management

Boute R. , Gijsbrechts J. How AI can make supply chains more sustainable. Supply Chain Digital Magazine. URL::https://supplychaindigital.com/technology/how-ai-can-make-supply-chains-more-sustainable

Boute R., Udenio M. AI in Logistics and Supply Chain Management. SSRN Electronic Journal. URL: https://ssrn.com/abstract=3862541

Calinescu G. The Applications of Blockchain and Artificial Intelligence in Logistics. The Romanian Economic

Journal. URL:

https://www.researchgate.net/publication/366354971_The_Applications_of_Blockchain_and_Artificial_Intelligence _in_Logistics

Cimpeanu I.-A., Dragomir D.-A., Zota R. D. Using artificial intelligence for the benefit of the circular economy. Proceedings of the International Conference on Business Excellence. URL: https://www.academia.edu/100120760/Using_artificial_intelligence_for_the_benefit_of_the_circular_economy

Mohsen B. M. Impact of Artificial Intelligence on Supply Chain Management Performance. Journal of Service Science and Management. - 2023. - № 16.

Reim W., Astrom J., Eriksson O. Implementation of Artificial Intelligence (AI): A Roadmap for Business Model Innovation. AI, Open Access Journal by MDPI URL: https://doi.org/10.3390/ai1020011

Sohrabi M. Artificial Intelligence in Logistic Industry. Implementation of Disruptive Technologies in Supply Chain

Management. URL:

https://www.researchgate.net/publication/377747322_Implementation_of_Disruptive_Technologies_in_Supply_Ch ain_Management_birlestirilmis

References

Bohomazova V.M., Kvasha T.K. Analiz perspektyvnosti svitovykh naukovykh i tekhnolohichnykh napriamiv rozvytku u sferi transportu / V.M. Bohomazova, T.K. Kvasha // Nauka, tekhnolohii, innovatsii, 2020, № 2, S. 33-44.

Derzhavna sluzhba statystyky Ukrainy: ofitsiinyi sait. URL: http://www.ukrstat.gov.ua

Lopatin A.O., Ishchenko N.M. Znachennia vykorystannia shtuchnoho intelektu pry vybori postachalnyka u suchasnykh lohistychnykh systemakh / A.O. Lopatin, N.M. Ishchenko // Hraal nauky, 2021, №9, S. 51-54.

Kyrlyk N.Iu. «Shtuchnyi intelekt» ta yoho vykorystannia v lohistychnykh protsesakh / N.Iu. Kyrlyk. // Aktualni problemy ekonomiky, 2021, № 9-10 (243-244), S. 60-66.

Chornopyska N.V., Bolibrukh L.I. Yakisni determinanty vitchyznianoho rynku lohistychnykh posluh / N.V. Chornopyska, L.I. Bolibrukh // Problemy systemnoho pidkhodu v ekonomitsi, 2019, № 5 (73), S. 166-171.

Adiguzel S. Use Of Artificial Intelligence in Logistics Management. 1st International Conference on Interdisciplinary Applications of Artificial Intelligence 2021 (ICIDAAI21). URL: https://www.academia.edu/52552113/Use_Of_Artificial_Intelligence_in_Logistics_Management

Boute R., Gijsbrechts J. How AI can make supply chains more sustainable. Supply Chain Digital Magazine.

URL::https://supplychaindigital.com/technology/how-ai-can-make-supply-chains-more-sustainable

Boute R., Udenio A. AI in Logistics and Supply Chain Management. SSRN Electronic Journal. URL:

https://ssrn.com/abstract=3862541

Calinescu G. The Applications of Blockchain and Artificial Intelligence in Logistics. The Romanian Economic

Journal. URL:

https://www.researchgate.net/publication/366354971_The_Applications_of_Blockchain_and_Artifi cial_Intelligence_in_Logistics

Cimpeanu I.-A., Dragomir D.-A., Zota R. D.. Using artificial intelligence for the benefit of the circular economy. Proceedings of the International Conference on Business Excellence. URL: https://www.academia.edu/100120760/Using_artificial_intelligence_for_the_benefit_of_the_circul ar_economy

Mohsen B. M. Impact of Artificial Intelligence on Supply Chain Management Performance. Journal of Service Science and Management. - 2023. - № 16.

Reim W., Astrom J., Eriksson O. Implementation of Artificial Intelligence (AI): A Roadmap for Business Model Innovation. AI, Open Access Journal by MDPI URL: https://doi.org/10.3390/ai1020011.

Sohrabi M. Artificial Intelligence in Logistic Industry. Implementation of Disruptive Technologies in Supply Chain

Management. URL:

https://www.researchgate.net/publication/377747322_Implementation_of_Disruptive_Technologie s_in_Supply_Chain_Management_birlestirilmis

Размещено на Allbest.ru/