Обзор Flowlity, поставщика программного обеспечения для планирования цепочки поставок
Вернуться к Анализу рынка
Flowlity - относительно молодой участник в области планирования цепочки поставок, основанный в 2019 году Жан-Батистом Клуаром и Каримом Беншабуном, чьи опыт работы в S&OP в крупных предприятиях и прикладная математика определили его развитие. Облачное решение SaaS компании сосредоточено на автоматизации задач планирования цепочки поставок путем предоставления вероятностных прогнозов, анализа сценариев на основе симуляции и рекомендаций по управлению запасами. Разработанная для интеграции существующих систем ERP и MRP, Flowlity использует техники машинного обучения - от ансамблевых методов до глубокого обучения - для генерации нескольких сценариев спроса и параметров безопасности запасов, при этом акцентируя внимание на прозрачности и поддержке принятия решений, а не на полной автоматизации процесса. В этом обзоре рассматриваются бизнес-происхождение Flowlity, его базовая технология и модель развертывания, а также критически сравнивается его подход с подходом Lokad - ветерана, известного своей высокопрограммируемой, квантитативной платформой оптимизации цепочки поставок.
История компании и финансирование
Flowlity была создана в конце 2018/2019 года Жан-Батистом Клуаром и Каримом Беншабуном, которые опирались на свой опыт в планировании цепочки поставок и академическое обучение по прикладной математике 1. Стартап быстро занял позицию на рынке, привлекая примерно 6,57 млн долларов в раунде серии A 10 марта 2022 года, с поддержкой институциональных инвесторов, таких как Fortino Capital и 42 Capital 2. Это раннее финансовое обеспечение помогло Flowlity усовершенствовать свое облачное решение SaaS и войти в конкурентную среду, населенную как традиционными наложениями ERP, так и новыми инструментами поддержки принятия решений на основе ИИ.
Технология продукта и функциональный обзор
Основной продукт Flowlity - облачная платформа поддержки принятия решений, разработанная для оптимизации планирования цепочки поставок с помощью продвинутого прогнозирования и симуляции. Решение предоставляет пользователям “интеллектуальные рекомендации” - включая границы минимум-максимум запасов, предупреждения о дефиците и симулированные результаты сценариев, которые позволяют менеджерам цепочки поставок оценить вероятное воздействие факторов, таких как задержки поставщиков или всплески спроса, перед принятием мер 3. Вместо полного замещения человеческого принятия решений, инструмент предназначен для дополнения существующих систем ERP/MRP, улучшая операционные исследования с помощью своего автоматизированного симуляционного движка и вероятностных прогностических возможностей.
Инсайты в компоненты ИИ/МЛ
В центре предложения Flowlity находится его интеграция ИИ и машинного обучения. Платформа, по сообщениям, использует техники ансамблевого обучения и алгоритмы глубокого обучения для генерации нескольких сценариев прогнозирования на основе исторических тенденций MRP, корреляций продуктов и изменчивости спроса 4. Генерируя ряд результатов с соответствующими доверительными интервалами, Flowlity стремится помочь компаниям смягчить эффект быка и лучше определить уровни безопасности запасов. Однако, несмотря на заявления о применении передовых методов “глубокого обучения”, подробные технические раскрытия - такие как конкретика архитектур моделей или настройка гиперпараметров - остаются ограниченными, призывая к осторожному отношению к тому, насколько действительно передовыми эти методологии являются на практике 56.
Модель развертывания и технический стек
Flowlity поставляется в виде облачного решения SaaS, что означает, что компании получают доступ к платформе через веб-браузер, а не через установки на месте. Обзоры отмечают, что продукт разработан как наложение на существующие системы ERP/MRP, предоставляя дополнительные исследования без нарушения установленных процессов 3. Фронтенд построен с использованием современных веб-фреймворков - вакансии и профили разработчиков указывают на использование VueJS - в то время как бэкенд, поддерживающий критические задачи ИИ/МЛ, предположительно реализован с использованием популярных языков, таких как Python и связанные библиотеки машинного обучения 78. Эта архитектура позволяет Flowlity быстро обрабатывать большие наборы данных и предоставлять исследования на основе симуляции практически в реальном времени.
Критический анализ и скептическая перспектива
В то время как Flowlity предоставляет прогнозирование в реальном времени, симуляцию и анализ сценариев для поддержки принятия решений по инвентаризации, несколько аспектов заслуживают внимания. Платформа часто использует модные слова, такие как “глубокое обучение” и “ансамблевое обучение”, однако общедоступная техническая документация не предоставляет детальных сведений, которые отличают ее подход от стандартных вероятностных моделей прогнозирования. Ее фреймворк поддержки принятия решений оставляет окончательное решение в руках человека, а не автоматизирует процессы от начала до конца, что некоторые могут рассматривать как сильные стороны — с точки зрения прозрачности — и ограничение в достижении полной операционной автоматизации. В целом, хотя интеграция Flowlity с устаревшими системами и фокус на симуляции добавляют ценности, независимая проверка его продвинутых заявлений об искусственном интеллекте остается ограниченной 15.
Flowlity против Lokad
Как Flowlity, так и Lokad работают в области оптимизации цепочки поставок с использованием техник, основанных на данных, однако их подходы значительно различаются. Lokad, основанный в 2008 году, создал комплексную квантитативную платформу оптимизации, оснащенную языком, специфическим для области (Envision), и обширной внутренней разработкой на платформе .NET/Azure для автоматизации принятия решений в масштабе. В отличие от этого, Flowlity, основанный в 2019 году, позиционирует себя как инструмент поддержки принятия решений, который наслаивает традиционные системы ERP/MRP, предоставляя инсайты на основе симуляции и вероятностные прогнозы, не полностью заменяя человеческое суждение. В то время как предложение Lokad акцентирует внимание на полной автоматизации процесса и способности генерировать предписания с минимальным вмешательством, Flowlity приоритизирует расширение возможностей планировщика с помощью “интеллектуальных рекомендаций” и анализа сценариев. Эти различия в технической прозрачности, архитектуре развертывания и уровнях автоматизации подчеркивают отличную философию каждой компании в решении сложных задач цепочки поставок 91.
Заключение
Flowlity представляет собой инновационное вхождение на рынок планирования цепочки поставок, предлагая облачную платформу, которая сочетает в себе вероятностное прогнозирование с принятием решений на основе симуляции. Ее фокус на интеграцию существующих систем ERP и предоставление действенных рекомендаций делает ее привлекательным вариантом для компаний, стремящихся улучшить свои процессы планирования без полной перестройки устаревших операций. Однако, хотя ее использование искусственного интеллекта и машинного обучения обещает, относительное отсутствие подробного технического раскрытия означает, что потенциальные клиенты должны оценить, действительно ли подход Flowlity предлагает значительный скачок за пределы традиционных методов. По сравнению с более зрелыми платформами, такими как Lokad, которые предоставляют глубоко интегрированную, программируемую среду для полной оптимизации от начала до конца, Flowlity кажется наилучшим вариантом для организаций, стремящихся дополнить — а не полностью автоматизировать — свои процессы принятия решений в цепочке поставок.