Zastosowanie sztucznej inteligencji w procesach logistycznych: studium przypadku Michelin Polska Sp. z o.o.
Dariusz Racz
Wydział Nauk Ekonomicznych, Uniwersytet Warmińsko-Mazurski w OlsztynieKlaudia Kucińska
Wydział Nauk Ekonomicznych, Uniwersytet Warmińsko-Mazurski w OlsztynieAbstrakt
W artykule skupiono się na analizie wykorzystania sztucznej inteligencji (AI) w procesach logistycznych na przykładzie przedsiębiorstwa Michelin Polska Sp. z o.o. Celem pracy jest ocena stopnia zastosowania technologii AI w logistyce oraz jej wpływu na efektywność operacyjną. Badania obejmują analizę literatury przedmiotu, badania ankietowe wśród pracowników Michelin oraz ocenę skuteczności wdrożonych rozwiązań. Wyniki wskazują, że wdrożenie AI przyczyniło się do poprawy efektywności procesów, zwiększenia jakości pracy oraz redukcji kosztów operacyjnych. Zidentyfikowano także takie wyzwania związane z adaptacją AI, jak wysokie koszty wdrożenia oraz potencjalne zwolnienia pracowników. Analiza pozyskanych danych potwierdziła, że AI stanowi główny element strategii zarządzania logistyką w kontekście Przemysłu 4.0, przyczyniając się do wzrostu konkurencyjności przedsiębiorstwa. W artykule podkreślono znaczenie zrównoważonego wdrażania technologii AI w celu maksymalizacji korzyści i minimalizacji ryzyk, zaoferowano cenne wskazówki dla menedżerów logistyki oraz badaczy.
Słowa kluczowe:
zarządzanie logistyką, transformacja cyfrowa, automatyzacja, efektywność operacyjnaBibliografia
Aslam, J., Lai, K., Kim, Y.B., & Treiblmaier, H. (2024). The Implications of Blockchain for Logistics Operations and Sustainability. Journal of Innovation & Knowledge, 9(4), 100611. https://doi.org/10.1016/j.jik.2024.100611. Google Scholar
Bhowmik, O., Chowdhury, S., Ashik, J.H., Mahmud, G.I., Khan, M. M., & Hossain, N.U.I. (2024). Application of Artificial Intelligence in Reverse Logistics: A Bibliometric and Network Analysis. Supply Chain Analytics, 7, 100076. https://doi.org/10.1016/j.sca.2024.100076. Google Scholar
Demartini, M., Evans, S., & Tonelli, F. (2019). Digitalization Technologies for Industrial Sustainability. Procedia Manufacturing, 33, 264-271. https://doi.org/10.1016/j.promfg.2019.04.032. Google Scholar
Dmuchowski, R. (2019). Pomiar rentowności w zarządzaniu łańcuchem dostaw. Kwartalnik Naukowy Uczelni Vistula, 4(62), 103-104. https://doi.org/10.34765/kn.0419.a08. Google Scholar
Geary, R., & Cosgrove, J. (2023). Manufacturing Reliability and Cost Improvements through Data Analytics: An Industry Case Study. Procedia Computer Science, 217, 395-402. https://doi.org/10.1016/j.procs.2022.12.235. Google Scholar
Idrissi, Z.K., Lachgar, M., & Hrimech, H. (2024). Blockchain, IoT and AI in Logistics and Transportation: A Systematic Review. Transport Economics and Management. https://doi.org/10.1016/j.team.2024.09.002. Google Scholar
Javaid, M., Haleem, A., Singh, R.P., & Suman, R. (2021). Artificial Intelligence Applications for Industry 4.0: A Literature-Based Study. Journal of Industrial Integration and Management, 7(1), 83-111. https://doi.org/10.1142/s2424862221300040. Google Scholar
Karim, M.R., Dulal, M., Sakila, F., Aditi, P., Smrity, S.J., & Asha, N.N. (2024). Analyzing the Factors Influencing Sustainable Supply Chain Management in the Textile Sector. Cleaner Logistics and Supply Chain, 13, 100183. https://doi.org/10.1016/j.clscn.2024.100183. Google Scholar
Kaup, M., Wiktorowska-Jasik, A., Smacki, A., & Baszak, K. (2024). Information Systems and Technologies Supporting Decision-Making Processes in Logistics Companies. Procedia Computer Science, 246, 5506-5515. https://doi.org/10.1016/j.procs.2024.09.699. Google Scholar
Qin, L., & Wan, K. (2024). Real-Time Tracking System for Distribution Information of Logistics Enterprises Based on IOT Technology. Procedia Computer Science, 243, 84-91. https://doi.org/10.1016/j.procs.2024.09.012. Google Scholar
Setthachotsombut, N., Sommanawat, K., & Sua-Iam, G. (2024). Logistics Business Management of Provider in Thailand with Smart Logistics. Journal of Open Innovation Technology Market and Complexity, 10(4), 100422. https://doi.org/10.1016/j.joitmc.2024.100422. Google Scholar
Sumarlin, T., & Kusumajaya, R.A. (2024). AI Challenges and Strategies for Business Process Optimization in Industry 4.0: Systematic Literature Review. Journal of Management and Informatics, 3(2), 195-211. https://doi.org/10.51903/jmi.v3i2.25. Google Scholar
Tjaden, S., & Flämig, H. (2024). What May Automation Cost? Activity-Based Costing for Autonomous Transport in Urban Logistics. Transportation Research Procedia, 79, 84-91. https://doi.org/10.1016/j.trpro.2024.03.013. Google Scholar
Vogel, M., Strina, G., Said, C., & Schmallenbach, T. (2023). The Evolution of Artificial Intelligence Adoption in Industry. AHFE International. In: T. Ahram, J. Kalra & W. Karwowski (Eds.). Artificial Intelligence and Social Computing. AHFE (2023) International Conference. AHFE Open Access, 72. AHFE International, USA. https://doi.org/10.54941/ahfe1003282. Google Scholar
Wang, Z., Gao, L., & Wang, W. (2024). The Impact of Supply Chain Digitization and Logistics Efficiency on the Competitiveness of Industrial Enterprises: Empirical Data from Chinese Listed Companies. International Review of Economics & Finance, 97, 103759. https://doi.org/10.1016/j.iref.2024.103759. Google Scholar
Wydział Nauk Ekonomicznych, Uniwersytet Warmińsko-Mazurski w Olsztynie
Wydział Nauk Ekonomicznych, Uniwersytet Warmińsko-Mazurski w Olsztynie
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
Każdy Autor składa oświadczenie, że praca nie była wcześniej publikowana (pod tym samym lub innym tytułem, nie stanowi również części innej publikacji) oraz nie narusza praw autorskich innych osób. Jednocześnie Autor przenosi na wydawcę wyłączne prawo wydania i rozpowszechniania tego utworu drukiem w formie zwartej publikacji czasopisma oraz w formie publikacji elektronicznej.
Czasopismo udostępnione jest na licencji Creative Commons CC-BY-NC-ND
