PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Czasopismo
2019 | 15 | nr 3 | 363--376
Tytuł artykułu

Striving for Excellence in AI Implementation: AI Maturity Model Framework and Preliminary Research Results

Treść / Zawartość
Warianty tytułu
Dążenie do perfekcji we wdrażaniu sztucznej inteligencji: ramy modelu dojrzałości sztucznej inteligencji oraz wyniki badań wstępnych
Języki publikacji
EN
Abstrakty
Wstęp: W niniejszym artykule autorzy starają się podsumować, w jaki sposób sztuczna inteligencja może być wykorzystywana przez firmy w produkcji i magazynowaniu. Na podstawie wcześniej opracowanych modeli dojrzałości logistyki 4.0 autorzy proponują również poziomy dojrzałości sztucznej inteligencji (AI) i na jej podstawie przeprowadzono badanie w wybranych polskich i norweskich firmach oraz rozpoznano rzeczywisty stan rozwoju i poziom dojrzałości AI. Autorzy przedstawiają jednak wstępny etap badań jako studium przypadku, które będzie dalej rozwijane i rozszerzane w celu zidentyfikowania gałęzi i obszarów o największym potencjale do zwiększenia wykorzystania sztucznej inteligencji. Ponadto w artykule przedstawiono potencjalne kierunki wdrażania sztucznej inteligencji, a także narzędzia, które mogą być przydatne w rozwiązywaniu problemów związanych z dużymi danymi i optymalizacją przewidywanych nie tylko dla dużych firm, ale także małych i średnich przedsiębiorstw. Autorzy proponują termin Artificial Intelligence 4.0 (Sztuczna Inteligencja 4.0), aby wskazać rzeczywiste trendy w zakresie Przemysłu 4.0 i Logistyki 4.0 oraz rewolucji w odniesieniu do sztucznej inteligencji. Bez wątpienia sztuczna inteligencja jest dużym wyzwaniem dla firm produkcyjnych, jak również branży transportowej i logistycznej, a jej zastosowanie powinno zostać zwiększone i rozszerzone w rozwiązywaniu praktycznych problemów. Metody: Metodologia zastosowana przez autorów niniejszego opracowania może być podzielona na następujące etapy: analiza literatury, rozszerzenie modelu dojrzałości sztucznej inteligencji, opracowanie kwestionariusza, studia przypadków w Norwegii i Polsce. Wyniki: Analiza literatury wykazała lukę poznawczą z powodu faktu, że istnieje bardzo niewiele literatury dotyczącej problemu modeli dojrzałości sztucznej inteligencji, a także logistyki 4.0 i sztucznej inteligencji. Poziomy dojrzałości sztucznej inteligencji można łączyć z modelami dojrzałości logistyki 4.0, dzięki czemu zostaną rozpoznane relacje między rzeczywistym poziomem dojrzałości logistycznej a gotowością sztucznej inteligencji w przedsiębiorstwach. Dzięki takiej analizie możliwe będzie opracowanie złożonej mapy drogowej ze strategicznymi wytycznymi organizacji, jak radzić sobie z logistyką 4.0 i sztuczną inteligencją. Wszystkie firmy badane w tym wstępnym badaniu można zaklasyfikować jako nowicjuszy sztucznej inteligencji: firmy, które nie podjęły aktywnych kroków w podróży sztucznej inteligencji i są w najlepszym razie w trybie oceny. Nawet większe firmy z bardziej zautomatyzowanymi rozwiązaniami nie potrafią wyobrazić sobie korzyści, jakie może przynieść sztuczna inteligencja. Wnioski: Autorzy widzą możliwość zastosowania wspomnianego modelu do badania poziomów dojrzałości sztucznej inteligencji w firmach logistycznych i łączenia uzyskanych wyników z wcześniej opracowanym modelem dojrzałości Logistyki 4.0. Autorzy proponują wprowadzenie terminu Sztuczna Inteligencja 4.0, aby podkreślić znaczenie sztucznej inteligencji w odniesieniu do Logistyki 4.0 i Przemysłu 4.0. (abstrakt oryginalny)
EN
Background: In hereby article authors try to summarize how AI can be use by companies within production and warehousing. On the basis of previously developed Logistics 4.0 maturity model authors also propose Artificial intelligence maturity levels and on its basis a survey has been conducted in selected Polish and Norwegian companies and actual AI state of development and maturity levels has been recognized. However authors present preliminary stage of research as a multi case study which will be further developed and extended in order to identify branches and areas with a hugest potential to enhance AI utilization. Furthermore paper presents potential directions of Artificial intelligence implementation as well as tools that can be useful to deal with big data and optimization problems predicted not only for big companies but also SMEs. Authors propose term Artificial Intelligence 4.0 to point out the actual trends in the scope of Industry 4.0 and Logistics 4.0 and revolution with respect to AI. Without doubt AI is a big challenge for manufacturing companies as well as Transport and Logistics Industry and its application should be increased and extended in solving practical problems. Methods: Methodology applied by authors of hereby paper can be divided on following stages: literature analysis, enlargement of AI maturity model, development of a questionnaire, multi-case studies in Norway and Poland. Results: The literature search showed a cognitive gap due to fact there is a little of literature dealing with problem of Artificial intelligence maturity models as well as Logistics 4.0 and Artificial Intelligence. Artificial intelligence maturity levels can be combined with Logistics 4.0 maturity models thus relations between actual level of logistics maturity and AI readiness in companies will be recognized. Due to such analysis it will be possible to develop complex roadmap with the organization's strategic guidelines how to deal with Logistics 4.0 and AI. All the companies investigated in this preliminary study could be classified as AI Novices: Companies that have not taken proactive steps on the AI journey and are at best in assessment mode. Even the bigger companies with more automated solutions cannot visualize the benefits AI can bring. Conclusions: Authors see potential to apply aforementioned model to investigate AI maturity levels in logistics companies and combine obtained results with previously developed Logistics 4.0 maturity model. Authors propose to introduce term Artificial Intelligence 4.0 to emphasize the importance of artificial intelligence with respect to Logistics 4.0 and Industry 4.0. (original abstract)
Czasopismo
Rocznik
Tom
15
Numer
Strony
363--376
Opis fizyczny
Twórcy
  • Telenor, Oslo, Norway
  • Poznan University of Technology, Poznań, Poland
  • WSB University in Poznan, Poznań, Poland
  • Poznań School of Logistics, Poznań, Poland
Bibliografia
  • Ashraf Q.M., Habaebi M.H., 2015. Introducing Autonomy in Internet of Things, Recent Advances in Computer Science, Proceedings of the 14th International Conference on Applied Computer and Applied Computational Science (ACACOS '15), WSEAS, 215-221, ISBN: 978-161804-297-2.
  • Barreto L., Amaral A., Pereira T., 2017. Industry 4.0 implications in logistics: an overview, Procedia Manufacturing, Elsevier, http://doi.org/10.1016/j.promfg.2017.09.04 5.
  • Batz A., Kunath M., Winkler H., 2018. Discrepancies between Cluster Services and SMEs' Needs Constraining the Creation of a Culture of Innovation Amidst Industry 4.0, LogForum, 14 (3) 387-405, http://doi.org/10.17270/J.LOG.2018.286.
  • Bowersox D.J., Closs D., Stank T., 2000. Ten Mega-Trends that will Revolutionize Supply Chain Logistics, Journal of Business Logistics, (21)1-16, http://doi.org/10.5325/transportationj.54.1.0 007.
  • Bubner M., Helbig R., Jeske M., 2014. Logistics trend radar, Delivering insight today. Creating value tomorrow, DHL Customer Solutions & Innovation, Troisdorf, Available on Internet: https://post-undtelekommunikation.de/PuT/1Fundus/Doku mente/Studien/Deutsche_Post/2014DHL_Logistics-TrendRadar_2014.pdf (28/05/2017).
  • Caloghirou Y., Kastelli I., Tsakanikas A., 2004. Internal Capabilities and External Knowledge Sources: Complements or Substitutes for Innovative Performance, Technovation, (24) 29-39, http://doi.org/10.1016/S01664972(02)00051-2.
  • Czaja F., Auswirkungen von Logistk 4.0 auf Mittelstand und Handwerk, 2016. Available on the Internet: www.landtag.nrw.de/portal/WWW/GB_I/I. 1/EK/16.WP/EK_VI/Anlage1_Vortrag_Auswirkungen_Logis tik_4.0_auf_den_Mittelstand_2016-0701.pdf (18/02/ 2017).
  • Deloitte Tohmatsu Consulting LLC, 2017. Defense Policy and the Internet of Things Disrupting Global Cyber Defenses, Available on Internet: https://www2.deloitte.com/si/en/pages/publ ic-sector/articles/gx-defense-policy-andthe-internet-of-things.html (20/05/2018).
  • DHL, 2015. Internet of Things in Logistics, Available on the Internet: www.dhl.com/content/dam/Local_Images/g 0/New_aboutus/innovation/DHLTrendRepo rt_Intemet_of_things.pdf (18/02/2017).
  • Dussmann Group, 2016. Logistics 4.0, Available on the Internet: https://news.Dussmanngroup.com/en/multi media/news/logistics-40/ (18/02/2017).
  • European Commission - Information Society and Media DG, 2009. Internet of Things, Strategic Research Roadmap.
  • European Commission, 2015. Internet of Things, IoT Governance, Privacy and Security Issues, European research cluster on the Internet of things, Available on Internet: http://www.internet-of-thingsresearch.eu/pdf/IoT_Cluster_Strategic_Res earch_Agenda_2011.pdf (16/10/2018).
  • Febriani E., Djatna T., 2016. The development of technology readiness assessment for commercialization innovation and product development based on digital business ecosystem, Proceedings of 9th Int.Seminar on Industrial Engineering and Management, 2-7, http://doi.org/10.1023/A:1011139021356.
  • Fraser P., Moultrie J., Gregory M., 2002. The use of maturity models/grids as a tool in assessing product development capability, in: IEEE Int. Eng. Manag. Conf., http://doi.org/10.1109/IEMC.2002.1038431.
  • Fraunhoffer IFF, 2016. Plan digitalization precisely with the Industry 4.0 CheckUp, , (3), Available on the Internet: https://www.iff.fraunhofer.de (10/04/2018).
  • 5G PPP, 2019- The 5G Infrastructure Public Private Partnership, Available on Internet: https://5g-ppp.eu/ (01/03/2019).
  • 5GACIA, 2018. 5G for connected Industries and Automation, White Paper, Second Edition, Available on Internet: https://www.5g-acia.org/fileadmin/5G (01/03/2019).
  • Gajsek B., Sternad M., Lerher T., 2018. Maturity Levels For Logistics 4.0 Based On Nrw'S Industry 4.0 Maturity Model, Proceedings of the 18th International Scientific conference Business Logistics in Modern Management, 695-708.
  • GAO, 2016. US Government Accountability Office, Technology readiness assessment guide. Best practices for evaluating the readiness of technology for use in acquisition programs and projects, August, Available on Internet: https://www.gao.gov/assets/680/679006.pdf (01/03/2019).
  • Heder M., 2017. From NASA to EU: the evolution of the TRL scale in Public Sector Innovation, The Innovation Journal, (22)1- 23, Available on internet: https://core.ac.uk/download/pdf/94310086. pdf (02/02/2019).
  • Hofmann E., Rüsch M., 2017. Industry 4.0 and the current status as well as future prospects on logistics, Computers in Industry, (89)2334, http://doi.org/10.1016/j.compind.2017.04.0 02.
  • IEC 62243, 2012. Artificial Intelligence Exchange and Service Tie to All Test Environments, Available on Internet: https://webstore.iec.ch/publication/20368, 06-21.
  • IoT Standards & Protocols Guide 2018. Comparisons on Network, Wireless Comms, Security, Industrial, https://www.postscapes.com/internet-ofthings-protocols/ accessed on 15.01.2019.
  • Karkkainen H., Myllarniemi J., Okkonen J., Silventoinen A., 2014. Assesing maturity requirements for implementing and using product lifecycle management, Int.J.Electr.Bus., 11(2),176-198.
  • Kizza J.M., 2017. Guide to Computer Network Security, Computer Communications and Networks, Springer International Publishing AG 2017 http://doi.org/10.1007/978-3-319-556062_24.
  • Kudelska I., Pawłowski G., 2019. Influence of assortment allocation management in the warehouse on the human workload, Central European Journal of Operations Research, http://doi.org/10.1007/s10100-019-00623-2.
  • Kusek M., 2018. The Internet of Things, Today and Tomorrow, 2018 41st International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), http://doi.org/10.23919/MIPRO.2018.8400 064.
  • Kwak Y.H., Ibbs W.C., 2002. Project Management Process Maturity Model, Journal of Management In Engineering. 18, 3, 150-155, http://doi.org/10.1061/(ASCE)0742597X(2002)18:3(150).
  • Lee C. K. M., Yaqiong K. K. H., Choy K. L., 2018. Design and application of Internet of things-based warehouse management system for smart logistics, International Journal of Production Research, 56(8) 2753-2768, http://doi.org/10.1080/00207543.2017.1394 592.
  • Maier A.M., Moultrie J., Clarkson P.J., 2012. Assesing organizational capabilities: Reviewing and guiding the development of maturity grids, IEEE Trans.Eng.Manag., (59)138-159, http://doi.org/10.1109/TEM.2010.2077289.
  • Mazur A., Stachowiak A., 2014. The framework of methodology for identification of organizational maturity with assessment of excellence level of logistics systems, in: Abrudan I., The Management between profit and social responsibility, Procedeengs of the 4th Review of Management and Economic Engineering International Management Conference, 18-20 September 2014, Todesco Publishing House, Cluj-Napoca, Romania, 415-423, ISSN 2247 - 8639.
  • McKinsey&Company, 2017. Artificial Intelligence. The next digital frontier?, Available on Internet: https://www.mckinsey.com/~/media/McKin sey/Industries/Advanced%20Electronics/O ur%20Insights/How%20artificial%20intelli gence%20can%20deliver%20real%20value %20to%20companies/MGI-ArtificialIntelligence-Discussion-paper.ashx (12/10/2018).
  • Mettler T., 2009. A design science research perspective on maturity models in information systems, (2009), Available on Internet, https://www.alexandria.unisg.ch/publicatio ns/214531 (03/03/2018).
  • Nagy J., Olah J., Erdei E., Mate D., Popp J., 2018. The Role and Impact of Industry 4.0 and the Internet of Things on the Business Strategy of the Value Chain-The Case of Hungary, Sustainability, vol.10, http://doi.org/10.3390/su10103491.
  • Oleśków-Szłapka J., Stachowiak A., 2018. The Framework of Logistics 4.0 Maturity Model, in: Intelligent Systems in Production Engineering and Maintenance/ ed. Anna Burduk: Springer International Publishing, 771-781, http://doi.org/10.1007/978-3-319-974903_73.
  • Polityka Inside, 2018. Iloraz sztucznej inteligencji, Potencjał AI w polskiej gospodarce, (eng. Potential of AI in Poland. Quotient of Artificial intelligence), Warszawa, Available on the Internet: www.politykainsight.pl/nowa/badania, (2/02/2019).
  • Pringle T., Zoller E., 2018. How to achieve AI maturity and why it matters, Ovum, June(2018), Available on Internet: https://www.amdocs.com (22/02/2019).
  • Sarvari P.A., Ustundag A., Cevikcan E., Kaya I., Cebi S., 2018. Technology roadmap for Industry 4.0, in: Ustundag A., Cevikcan E., Industry 4.0. Managing the digital transformation, Springer, 95-103, http://doi.org/10.1007/978-3-319-578705_5.
  • Schmidtke N.,Behrendt F., Thater L., Meixner S., 2018. Technical Potentials and Challenges within Internal Logistics 4.0, 2018 4th Ieee International Conference On Logistics Operations Management (Gol).
  • Schneider S., 2013. Understanding The Protocols Behind The Internet Of Things, ElectronicDesign, Available on the Internet: https://www.electronicdesign.com/iot/under standing-protocols-behind-internet-things, (15/01/ 2019).
  • Schumacher A., Erol S., Sihn W., 2016. A Maturity Model for Assessing Industry 4.0 Readiness and Maturity of Manufacturing Enterprises, Procedia CIRP, (52)161-166., http://doi.org/10.1016/j.procir.2016.07.040.
  • Wheeler D., Ulsh M., 2010. Manufacturing Readiness Assessment for Fuel Cell Stacks and Systems for the Back-up Power and Material Handling Equipment Emerging Markets - Technical Report NREL/TP-56045406, Available on Internet: https://www.nrel.gov/docs/fy10osti/45406.p df (05/06/2018).
  • Witkowski K., 2017. Internet of things, big data, industry 4.0-innovative solutions in logistics and supply chains management, Procedia Engineering, vol.182, 763-769, http://doi.org/10.1016/j.proeng.2017.03.197.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.ekon-element-000171560423

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.