पॅसिफिक ऑपरेशन्ससाठी AI लॉजिस्टिक्स चाचणीचा मरीन कॉर्प्सकडून विस्तार

मरीन कॉर्प्स फोर्सेस, पॅसिफिक, इंडो-पॅसिफिकमध्ये काम करण्यातील सर्वात कठीण पैलूंपैकी एक सोपा करण्याच्या उद्देशाने थिएटर-स्तरीय AI लॉजिस्टिक्स प्लॅटफॉर्मची चाचणी करत आहे: कोणत्या युनिटला काय आवश्यक आहे, पुरवठा कुठे ठेवायचा, आणि कमतरता ऑपरेशनल समस्येत रूपांतरित होण्यापूर्वी मागणीला उपलब्ध साहित्याशी कसे जुळवायचे हे ठरवणे.

Defense One नुसार, सेवेने Tagup च्या Manifest प्लॅटफॉर्मचा वापर 2.1 दशलक्ष डॉलरच्या Small Business Innovation Research करारातील बदलाद्वारे वाढवला आहे. हे नवे काम प्लॅटफॉर्मची भूमिका टॅक्टिकल आणि ऑपरेशनल उपयोगांपलीकडे नेत असून MARFORPAC च्या समर्थनार्थ निवडक थिएटर टिकाव प्रकरणांवर लागू करते.

मरीन ज्या समस्येचे निराकरण करण्याचा प्रयत्न करत आहेत, ती सोपी पण परिणामकारक आहे. जेव्हा नियोजकांना तैनात युनिटकडे त्याच्या मिशनसाठी आवश्यक उपकरणे आणि पुरवठा आहेत की नाही हे ठरवावे लागते, तेव्हा त्यांना अनेक डेटाबेसेस तपासावे लागतात आणि पुरवठा पातळी, देखभाल नोंदी, आणि इतर स्रोत हाताने पडताळून पाहावे लागतात, त्यानंतर स्प्रेडशीट किंवा नियोजन दस्तऐवज तयार करावा लागतो. ही प्रक्रिया वेळखाऊ आहे, विखुरलेल्या माहिती प्रणालींवर अवलंबून आहे, आणि विशाल कार्यक्षेत्रात जलद, ठोस निर्णय तयार करणे अवघड करू शकते.

इंडो-पॅसिफिक हा दांव अधिक वाढवतो. सैन्ये लांब अंतरांवर विखुरलेली आहेत, वाहतूक मर्यादित आहे, आणि टिकाव नियोजनात चालू ऑपरेशन्स तसेच मागणीत जलद बदल होण्याची शक्यता यांचा विचार करावा लागतो. डेटा एकत्र करणारी आणि पुरवठा कुठे ठेवावा याबाबत चांगल्या सूचना देणारी प्रणाली दैनंदिन नियोजनातील अडथळे कमी करू शकते आणि परिस्थिती बदलल्यावर सज्जता सुधारू शकते.

Manifest प्लॅटफॉर्मचा उद्देश काय आहे

Tagup Manifest ला निर्णय-समर्थन प्लॅटफॉर्म म्हणून वर्णन करते, जो विविध डेटा स्रोतांमधून माहिती खेचून कमांडर आणि नियोजकांना कोणते साहित्य आणि इतर संसाधने कुठे, कधी, आणि किती प्रमाणात ठेवावीत हे ठरविण्यास मदत करतो. Defense One ने अहवाल दिला की कंपनी हा प्लॅटफॉर्म सविस्तर देखभाल आणि पुरवठा डेटा थिएटर-स्तरीय कारवाईच्या पर्यायांशी जोडण्याचा मार्ग म्हणून मांडते, जे ऐतिहासिकदृष्ट्या अनेकदा उच्च-स्तरीय विश्लेषणातून तयार केले जात होते.

पुरवठा बाजूला, कंपनी म्हणते की प्लॅटफॉर्ममध्ये 40 लाखांहून अधिक विक्रेते आणि 1.6 कोटींहून अधिक भागांची माहिती आहे. तो लीड टाइम, विक्रेता स्थाने, आणि पुरवठ्याची साधने यांसारखे घटक समोर आणण्यासाठी डिझाइन केला आहे. मागणीच्या बाजूला, तो सविस्तर देखभाल क्रिया आणि इतर युनिट-स्तरीय संकेत ग्रहण करू शकतो, ज्यामुळे कोणते उपकरण किंवा बदलाचे भाग आवश्यक असतील याचा अंदाज लावणे शक्य होते.

हे संयोजन महत्त्वाचे आहे, कारण टिकाव निर्णय केवळ आज गोदामात काय आहे यावर अवलंबून नसतात. साठा पुन्हा भरायला किती वेळ लागतो, पर्यायी पुरवठादार उपलब्ध आहेत का, आणि वाहनांची किंवा विमानांची स्थिती भविष्यातील मागणी कशी बदलू शकते यावरही ते अवलंबून असतात. जर प्लॅटफॉर्म हे इनपुट्स विश्वसनीयपणे जोडू शकला, तर अडथळे कुठे निर्माण होत आहेत आणि वेगवेगळ्या संसाधन पर्यायांसोबत कोणते तडजोडीचे मुद्दे येतात हे तो मरीन नियोजकांना अधिक स्पष्टपणे दाखवू शकतो.

मरीनना आत्ताच यात रस का आहे

मरीन कॉर्प्सने वर्षानुवर्षे, विशेषतः पॅसिफिकमध्ये, वितरित ऑपरेशन्स आणि एक्स्पेडिशनरी लॉजिस्टिक्सवर भर दिला आहे. ही संकल्पना टिकाव प्रणालींवर दबाव आणते, कारण लहान, अधिक विखुरलेल्या युनिट्सना मोठ्या, स्थिर पुरवठा केंद्रांच्या सोयीशिवाय समर्थन आवश्यक असते. माहिती हाताने एकत्र करण्याचा भार कमी करणारे लॉजिस्टिक्स साधन या व्यापक प्रयत्नाशी पूर्णपणे जुळते.

Defense One ने अहवाल दिला की काही मरीन युनिट्स आधीच Manifest चा वापर टॅक्टिकल आणि ऑपरेशनल पातळ्यांवर करत आहेत. Tagup ने सांगितले की मरीन वैद्यकीय लॉजिस्टिक्समधील एका वापरामुळे सज्जता कायम ठेवत खरेदी खर्चात 25 टक्के घट आणि हाताळलेल्या साहित्यामध्ये 30 टक्के घट झाली. हे आकडे स्पष्ट करतात की सेवा हे सॉफ्टवेअर अधिक महत्त्वाकांक्षी थिएटर-स्तरीय भूमिकेत का तपासू इच्छित आहे.

खर्च आणि हाताळणीतील घट आपोआप धोरणात्मक फायद्यात रूपांतरित होत नाही, पण ती दर्शवते की प्रणाली लॉजिस्टिक्स वर्कफ्लोमधून वाया जाणारा भाग कमी करू शकते. जिथे अंतर प्रत्येक अकार्यक्षमतेला मोठे करते, तिथे अंदाज, खरेदी, आणि साठा स्थितीबाबतच्या सुधारणा देखील मोठे परिणाम करू शकतात.

स्प्रेडशीटपासून निर्णय-समर्थनाकडे

सर्वात महत्त्वाचा बदल स्वयंचलनापेक्षा कमी आणि केल्या जाणाऱ्या विश्लेषणाच्या पातळीबद्दल अधिक असू शकतो. Tagup चे मुख्य कार्यकारी Defense One ला म्हणाले की थिएटर-स्तरीय नियोजन ऐतिहासिकदृष्ट्या मुख्यालयात, सविस्तर देखभाल आणि सज्जता डेटा पूर्णपणे न वापरता केले गेले आहे. दुसऱ्या शब्दांत, संस्थांकडे वाहन किंवा इतर प्रणालीवरील प्रत्येक देखभाल कृतीची सविस्तर नोंद असू शकते, पण ती नोंद मोठ्या टिकाव नियोजन निर्णयांमध्ये नेहमी समाविष्ट केली जात नाही.

या संदर्भात AI चे आश्वासन असे नाही की ते लॉजिस्टिशियनची जागा घेईल. तर ते त्यांना हाताने केली जाणारी प्रक्रिया सहज हाताळू शकत नाही इतक्या विस्तृत आणि घनभूत चलांवर काम करण्यास मदत करते. नियोजक अजूनही निर्णय घेऊ शकतो, पण सॉफ्टवेअर इनपुट गोळा करण्यासाठी लागणारा वेळ कमी करू शकते आणि अनेक विस्कळीत प्रणालींमध्ये दिसणे कठीण असलेले नमुने उघड करू शकते.

हा फरक महत्त्वाचा आहे, कारण लष्करी AI प्रकल्पांमध्ये स्वायत्तता किंवा लक्ष्यीकरणामुळे अनेकदा लक्ष वेधले जाते. हे प्रयत्न अधिक मर्यादित आणि व्यावहारिक आहे. ते नियोजन समर्थन, पुरवठा दृश्यमानता, आणि संसाधन वाटप यांवर केंद्रित आहे. AI चे हे कमी नाट्यमय उपयोग असले तरी तेच अनेकदा सर्वाधिक प्रभाव पाडण्याची शक्यता असते, कारण ते सातत्याने जाणवणाऱ्या प्रशासकीय आणि ऑपरेशनल अडचणी दूर करतात.

पुढे काय पाहायचे

करारातील बदल मरीनच्या सततच्या रसाचे संकेत देतो, पण हे अजूनही एक चाचणीच आहे, संपूर्ण ताफ्यातील परिवर्तन नाही. आता मुख्य प्रश्न असे आहेत की Manifest थिएटर पातळीवर विश्वासार्हपणे काम करू शकते का, नियोजक त्याच्या शिफारशींवर विश्वास ठेवतात का, आणि प्लॅटफॉर्म मरीन कॉर्प्सच्या विद्यमान लॉजिस्टिक्स आणि देखभाल डेटा वातावरणाशी सुरळीतपणे एकत्र होऊ शकतो का.

आणखी एक व्यापक संस्थात्मक प्रश्न आहे. सेवा हे सिद्ध करू शकते की सॉफ्टवेअर निवडक वापर प्रकरणांमध्ये काम करते, तरीही यशस्वी पायलट्सना मानक कार्यपद्धतीमध्ये रूपांतरित करण्याचे अधिक कठीण आव्हान राहील. त्यासाठी सामान्यतः केवळ चांगले विश्लेषण नव्हे, तर डेटा प्रशासन, प्रक्रिया पुनर्रचना, आणि स्थापित स्प्रेडशीट-चालित वर्कफ्लोपासून दूर जाण्यास तयार असलेले नेतेही आवश्यक असतात.

तरीही, पॅसिफिक टिकाव आव्हान इतके मोठे आहे की टप्प्याटप्प्याने होणारी सुधारणा देखील महत्त्वाची आहे. जर मरीन युनिट्सना काय आवश्यक आहे आणि संसाधने कुठे ठेवावीत हे समजून घेण्यासाठी लागणारा वेळ कमी करू शकले, तर त्याचा फायदा कार्यक्षमतेपलीकडे जाईल. चांगले लॉजिस्टिक्स नियोजन सज्जता, लवचिकता, आणि दबावाखाली विखुरलेल्या सैन्यांना टिकवून ठेवण्याची क्षमता सुधारू शकते. पेंटागॉनमधील AI कार्यक्रमासाठी, हे एक ठोस आणि धोरणात्मकदृष्ट्या संबंधित उद्दिष्ट आहे.

हा लेख Defense One च्या अहवालावर आधारित आहे. मूळ लेख वाचा.

Originally published on defenseone.com