آربیتراژ گیری تحلیل کاربران مقایسه صرافی ها قیمت ارزها اخبار
لایت فارکس

بلاکچین فرصتی برای حل مشکلات زنجیره تأمین داده Covid-19

شیوع COVID-19 ، مانند هر قو سیاه دیگر قبل آن ، ضعف های سیستمیک را در طیف گسترده ای از صنایع و فرآیندها نشان داد.

با توجه به اینکه عصر اطلاعات اکنون کاملاً در حال گذار است ، این رویداد خاص بر اهمیت حیاتی مدیریت داده تأکید داشته و  بر از کار افتادن سیستم های مدیریت داده وضعیت موجود دلالت دارد.

پیامدهای مدیریت ضعیف داده ها د رکنار  زمان زیادی که  برای  تولید  دارو  گذاشته شده منتهی به تلفات بیشتر افراد است. از طرف دیگر ، نسل بعدی راه حل های مدیریت داده فرصتی در اختیار محققان گذاشته تا از مزایای آن به طور گسترده بهره مند می شود.

تلاش اتحادیه اروپا برای مقابله با کمبود تجهیزات محافظت شخصی یا PPE در اوج همه گیری ، یک نقطه شروع خوب  برای درک اهمیت مدیریت داده ها در مورد COVID-19 است.در اوایل آوریل ، با گسترش سریع ویروس در سراسر اروپا ، کمبود PPE به طرز دردناکی مشهود شد. با این وجود ، در دنیای پیچیده زنجیره های تأمین جهانی ، قبل از اینکه بخواهیم سطح عرضه را افزایش دهیم ، اولین قدم باید جمع آوری داده ها باشد. چه کسی  PPE می سازد؟ چرا آنها نمی توانند بیشتر تولید کنند؟ آنها به چه موادی نیاز دارند؟ مشکلات کجا هستند؟

اتحادیه اروپا به طور جدی سعی کرد به این سوالات پاسخ دهد ، اما تنها توانست نظرسنجی ها را از طریق ایمیل برای شرکت های اروپایی تولید کننده PPE برای استفاده پزشکی ارسال کند. البته ، این کار  هرگز برای  حل همه گیری کنونی موثر نبود. به این دلیل که حتی اگر همه تأمین کنندگان پرسش شده بلافاصله به نظرسنجی پاسخ دهند ، در بهترین حالت ، داده ها در عرض یک هفته جمع می شوند. مطمئناً تا آن زمان ، بسیاری از داده ها منسوخ می شدند .

بعلاوه ، در مورد تأمین کنندگان  چطور؟ در مورد همه گره های جریان بالایی که زنجیره تأمین جهانی PPE را تشکیل می دهند ، چطور؟ به دور از دستیابی به دید جامع و واقعی مورد نیاز در مورد زنجیره تأمین PPE ، تنها دستاورد  اتحادیه اروپا با این نظرسنجی می تواند این باشد که اطلاعات سطحی به دست اورند.


راه حل های مبتنی بر بلاکچین

بنابراین ، چرا ما در زنجیره های تأمین پزشکی (یا هر زنجیره تأمین برای آن موضوع) دید جهانی نداریم؟  اول ، زیرا سیستم های ارتباطی قدیمی مانع از اشتراک امن و کارآمد داده های شرکت کنندگان در زنجیره تأمین می شوند. دوم ، زیرا بسیاری از شرکت کنندگان فاقد انگیزه عضویت در چنین سیستمی هستند.

هر دو مشکل را می توان ، البته به روش های مختلف ، با تمرکززدایی مورد حمایت بلاکچین حل کرد.افرادی که با سیستم های ارتباطی پشتیبانی شده از بلاکچین آشنایی دارند ، می دانند که  یک راه حل مناسب برای مشکل اول (به اشتراک گذاری ایمن و کارآمد داده ها) هستند. یک شبکه ارتباطی توزیع شده مبتنی بر بلاکچین بر موانع فنی مرتبط با سیستم های ارتباطی قدیمی در زنجیره های تأمین غلبه می کند و در عین حال نگرانی های امنیتی را نیز برآورده می کند.

فناوری بلاکچین بجای برقراری ارتباط جداگانه با هر گره از زنجیره مانند سیستمهای متمرکز سنتی ، به شرکت کنندگان این قدرت را می دهد تا با استفاده از یک دفتر مرکزی غیرمتمرکز ، “به صورت همزمان”  با سایر شرکت کنندگان ارتباط برقرار کنند. این بدان معنی است که زنجیره های تأمین می توانند بر مدل فعلی ارتباط “از بالا به پایین” غلبه کنند که در آن هر شرکت کننده دید بالا دستی (به یک تامین کننده) و  دید پایین دستی (برای خریدار) در زنجیره وجود دارد.

بعلاوه ، شبکه های بلاکچین مجاز و مدرن  دسترسی خواندن / نوشتن را فراهم می کنند تا اطمینان حاصل شود: ۱) فقط گره های قابل اعتماد می توانند به دفتر توزیع شده داده اضافه کنند و ۲) اطلاعات حساس تجاری را می توان در صورت لزوم محافظت کرد.

مشکل دیگر – و دشوارتر – که از ظهور جهانی در زنجیره های تأمین جلوگیری می کند ، عدم انگیزه برای جذب همه شرکت کنندگان به شبکه است. این مشکل  اساسی است  زیرا نه تنها باید اینرسی موجود را برطرف کرد بلکه باید “عوامل باز دارنده” فعالی را نیز در نظر گرفت ! اینرسی در اینجا به سرمایه گذاری و استفاده از سیستم های قدیمی اشاره دارد و این بدان معنی است که هر راه حل پیشنهادی باید ارزش افزوده کافی برای شرکت کنندگان فراهم کند تا در جهت اتخاذ آن تلاش کنند.

عوامل بازدارنده نیز به  این مورد اشاره دارد که ،  تامین کنندگان بالادستی نمی خواهند اطلاعات مربوط به عملیات پایین ، قیمت گذاری و منابع خود را به مشتریان پایین دست نشان دهند زیرا انجام این کار ، در بسیاری از موارد ، سودهای کلان  آنها را از بین می برد.

اساساً آنچه که ما می خواهیم این است که همه شرکت کنندگان اطلاعاتی مانند میزان تولید ، کیفیت ورودی و خروجی و وضعیت فعلی همه محموله ها در تمام سطوح زنجیره ای را به اشتراک بگذارند. اگر از یک طرف ، همه شرکت کنندگان بتوانند به نوعی برای به اشتراک گذاشتن این اطلاعات همکاری کنند ، همه می توانند سود ببرند. دلیل این امر این است که: ۱) ارزش کالاها برای مصرف کنندگان نهایی وقتی اطلاعات بیشتری به آن میرسد، افزایش می یابد (اطلاعات اضافی سلامت و ایمنی مصرف کنندگان نهایی را بهبود می بخشد ، پایبندی به اهداف پایداری را امکان پذیر می کند و فراخوانی سریع و کارآمد را امکان پذیر می کند) ۲) کارایی مانند تولید به موقع قفل شده است و ۳) می توان پیش بینی کرد و از جلوگیری از توقف سریع تولید جلوگیری کرد.

با این حال ، این مزایا رابه دست نمی اید  مگر اینکه همه (یا اکثر) شرکت کنندگان همکاری کنند – چیزی که تاکنون در هیچ زنجیره تأمین عمده نتوانسته ایم به آن برسیم. در اینجا حتما  انگیزه هایی وجود دارد.

شبکه های غیرمتمرکز پشتیبانی شده از بلاکچین می توانند با ارائه مشوق های مناسب ، همکاری لازم را تشویق کنند. به یاد داشته باشید ، این شبکه ها در هسته خود راهی برای شفاف کردن ارزش داده ها هستند و در عصر اطلاعات ، داده ها یک منبع بسیار ارزشمند هستند.

یک مثال از نحوه عملکرد یه این شکل است که داده ها برای اطمینان از تأمین مالی تامین کنندگان بالادستی در یک زنجیره از اهرم استفاده می کنند. به عنوان مثال ، یک تامین کننده بالادست صفحات پلاستیکی برای محافظ های PPE می تواند با انگیزه ای که به منابع مالی بالاتری دسترسی دارد ، به “شبکه قابل دید” بپیوندد. اگر داده های تأمین کنندگان بالادستی (که ممکن است شامل فاکتورهای دریافت شده باشد) توسط بانک خریدار پایین جریان به لطف شبکه جدید مدیریت داده (با بلاکچین) مشاهده شود ، می تواند تأمین مالی مهم زنجیره تأمین را از بیشتر فراهم کند بازارهای خریداران را تا عرضه کننده صفحه پلاستیکی توسعه داده و به او امکان می دهد سریعتر عرضه خود را افزایش دهد. نتیجه این امر یک زنجیره تأمین انعطاف پذیر و کارآمد است.


پیاده سازی فناوری Blockchain

این مدل قبلاً با موفقیت در وضعیت های  مختلفی مانند پروژه Trado مورد حمایت دانشگاه کمبریج به کار گرفته شده است ، که با موفقیت چنین صرافی های “داده برای منافع” را امکان پذیر می کند و در حال حاضر زنجیره های تأمین مقاومت بیشتری در نیجریه ایجاد می کند.

یک مثال دیگر از انگیزه های موثر برای به اشتراک گذاری داده ها ، Databroker است ، یک بازار برای تبادل داده های نظیر به نظیر است. در حالی که Trado مزایای غیرمستقیمی را برای به اشتراک گذاری داده ها (فرصت های تأمین مالی زنجیره تأمین) فراهم می کند ، Databroker رویکردی مستقیم در پیش می گیرد که در آن  به  صاحبان داده مستقیماً برای فروش داده های خود انگیزه ایجاد می کنند و از این امنیت که داده های آنها در پایگاه داده های شخص ثالث متمرکز ذخیره نمی شود ، بهره مند می شوند.

محدودیت شفافیت در زنجیره های تأمین پزشکی و عدم انعطاف پذیری مربوطه تنها بخشی از دلایلی است که COVID-19 آسیب بیشتری  ایجاد کرده است. بهبود مدیریت داده ها در طیف گسترده ای از کاربردها در علوم زیستی ، از جمله خود توسعه پزشکی، که در آن موارد مشابه از مدیریت کارآمد داده ها و مزایای مربوط به آن جلوگیری می کند ، اساسی است.

آخرین رقم مربوط به هزینه تولید داروی تجویزی که از بازار تأیید می شود (فرآیندی ۱۰-۱۵ ساله) بسیار عظیم ۲.۶ میلیارد دلار است ، رقمی که طی دو دهه گذشته به طرز چشمگیری افزایش یافته است ، زیرا پیچیدگی تحقیقات و نظارت بر تنظیم مقررات افزایش یافته است . کارشناسان اتفاق نظر دارند که بخش عمده ای از مشکل عدم توانایی مدیریت داده های مورد نیاز برای پیشرفت های علمی است.

مانع اصلی جلوگیری از استفاده از اطلاعات جمع آوری شده در طول توسعه دارو به طور کامل از پتانسیل آن ناشی از این واقعیت است که بسیاری از داده ها متعلق به شرکت های خصوصی است.که با به اشتراک گذاری آن رقابت آنها را تهدید می کند. برای اینکه بتوانیم از داده ها برای تحقیقات مشترک استفاده کنیم ، به روشی برای محافظت از مالکیت معنوی نیاز داریم. ارکستراسیون یادگیری ماشین لجر برای کشف دارو یا MELLODDY ، نمونه ای از پروژه های پشتیبانی شده از بلاکچین است که این کار را انجام می دهد.

MELLODDY ، که به طور مشترک توسط ابتکار پزشکی نوآورانه اروپا و ۱۰ شرکت بزرگ دارویی اروپا تأمین می شود ، بیش از ۱ میلیارد امتیاز تولید دارویی و داده های مربوطه را از کتابخانه های شیمیایی اعضای کنسرسیوم خود جمع می کند.

هرچند ، MELLODDY به جای جمع کردن داده ها به معنای سنتی ، یک مدل یادگیری فدرال را ایجاد می کند که بر روی یک زیرساخت مبتنی بر بلاکچین ساخته شده است. این داده ها را قادر می سازد هرگز از سرورهای مربوط به شرکت ها خارج نشوند. در عوض ، فرایند یادگیری ماشین به صورت محلی در هر شرکت دارویی شرکت کننده  استفاده می شود، البته  فقط مدل هایی که در کنسرسیوم مشترک هستند.

به این ترتیب ، قدرت پیش بینی مدل حاصل می تواند از تمام مجموعه های داده بهره مند شود و در عین حال ، از داده های اختصاصی هر شرکت کننده محافظت کند. به عبارت دیگر ، رقبا می توانند داده ها را برای پیشرفت های علمی به اشتراک بگذارند بدون اینکه لازم باشد مالکیت داده ها (ارزشمندترین دارایی آنها) را کنار بگذارند. این توانایی دسترسی  به دستاوردهای قابل توجه بهره وری در فرآیند تولید دارو را دارد که البته در دنیای همه گیرهای شبه COVID-19 بسیار اساسی است.

منبع: کوین تلگراف


بیشتر بخوانید

تیم محتوا
تیم محتوا
کارشناس ارشد ریاضی|تکنسین شبکه|مولف کتاب های اموزشی|مدرس دانشگاه های آزاد و علمی کاربردی|پژوهشگر در مورد ارزهای دیجیتال
0 0 رای ها
امتیازدهی به مقاله
اشتراک در
اطلاع از
guest
0 نظرات خود را ثبت نمایید
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
آخرین مقالات منتشر شده