FAKULTAS EKONOMI BISNIS DAN HUMANIORA UNIVERSITAS KRISTEN WIRA WACANA SUMBA
NAMA KELOMPOK 12
1. Ester Lera Mawu (1120106)
2. Yurdin Tara Kamba (1120107) 3. Natalia Ananda Christin Malo (1120112)
4. Mbati Adji (1120114)
5. Desianti Lawa Jati (1120116)
MENGELOLA PENGETAHUAN
A. LANSKAP MANAJEMEN PENGETAHUAN
Manajemen pengetahuan dan kaloborasi saangat erat terkait. Pengetahuan yang tidak dapat di komunikasikan dan bagikan dengan orang lain menjadi hampir tidak berguna.
Pengetahuan menjadi bermanfaat dan ditindak lanjuti ketika di bagikan keseluruh perusahaan. Manajemen pengetahuan telah menjadi tema yang penting pada banyak perusahaan bisnis besar, sebagaimana para manajer menyadari bahwa banyak dari nilai perusahaan bergantung pada kemampuan perusahaan untuk menciptakan dan mengelola pengetahuan.
DIMENSI PENGETAHUAN YANG PENTING
Terdapat suatu perbedaan yang penting diantara data, informasi, pengetahuan, dan kebijaksanaa. Untuk mengubah data menjadi suatu informasi yang bermafat, maka perusahaan harus mencurahkan sumber daya untuk mengorganisasikan data kedalam kategori-kategori pemahaman. Untuk mengubah informasi menjadi pengetahuan (knowledge) maka perusahaan harus mengeluarkan sumber daya tambahan untuk menemukan pola-pola, aturan, dan konteks dimana pengetahuan dapat bekerja. Kebijakan
(wisdom) diartikan sebagai pengalaman kolektif dan individual dalam menerapkamn pengetahuan untuk memecahkan permasalahhan-permasalahan.
Pengetahuan merupkan suatu atribut individual dan atribut kolektif dari perusahaan.
RANTAI NILAI MANAJEMEN PENGETAHUAN
Manajemen pengetahuan (knowledge management) mengacu pada serangkaian proses bisnis yang di kembangkan dalam suatu organisasi untuk menciptakan, menyimpan, memindahkan, dan menerapkan pengetahuan. Manajemen pengetahuan akan meningkatkan kemampuan dari organisasi untuk belajar dari lingkungannya dan untuk memadukan pengetahuan ke dalam proses.
Penguasaan Pengetahuan
Organisasi dapat memperoleh pengetahuan dengan berbagai cara, bergantung pada tipe dari pengetahuan yang mereka cari. Sisten pengetahuan yang pertama berupaya untuk membangun gudang dokumen perusahaan, laporan, presentasi, dan praktik pelaksanaan yang terbaik. Upaya-upaya ini telah diperluas hingga mencakup dokumen-dokumen yang tidak terstruktur (misalnya, surel). Dalam kasus lainnya organisasi dpat memperoleh pengetahuan dengan mengembangkan jaringan ahli secara online dengan demikian para karyawan tersebut dapat “menemukan ahli” dalam perusahaan yang merupakan pribadi yang memeliki pengetahuan luas.
Penyimpanan Pengetahuan
Setelah berbagai dokumen, pola, dan aturan pakar terkumpul, data tersebut harus di simpan sehingga dapat diambil kembali dan digunakan oleh para karyawan. Penyimpanan pengetahuan pada umumnya melibatkan penciptaan suatu database. Simtem manajemen dokumen yang dibuat dalam bentuk digital, indeks, dan memberikan label pada dokumen yang di sesuaikan dengan kerangka kerja yang jelas merupakan database yang besar yang mahir dalam menyimpan kumpulan dokumen.
Manajemen harus mendukung pengembangan sistem penyimpanan pengetahuan, mendukung pengembangan skema yang dapat digunakan diseluruh perusahaan dalam membuat indeks dokumen, dan memberikan penghargaan kepada karyawan yang telah meluangkan waktu untuk memperbarui dan mrnyimpan dokumen tersebut dengan cara yang
benar. Sebagi contoh, manajemen harus memberikan penghargaan kepada sebagian penjaalan yang memasukan nama calon pelangggan kedalam basis data perusahaan dimana seluruh petugas penjualan dapat mengindentifikasi data dari setiapcalon yang tersimpan dan mengulasnya.
Penyebarluasan Pengetahuan
Teknologi kontemporer tampaknya telah membanjiri dunia informasi dan pengetahuan. Disinilah program pelatihan, jaringan informal, dan pengalaman manajemen yang di bagikan dapat membantu para manajer agar tetap dapat memfokuskan perhatian mereka dalam informasi dan pengetahuan yang penting.
Penerapan Pengetahuan
Tanpa memperhatikan apakah tipe dari sisten manajemen pangetahuan yang dilibatkan, tetapi pengethuan yang tidak dibagikan dan diterapkan dalam permaslahan praktis yang dihadapi oleh perusahan dan para manajer tidak akan menambah nilai dari bisnis. Untuk memberikan tingkat pengembalian atas investasi, maka pengetahuan organisasional harus menjadi suatu bagian yang sistematis dari pengambilan keputusan manjemen dan diletakan dalam sistem untuk mendukung keputusan bisnis.
TIPE SISTEM MANAJEMEN PEGETAHUAN
Terdapat tiga tipe sistem manajemen pengetahuan yang sangat penting:
1. Sistem manajemen pengetahuan keselurusahan perusahaan (enterprise-wide knowledge management sytems) merupakan upaya keseluruhan perusahaan yang bertujuan umum untuk mengumpulkan, menyimpan, mendistribusikan, serta menerapkan isi dan pengetahuan digital.
2. Sistem Kerja Pengetahuan (knowledge work sytem-KWS) adalah sistem yang dikembangkan khusus untuk para teknisi, ilmuwan, dan para pekerja dibidang pengetahuan lainnya yang bertugas memperoleh dan menciptakan pengetahuan baru bagi perusahaan meraka.
3. Teknik kecerdasan (intelligenrt techniques) seperti penelusuran data sistem ahli, jaringan neural, logika fuzziy, algoritme genetika, dan agen intelegen.
B. SISTEM MANAJEMEN PENGETAHUAN KESELURUHAN PERUSAHAAN SISTEM MANAJEMEN KONTEN PERUSAHAAN
Para pembisnis saat ini perlu untuk mengatur dan mangelol asset pengetahuan terstruktur maupun semi terstruktur.
Pengetahuan terstruktur (structured knowledge) merupakan pengetahuan secara eksplisit ada dalam dokumen-dokumen formal, sama halnya dengan aturan-aturan formal yang diperoleh organisasi dengan mengamati para ahli dan perilaku mereka dalam pengambilan keputusan.
Sistem manajemen konten perusahaan (enterprise content management systems) membantu organisasi untuk mengelola kedua tipe informasi tersebut. Mereka memiliki kapabilitas untuk menangkap pengetahuan, penyimpanan, pemulihan, distribusi, dan pemeliharaan untuk membantu perusahaan dalam meningkatkan pemprosesan dan keputusan bisnis. Sistem manajemen konten perusahaan yang utama juga memungkinkan bagi para penggunanya untuk mengakses eksternal dari informasi, seperti kabar berita dan penelitian, dan mengkomunikasikan melalui surel, chat/pesan instan, kelompok diskusi dan konferensi video.
Sentra pengetahuan Barrick merupakan pusat tempat penyimpanan dari dokumen- dokumen mengenai kebijakan, prosedur, standar, pedoman, gagasan baru, dan praktik yang terbaik, serta memiliki kapabilitas untuk mengenditifikasi versi terbaru dari tiap-tiap dokumen. Sistem manajemen konten meliputi alat bantu jejaring sosial, seperti wiki, blog, dan forum, untuk membantu komunitas praktik berbagi pengetahuan mereka. Sesi interaktif:
Organisasi menyediakan contoh lainnya dari manfaat sistem manajemen konten perusahaan.
Permasalahan pokok dalam mengelola pengetahuan adalah penciptaan skema klasifikasi yang tepat, atau taksonomi (taxonomy) untuk mengorganisasi informasi ke dalam kategori yang bermanfaat sehingga dapat lebih mudah diakses. Sistem manajemen konten perusahaan memiliki kapabilitas untuk menandai, berinteraksi dengan database korporat dan tempat penyimpanan konten, serta menciptakan portal pengetahuan perusahaan yang menyediakan suatu titik akses tunggal terhadap sumber daya informasi.
Perusahaan yang bergerak dalam bidang penerbitan, periklanan, penyiaran, dan hiburan (entertainment) memiliki kebutuhan khusus untuk menyimpan dan mengelola data digital tidak terstruktur, seperti foto, citra grafik, video, dan konten audio. Sebagai contoh,
Coca-Cola harus tetap menelusuri semua citra merek Coca-Colanya yang telah diciptakan pada masa yang lalu di semua kantor di seluruh dunia, untuk mencegah adanya pekerjaan yang redundan dan variasi dari citra merek yang standar. Sistem manajemen aset digital (digital asset management systems) membantu perusahaan untuk mengklasifikasi, menyimpan, dan mendistribusikan objek-objek digital tersebut.
SISTEM JARINGAN PENGETAHUUAN
Sistem Jaringan Pengetahuan membahan mengenai permasalahan yang timbul ketika pengetahuan yang tepat tidak dalam bentuk dokumen digital, tetapi sebagai gantinya berada dalam memori para ahli individual dalam perusahaan. Sistem jaringan pengetahuan memeberikan direktori secara online dari para ahli korporat dan profil mereka, dengan perincian mengenai pengalaman kerja merek, proyek, publikasi, dan gelar pendidikan. Sistem jaringan pengetahuan, seperti hivemine’s AskMe meliputi tempat penyimpanan konten yang dihasilkan oleh para ahli. Beberapa kapabalitas jejering pengetahuan termasuk dalam manajemen konten perusahaan terkemuka, jejaring sosial, dan produk perangkat lunak kalaborasi.
KALABORASI DAN ALAT BANTU SERTA SISTEM MANAJEMEN PEMBELAJARAN
Untuk sumber daya pengetahuan di luar perusahaan, social bookmarking mempermudah untuk mencari dan berbagi informasi dengan memungkinkan bagi para penggunanya untuk menyelamatkan bookmark mereka pada laman web di situs wb publik dan menandai bookmark tersebut dengan kata kunci. Taksonomi yang diciptakan oleh pengguna dirancang untuk berbagi bookmark yang disebut dengan folksonomies. Delicious, Slashdot, dan Pinterest merupakan situs social bookmarking yang terkenal.
Perusahaan memerlukan cara-cara untuk tetap menelusuri dan mengelola pembelajaran karyawan dan untuk mengintegrasikan sepenuhnya ke dalam manajemen pengetahuan mereka dan sistem korporat lainnya. Sistem manajemen pembelajaran (learning management system-LMS) menyediakan alat bantu bagi manajemen, pengeriman, penelusuran, serta penilaian berbagai macam tipe pembelajaran dan pelatihan bagi karyawan.
C. SISTEM KERJA PENGETAHUAN
Sistem pengetahuan keseluruhan perusahaan yang menyediakan jangkauan kemampuan menyeluruh yang dapat digunakan oleh banyak orang tidak hanya semua pekerja dan kelompok di dalam suatu organisasi. Perusahaan juga memiliki sistem yang di khususkan bagi pekerja pengetahuan untuk membantu mereka dalam menciptakan pengetahuan yang baru dan untuk memastikan bahwa pengetahuan tersebut terintegrasi dengan tepat ke dalam binis.
PEKERJA PENGETAHUAN DAN KERJA PENGETAHUAN
Pekerja pengetahuan biasanya memiliki tingkat pendidikan yang tinggi, memiliki keanggotaan di organisasi profesional, dan kerap di minta untuk melakukan penilaian sebagai aspek rutin dari pekerja. Sebagai contohnya, pekerja pengetahuan menciptakan produk baru atau mencari cara untuk meningkatkan kualitas produk yang sudah ada. Pekerja pengetahuan melakukan tiga peran kunci yang sangat penting bagi organisasi dan untuk manajer yang bekerja dalam organisasi.
1. Menjaga aliran pengetahuan dalam perusahaan seiring dengan perkembangan perusahaan dalam teknologi, sains, pemikiran sosial dan seni.
2. Bertuas melayani sebagi konsultan internal menegnai pengetahuan khusus, berbagai perubahan yang terjadi, dan kesempatan yang muncul.
3. Bertindak sebagai agen perubahan, mengevaluasi, merintis dan mendukung proyek- proyek perubahan.
KEBUTUHAN SISTEM KERJA PENGETAHUAN
Kebanyakan pekerja pengetahuan mengandalkan sistem perkantoran, seperti pengolahan kata, voice e-mail, konverensi vidio dan sistem penjadwalan yang di rancang untuk meningkatkan produktivitas di kantor. Pekerja pengetahuan juga memerlukan sistem kerja pengetahuan yang sangat spesifik dengan grafis, alat bantu analisis dan kemampuan komnikasi dan manajemen kemampuan yang canggih.
Sistem ini memerlukan kekuatan komputasi mendasar untuk menangani grafik-grafik yang rumit atau perhitungan yang kompleks yang di butuhkan oleh pekerja pengetahuan, seperti peneliti ilmiah, perancang produk, dan analisis keuangan. Kerena pekerja pengetahuan
sangat pokus pada pengetahuan di dunia eksternal, sistem ini juga harus memberikan kemudahan dan kecepatan mengakses database, eksternal. Umumnya antarmuknya mudah digunakan dan memungkinkan pengguna untuk melakukan dan memungkinkan pengguna untuk melakukan pekerjaan tanpa harus membuang waktu terlalu lama mempelajari cara kerja sistem.
CONTOH SISTEM KERJA PENGETAHUAN
Penerapan kinerja pengetahuan yang utama di liputi sistem CAD, sistem realita virtual untuk simulasi dan permodelan, serta sentra kerja keuangan. Desain perbantuan komputer (computer-aided desig˗CAD) akan mengotomatisasi penciptaan dan revisi dan desain, dengan menggunakan komputer dan perangkat lunak grafik yang canggih. Mengguanakan metodologi desain fisik yang tradisional, maka tiap-tiap modifikasi desain memerlukan cetakan yang akan dibuat dan sebuah prototipe untuk di uji secara fisik. Proses tersebut harus di ulang berkali-kali, yang mana merupakan proses yang sangat mahal dan memerlukan banyak waktu.
Sistem CAD dapat memasok data untuk pencetakan 3-D (3-D printing) juga di ketahui dikenal sebaagai manufaktur aditif, yang menggunakan mesin untuk membuat benda padat, lapisan demi lapisan, dari spesifikasi dalam suatu file digital.
Sistem realitas virtual (virtual realitas sitems) memiliki kemampuan visualisasi, pengubahan, dan simulasi yang jauh melampaui sistem CAD konvensional. Dalam banyak sistem realitas virtual, pengguna akan menggunakan pakaian, penutup kepala dan perlengkapan yang khusus, bergantung pada aplikasinya. Pakaian berisis sensor-sensor yang merekam pergerakan darii pengguna dan dengan segera mengirimkan informasi tersebut kembali ke komputer. Contohnya untuk berjalan melalui simulasi realitas secara virtual dari sebuah rumah, perlu mangawasi monitor tersebut untuk menggerakkan kaki, tangan, dan kepala.
Realitas yang ditambahkan (augmented reality ̶ AR) merupakan teknologi terkait untuk mendorong untuk visualisasi. AR menyediakan suatu pandangan secara live baik langusng ataupun tidak lansung dari lingkungan fisik dunia nyata yang memiliki elemen yang ditambkan oleh pencitraan yang di hasilkan oleh komputer virtual. Teknologi digital menyediakan informasi tambahan untuk mendorong persepsi dari realitas, membuat di sekitar
dunia nyata dari pengguna manjadi lebih interaktif dan bermakna. Contohnya dari realitas yang ditambhkan sebagaimana dalam prosedur-prosedur medis, seperti pembedaan yang dibantu dengan gambar, dimana data di peroleh dari tomografi, terkomputerisasi (komputerized tomography ̶ CT) dan pemindai pencitraan resonansi magnetik (magnetic resonance imaging ̶ MRI) atau dari pencitraan ultrasound yang dilapiskan dari atas pasien dalam ruang opeasi.
D. TEKNIK KECERDASAN
Kecerdasan artifisial dan teknologi database menyediakan sejumlah teknik kecerdasan yang dapat digunakan organisasi untuk memperoleh pengetahuan dari individual dan kolektif serta memperluas dasar pengetahuan. Jaringan neural dan penelusuran data digunakan untuk penemuan pengetahuan.
MEMPEROLEH PENGETAHUAN: SISTEM AHLI
Sistem ahli (Expert sytem) merupakan teknik kecerdasar untuk memperoleh pengetahuan tersitar dalam wilayah yang sangat spesifik dan terbatas dari keahlian manusia.
Sistem-sistem ini memperoleh pengetahuan dari karyawan terampil dalam bentuk serangkaian aturan dalam sistem perangkat lunak yang dapat digunakan oleh pihak lainnaya dalam organisasi.
Sistem ahli kekurangan pengetahuan yang luas dan pemahaman mengenai prisip- prinsip fundamental dari manusia ahli. Permasalahan yang tidak dapat dipecahkan oleh manusia ahli dalam jangka waktu yang pendek jauh lebih sulit bagi suatu sistem ahli. Namun, dengan memperoleh keahlian manusia dalam area yang terbatas, maka sistem ahli dapat memberikan manfaat, membantu organisasi untuk mengambil keputusan yang bermutu tinggi dengan lebih sedikit orang.
Bagaimana Sistem Ahli Bekerja
Sistem ahli model pengetahuan manusia merupakan suatu rangkaian aturan yang secara kolektif disebut dengan basis pengetahuan (knowledge base).
Strategi yang digunakan untuk mencari melalui dasar pengetahuan dinamakan mesin inferensi (inference ingine). Dua strategi yang umumnya digunakan: penelaran maju dan penalaran mundur.
Penalaran maju (forward chaining), mesin inferensi mulai dengan informasi yang dimasukan oleh pengguna dan mencari informasi dalam basis pengetahuan untuk akhirnya mencapai keputusan. Strateginya adalah untuk menjakan suatu ketidak sesuaian aturan saat sebuah kondisi di penuhi.
Penalaran mundur (backward chaining) strategi untuk mencari dalam basis pengetahuan dimulai dengan hipotesis dan berlanjut dengan menanyakan pengguna pertanyaan tentang fakta-fakta tertentu sampai hipotesisnya disetujui atau tidak disetujui Contoh Sistem Ahli Yang Berhasil
Sistem ahli menyediakan bisnis dengan serangkaian manfaat meliputi pengambilan keputusan yang lebih baik, pengurangan kesalahan, menurunkan biaya, mengurangi waktu pelatihan, dan tingkat kuaitas serta pelayanan yang lebih tinggi.
Banyak sistem ahli yang memelukan upaya pengembang yang besar, lama, dan mahal.
Biasanya, dalam lingkungan sistem ahli beroperasional secara terus menerus akan mengalami perubahan hingga sistem ahli juga harus secara terus menerus melakukan perubahan.
KECERDASAN ORGANISASIONAL: PENALARAN BERBASIS KHASUS
Sitem ahli adalah menangkap pengetahuan tersirat dari seorang pakar, namun organisasi juga harus memiliki pengetahuan dan keahlian kolektif yang telah dikembangkan selama beberapa tahun. Penalaran berbasis khasus ( case-based reasoning ̶ CBR), deskripsi dari pengalaman masa lalu seorang spesialis yang di representasikan sebagai contoh khasus disimpan data base untuk digunakan kembali di suatu waktu pada saat seorang penggguna berhadapan dengan khasus baru dengan parameter yang serupa.
Sistem ahli bekerja dengan menerapkan serangkaian aturan IF-THEN-ELSE yang diambil dari para pakar ( manusia).CBR, sebaliknya, merepresentasikan pengetahuan sebagai seredetan khasus, dan pengetahuan ini terus menerus dikembangkan dan diperbaiki oleh pengguna.
SISTEM LOGIKA FUZZY
Logika fuzz (fuzz logic) merupakan teknologi yang berbasis pada aturan yang dapat merepresentasikan ketidak tepatan tersebut dengan menciptaptakan aturan yang menggunakan perkiraan atau nilai yang subjektif. Lihat bagaimana logika fuzz memepresentasikan temperatur yang bervariasi dalam suatu aplikasi komputer untuk menyediakan temperatur ruang secara otomatis. Logika fuzz menyediakan pemecahan atas permasalahan-prmasalahan yang memerlukan keahlian yang sulit untuk mempresentasikan dalam bentuk aturan tang tekat IF-THEN. Manajemen juga telah menemukan logika fuzz yang berguna bagi pengambilan keputusan dan pengendalian organisasi.
PEMBELAJARAN MESIN
Pembelajaran mesin (machine learning) merupakan suatu kajian mengenai bagaiman program komputer dapat meningkat kinerja mereka tanpa memrogaman secara eksplisit.
Pembelajaran mesisn telah meluas selama 10 tahun terakhir ini karena pertumbuhan dalam daya komputansi yang tersedia bagi ilmuan dan perusahaan serta penurunan dalam biayayanya,seiring dengan kemajuan dalam desain algoritme, dan robot,internet dan data yang besar.
Kita menggunakan pembelajaran mesis setiap hari, tapi tidak mengenalinya. Setiap pencarian dengan google dipecahkan dengan menggunakan algoritme yang memeringkatkan miliyaran lama web yang di dasarkan pada query.
Jaringan Neural
Jaringan neural (neuralnetworks) digunakan untuk untuk memecahkan permasalah yang sulit, sangat rumit untuk di pahami dimana sejumlah besar data telah dikumpulkan.
Jaringan neural menemukan dann pola-pola dan hubungan dalamsejumlah data yang sangat besar yang menjadikan terlalu rumit dan sulit bagi manusia untuk menganalisisnya. Jaringan neural akan menemukan pengtahuan ini dengan menggunakan perangkat keras dan perangkat lunak yang memeperbandingkan pemproses dari pola-pola biologis atau otak manusia.
Algoritme Genetika
Algoritme Genetika (genetic algoritmes) bermanfaat untuk menemukan pemecahan yang optimal atas suatu permasalahan tertentu dengaan memeriksa sejumlah besar kemungkinan pemecahan atas permasalahan tersebut
Algoritme genetika bekerja dengan mempresentasikan informasi sebagai suatu deretan dari os dan is. Algoritme genetika mencari populasi dari deretan yang dihasilkan secara acak dari angka biner untuk mengindentifikasi deretan yang tepat yang mempresentasikan kemungkinan pemecahan terbaik bagi persalahan. Sebagaimana pemecahan akan berubah yang bergabung, maka yang terburuk akan disinggkirkan dan lebih baik akan bertahan untuk melanjutkan untuk dilanjutkan dalam menghasilkan pemecahan- pemecahan yang lebih baik.
Algoritme genetika digunakan untuk memecahkan permasalahan yang sangat dinamis dan rumit, yang melibatkan ratusan atau ribuan perubahan atau formula. Permasalahan harus berupa salah satu dimana kisaran kemungkinan pemecahan dapat dipresentasikan secara genetik dan kriteria dapat ditentukan untuk mengevaluasi kesesuaian. Algoritma genetika mempercepat pemecahan karena meraka dapat mengevaluasi banyak alternatif pemecahan dengan cepat untuk menemukan salah satu yang terbaik.
AGEN INTELEGEN
Agen intelegen ( intelligent agents) merupakan program perangkat lunak yang bekerja tanpa intervensi secara langsung dari manusia untuk melaksanakan tugas tertentu bagi seorang pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Terdapat banyak agen intelegen saat ini dalam sistem operasi, perangkat lunak aplikasi, sistem e-mail, perangkat lunak komputasi mobile, dan alat bantu jaringan. Meskipun beberapa agen intelegen diprogram untuk mengikuti suatu rangkaian aturan yang sederhana,tetapi yang lain dapat belajar dari pengalaman dan penyesuaian perilaku.
Banyak penomena yang rumit yang dapat di modelkan sebagai sistem dari agen-agen yang yang mandiri yang mengikuti aturan sederhana untuk menginteraksi.aplikasi permodelan berbasis agen ( agent-based modeling)dikembangkan untuk meniru perilaku dari pelanggan, pasar saham, dan rantai pasokan, serta untuk memprediksi penyebaran dari epidemi.
AGEN INTERNET DALAM JARINGAN RANTAI PASOKAN P&G
Pemasokan
Agen perangkat lunak membuat jadwal pengantaran dari pemasok, jika pemasok tidak dapat mengantarkan tepat aktu, agen ini akan bernegosiasi dengan pemasok lain untuk menciptakan jadwal pengantaran internatif
Toko ecaran
Agen perangkat lunak mengumpulkan data penjualan real-time pada setiap produk P&G dari banyak toko eceran, mereka menyampaikan data ke produksi P&G untuk memenuhi lagi pesanan dan analisis tren pemasaran dan penjualan.
Distibutor
Agen perangkat lunak membuat jadwal pengiriman dari distributor untuk mengecer, memberikan prioritas pada pengecer yang memiliki sedikit persediaan, jika pengiriman pada pengecer tertunda, agen ini mencari truk alternatif.
SITEM AL HIBRIDA
Sistem al hubrida (hibrid al systems) aplikasi hibrida dalam bisnis terus bertumbuh.
Di Jepang,Hitachi, mitsubishi, Ricoh, dan yangblain dapat memandukan Al dalam produk- produk misalnya: peralatan rumah tangga, mein pabrik dan peralan kantor, matsubishita telah mengembangkan mesin cuci “ neurofuzzy” yang memadukan logika fuzzy dengan jaringan neural.nikko securities telah menjalankan sistem neurifuzzy untuk mermalkan peringkatkan obligasi yang dapat di konversi.
