AI在供应链管理方面已经取得了显著成就

供应链执行一系列行动，从产品设计到采购、制造、分销、交付和客户服务。思科AI/ML数据产品主管德瓦夫拉特·巴帕特表示：“在每一个点上，都蕴藏着AI和ML的巨大机遇。”这是因为当代AI已经非常擅长供应链管理所需的两件事。第一种是预测，AI被用来预测下游需求或上游短缺。此外，算法可以检测到他们认为是失败前兆的一个或多个事件，然后在生产质量下降之前向装配线操作员发出警告

第二种是检查，AI被用于发现制造业中的问题。它还可以用于认证材料和部件，并在整个供应链中对它们进行追踪

最终，人工智能将优化供应链，以满足特定客户在任何给定情况下的需求。尽管使能技术已经存在，但仍面临着一个挑战，即需要一定程度的数据共享，而这在当前的供应链中难以实现。与此同时，许多公司仍在从改进的预测和检查中获得好处

预测

拿Amcor作为例子，它是全球最大的包装公司之一，年收入达到150亿美元，员工人数超过4.1万人，全球拥有200多家工厂。该公司主要专注于食品和保健包装领域，占据了大部分市场份额

该公司的全球首席信息官乔尔·兰钦表示：“我们为你冰箱里三分之一的产品制造包装。”Amcor面临的制造业挑战与准确预测和适应不断变化的需求有关。在食品供应链领域，订单通常会根据需求的变化进行修改。例如，在炎热的天气下，人们会喝更多的佳得乐，这可能会导致需求突然激增，因此对瓶子的需求可能会增加10%到15%。其他类型的产品也是如此。海洋中可能会突然有更多的鱼，这就增加了包装的需求，以容纳更多的鱼。“即使我们试图预测，这也是非常困难的，因为我们并不总是提前知道客户的需求，”兰钦说

供应链的另一端也面临着类似的挑战。如果Amcor不能准确预测短缺，它就不能提前囤积原材料。更重要的是，该公司需要预测价格变化，这样它才能在涨价前以更低的价格购买更多商品，或者在看起来即将下跌的情况下购买更少商品

大约一年前，Amcor开始试验EazyML，这是一个帮助优化客户需求和供应方预测的平台。他们使用来自ERP的三年数据对该工具进行了培训，以寻找波动模式。该系统试图找到变化的类别，以及哪些事件与不同种类的变化相关。例如，它检查季节性波动，以及两种或两种以上类型的变化是否同时发生，或者它们是否相互排斥

兰钦表示：“我们初步获得的结果非常令人鼓舞，远远超出了我们的预期。”如果你能预测变化，就能更好地预测你的原材料需求，并在必要时提前补充

这并不令人意外对于巴帕特来说，他表示预测是人工智能显著改进的一个领域。他说：“过去，许多企业依赖共识预测，通过加权不同专家的意见来得出平均预测。”他还指出：“研究表明，使用统计技术从历史数据中进行推断的统计预测方法，一直优于共识方法。甚至机器智能在预测方面做得更好。但关键是确保使用正确的数据。”

检查

AI如何被使用的另一个例子可以在英特尔找到，在那里，几个芯片使用光刻技术印刷在一个晶片上。离晶片中心最近的那些往往具有最好的功率性能曲线。靠近外环的那些虽然仍然可靠，但性能往往会降低。英特尔有一个质量门槛，根据这个门槛来衡量芯片是应该保留还是应该扔掉。让人工检查晶片将是一个耗时且充满故障的过程。

英特尔高级副总裁兼首席技术官格雷格·拉文德表示：“我们利用人工智能来选择高质量芯片，以便更快速地生产并将其推向市场，从而提供更好的质量。”当然，这只是我们利用人工智能所做的其中一项工作。我有数百名人工智能软件工程师向我汇报工作。他们所做的一些工作用于我们工厂的检查和测试，但有时他们开发的人工智能也用于我们的产品内部交付，而不一定被人们所知晓

一个合适的例子是英特尔如何通过提供软件工具来帮助他们的OEM客户测试恶意软件。其中一个工具是英特尔威胁检测技术，在英特尔笔记本电脑上运行。当在Windows中执行代码时，英特尔代码会检查CPU中的指令流。利用自适应学习签名算法，它能够在代码中寻找与恶意软件签名匹配的异常。一旦找到匹配项，该工具会拦截或阻止恶意软件，并向Windows Defender发出设备感染的警报

Lavender说：“威胁检测技术内置于我们所有的客户CPU中。”这些感染通过供应链悄悄进入--当最终产品组装在一起时，找到它们的唯一方法就是使用这个工具。在过去的几年里，我们一直在提供这个和其他AI工具，但现在随着所有关于大型语言模型的讨论，更多的人正在谈论它。

根据思科的Bapat所说，检查是供应链管理的一个重要组成部分。如果在产品设计阶段采取正确的步骤，检查就会变得更加容易。他表示：“如果在产品设计过程中，嵌入可以产生数据以帮助监控流量的仪器设备，就能够节省大量成本。”如果考虑任何产品的材料成本和劳动力负担成本，你会发现它们非常高。负担主要包括产品质量和监督管理费用。如今，人工智能已经帮助将这些成本降至最低

优化

预测和检查都很重要，但当供应链可以根据特定客户需求量身定做时，最大的影响将到来。巴帕特从他设计他最好的AI算法之一时学到的重要教训中吸取了教训。它花了9个月的时间来开发和部署——最终，它仍然花了令人惊讶的长时间才使其发挥作用。回想一下哪里出了问题，他意识到，如果他不首先花时间了解最终客户是谁，以及他们计划如何使用应用程序，无论技术有多好，都不会产生预期的结果。他还指出，虽然他们的声音通常最大，但高级管理层并不是最终客户。

他说：“从那时起，我一直强调，无论是涉及销售还是供应链管理，我总是从很好地理解基础业务开始。”“一旦我对这一要求有了扎实的理解，我就会回到数据和AI领域。”

巴帕特认为这个观念应该应用到供应链管理中：“如果你真的关注最终消费者，人工智能可以通过细分和瞄准消费者及其环境来提供帮助。然后，当你通过供应链的方式重新工作时，要考虑不同的成本：劳动力、生产、税收、库存，并一起优化它们

他补充说，一旦供应链针对流程进行了优化，你就可以开始安装和执行预测质量和维护。从那时起，你就可以回到供应管理的采购领域。

他表示：“这支持了供应商是合作伙伴、而不是对手的观点。”

因此，供应链的本质是由至少三个不共享数据的独立公司组成，这是一个长期存在的挑战。首先，这些公司可能在业务线上与一个或多个合作伙伴竞争。其次，它们可能是相互竞争的供应链的一部分。第三，它们会保留信息以增强在谈判桌上的实力

当前一代的人工智能可以优化供应链，甚至可以量身定制，以合适的价格将适合的产品提供给适合的客户。然而，要实现这一目标需要一定程度的数据共享，但很少有公司做好了准备

巴帕特说：“缺少的是一些技术，这些技术允许企业充分自信地分享他们的部分数据，而他们没有透露太多。”“我们还需要5到10年的时间才能实现这一目标。”

以上是AI在供应链管理方面已经取得了显著成就的详细内容。更多信息请关注PHP中文网其他相关文章！