人工智能AI(ArtificialIntelligence)
人工智能(英語:ArtificialIntelligence,縮寫為AI)亦稱機器智能,指由人制造出來的機器所表現出來的智能。通常人工智能是指通過普通計算機程序來呈現人類智能的技術。
在2012年之后,得益于信息化積累的數據量上漲、運算力的提升和機器學習新算法(深度學習)的出現,人工智能AI開始進入不斷發展和商業落地的時期。
2016年到2017年間,谷歌 (Google)旗下 DeepMind 公司開發的阿爾法圍棋(AlphaGo)連續取得了第一個擊敗人類職業 圍棋 選手、第一個戰勝 圍棋世界冠軍 的 人工智能機器人等成績,AI概念一時名聲大振,走入大眾的視野。
在人工智能60年的研究發展中,一句話概括人工智能、機器學習和深度學習之間的關系,就是“機器學習是是一種實現人工智能的方法,深度學習是一種實現機器學習的技術。”
圖來源:Nvidia
供應鏈與供應鏈管理
供應鏈就是通過計劃(Plan)、獲得(Obtain)、存儲(Store)、 分銷 (Distribute)、服務(Serve)等這樣一些活動而在顧客和供應商之間形成的一種銜接(Interface),從而使企業能將顧客所需的正確產品(RightProduct)能夠在正確的時間(Righttime),按照正確的數量(RightQuantity)、正確的質量(RightQuality)和正確的狀態(RightStatus)送到正確的地點(RightPlace)。
供應鏈管理通過ERP、MRP、CRM等系統的建設,已經基本完成了在生產流程不同環節、組織、人、設備之間的信息化,使得企業資源生產與消耗的數據逐漸可視,為合理地配置和利用企業資源,提高企業經營效率奠定了基礎。
當人工智能AI(ArtificialIntelligence)典型的分類、預測與可視化算法,結合海量的運輸、倉儲、配送數據,把供應鏈上不同環節、組織、人、設備之間的流程連接起來,可以有效的分析和解決生產需求多變,生產周期參差,計劃性差,柔性差,倉儲周轉率低,應收賬款高等等典型供應鏈的問題。
英諾森在專注解決能源領域的供應鏈優化問題中,意識到行業供應鏈體系正處于從“封閉式”向“開放式”,從“單一企業”向“產業平臺”轉變的過程中。為了解決能源供應鏈中數據標準不統一造成的管理難題,英諾森在主數據產品InData中,應用了實體識別、知識圖譜和神經網絡翻譯三大AI技術。
命名實體識別(Named Entity Recognition,NER)是自然語言處理里的一項基礎任務,就是指從文本中識別出命名性指稱項,為關系抽取等任務做鋪墊。狹義上,是使用非規則的方式識別出文本中的構成規律不明顯的命名實體,如人名、地名、組織機構名等。
主數據中的企業物料編碼數據,由于在歷史管理系統中特征量實體無序、多義和嵌套等問題,一方面需要結合行業知識,解決編碼重復和實體多義問題;另一方面需要結合主數據分類體系,輸出最優實體識別結果。
知識圖譜(KnowledgeGraph)又稱為科學知識圖譜,是顯示知識發展進程與結構關系的一系列各種不同的圖形,用可視化技術描述知識資源及其載體,挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。
利用企業的物料編碼主數據構建的知識圖譜,能體現出完整的編碼特征值知識體系,服務于InData產品中的清洗、搜索和推薦場景。在數據清洗的過程中,主數據管理人員可借助知識圖譜,了解到某個新的特征量或新的聯系,促使其結合專業知識,進行更深入的數據標準化管理。
神經網絡機器翻譯(NeuralMachineTranslation,NMT)是最近幾年提出來的一種機器翻譯方法,能夠訓練一張能夠從一個序列映射到另一個序列的神經網絡,輸出的可以是一個變長的序列,這在翻譯、對話和文字概括方面獲得較傳統的統計機器翻譯(SMT)更好的表現。
引入機器學習到企業物料編碼的翻譯中,算法可以通過學習多家個企業的主數據編碼,自動捕捉行業通用翻譯規則,智能映射到行業通用主數據庫,減輕一物多碼的清理工作量。
供應鏈智能化增長飛輪
英諾森在供應鏈行業對AI落地的摸索與學習中,主要有以下2點心得體會:
首先,供應鏈信息化是智能化的基石。供應鏈行業由于涉及到企業生產物資的計劃、生產、包裝、倉儲、物流以及成品銷售等十幾個業務環節。因此,供應鏈信息化的過程,不僅是提升倉儲系統的數字化程度,同時也需要提升信息系統的流程自動化和數據標準化,使得更多維度的生產數據受益于信息化水平的不斷提升。
其次,智能化的最終目標是提高客戶體驗,降本增效。供應鏈管理智能化的目標,始終是減少企業人工依賴程度,綜合內外資源尋求最優行動方案,并帶來明顯的效率提升和成本節約。需要避免為智能而智能,不解決企業供應鏈真實痛點情況。
審核編輯 黃昊宇
-
AI
+關注
關注
87文章
30818瀏覽量
268969 -
人工智能
+關注
關注
1791文章
47239瀏覽量
238354 -
供應鏈
+關注
關注
3文章
1671瀏覽量
38884
發布評論請先 登錄
相關推薦
評論