機(jī)器學(xué)習(xí)在有大數(shù)據(jù)的情況下學(xué)習(xí)效果最好。這些系統(tǒng)學(xué)習(xí)的速度就越快。在很多情況下，供應(yīng)鏈應(yīng)用程序?qū)⑿枰髷?shù)據(jù)平臺(tái)來(lái)收集數(shù)據(jù)、清理數(shù)據(jù)并協(xié)調(diào)數(shù)據(jù)。

如今，人工智能的應(yīng)用越來(lái)越廣泛，而人工智能技術(shù)也適用于供應(yīng)鏈管理。以下是關(guān)于供應(yīng)鏈管理應(yīng)用人工智能所需要了解的20件事：

(1)任何能夠感知其環(huán)境并采取行動(dòng)以最大化其在某個(gè)目標(biāo)上取得成功的設(shè)備，都采用了某種形式的人工智能(AI)技術(shù)。人工智能是一個(gè)定義松散的術(shù)語(yǔ)，可以指代多種技術(shù)。但是運(yùn)營(yíng)研究人員表示，還有一種趨勢(shì)是引用嵌入技術(shù)的算法，這些算法不像人工智能那樣成熟，數(shù)學(xué)和統(tǒng)計(jì)學(xué)中其他成熟的分支即使符合定義，也不會(huì)認(rèn)為是人工智能。

(2)在供應(yīng)鏈領(lǐng)域，機(jī)器學(xué)習(xí)是大部分活動(dòng)的重點(diǎn)。Symphony RetailAI公司首席產(chǎn)品官Adeel Najmi對(duì)機(jī)器學(xué)習(xí)進(jìn)行了定義：“當(dāng)機(jī)器獲取輸出時(shí)，學(xué)習(xí)就會(huì)發(fā)生，觀察輸出的準(zhǔn)確性，并更新自己的模型，以便產(chǎn)生更好的輸出。任何執(zhí)行此操作的機(jī)器都將使用機(jī)器學(xué)習(xí)。無(wú)論使用數(shù)據(jù)科學(xué)方法還是使用神經(jīng)網(wǎng)絡(luò)或其他形式的有監(jiān)督或無(wú)監(jiān)督學(xué)習(xí)技術(shù)，這并不重要。重要的是不要在具體的技術(shù)上陷入困境。重要的是，機(jī)器本身能夠通過(guò)經(jīng)驗(yàn)學(xué)習(xí)和改進(jìn)。”

(3)當(dāng)以這種方式看待機(jī)器學(xué)習(xí)時(shí)，人工智能應(yīng)用在供應(yīng)鏈管理并不是什么新鮮事。自21世紀(jì)初以來(lái)，機(jī)器學(xué)習(xí)一直被用于改善需求預(yù)測(cè)。需求計(jì)劃應(yīng)用程序依靠一系列算法來(lái)獲取貨運(yùn)歷史數(shù)據(jù)并將其轉(zhuǎn)換為預(yù)測(cè)。例如，一種算法更適合促銷，另一種適用于生命終結(jié)產(chǎn)品。可以通過(guò)機(jī)器查看預(yù)測(cè)，將其與實(shí)際出貨量進(jìn)行比較，并建議何時(shí)可以從特定庫(kù)存單位或產(chǎn)品系列的一種算法轉(zhuǎn)移到另一種算法。

(4)隨著時(shí)間的推移，需求規(guī)劃過(guò)程中引入了更多的數(shù)據(jù)輸入，許多公司正在做更多的預(yù)測(cè)。例如，一些公司在產(chǎn)品/商店級(jí)別進(jìn)行每日、每周、每月或更長(zhǎng)時(shí)間的預(yù)測(cè)，而不僅僅是進(jìn)行月度預(yù)測(cè)。對(duì)于每天在商店級(jí)別預(yù)測(cè)的產(chǎn)品，應(yīng)用于銷售點(diǎn)數(shù)據(jù)流的算法可能具有最大的預(yù)測(cè)能力。而具有機(jī)器學(xué)習(xí)功能的預(yù)測(cè)引擎，只是一直在尋找對(duì)不同的預(yù)測(cè)層次結(jié)構(gòu)具有更強(qiáng)的預(yù)測(cè)能力的某種算法和數(shù)據(jù)流組合。

(5)根據(jù)所使用的數(shù)據(jù)量，以及跨越不同時(shí)間范圍和運(yùn)往地點(diǎn)的預(yù)測(cè)量，一些公司采用了完全基于人工智能的解決方案，并將工作人員排除在外。E2open公司提供了一個(gè)完全自動(dòng)化預(yù)測(cè)過(guò)程的解決方案。像Proctor&Gamble這樣的大型成熟公司使用并信任這種解決方案。E2open公司表示，有證據(jù)表明，當(dāng)預(yù)測(cè)人員忽略汽車(chē)引擎的輸出并調(diào)整預(yù)測(cè)時(shí)，其結(jié)果往往更糟糕。

(6)存在爭(zhēng)議的黑盒解決方案。使用黑盒解決方案，規(guī)劃人員無(wú)法深入機(jī)器并了解預(yù)測(cè)引擎如何生成預(yù)測(cè)。他們必須信任輸出數(shù)據(jù)。與傳統(tǒng)解決方案相比，人工智能解決方案更可能是黑盒。Kinaxis行業(yè)解決方案營(yíng)銷副總裁Harish Iyer強(qiáng)烈反對(duì)采用這些類型的解決方案。他說(shuō)，“有人需要對(duì)此負(fù)責(zé)。如果出現(xiàn)問(wèn)題，并且用戶剛剛從黑匣子接受了計(jì)劃，那么如何讓規(guī)劃者負(fù)責(zé)?而工作人員的等級(jí)越高，其結(jié)果越不可接受。如果一家上市公司錯(cuò)過(guò)了本季度的數(shù)據(jù)，能想象該公司首席執(zhí)行官需要擔(dān)負(fù)什么樣的責(zé)任?”

(7)無(wú)論解決方案是否為黑盒，人工智能和機(jī)器學(xué)習(xí)的部分功能都來(lái)自于將其與更傳統(tǒng)的商業(yè)智能和業(yè)務(wù)流程管理技術(shù)相結(jié)合。這允許將人工智能洞察嵌入到業(yè)務(wù)流程中，允許用戶只看到對(duì)他們重要的洞察，并允許規(guī)劃人員深入查看和支持信息。

(8)最近，需求計(jì)劃應(yīng)用程序正在致力于使用機(jī)器學(xué)習(xí)來(lái)更好地整合競(jìng)爭(zhēng)對(duì)手的定價(jià)數(shù)據(jù)、按周存儲(chǔ)流量、改變需求預(yù)測(cè)的天氣數(shù)據(jù)，以及潛在的許多其他因素。

(9)需求計(jì)劃是機(jī)器學(xué)習(xí)的一個(gè)很好的應(yīng)用，因?yàn)檫@些系統(tǒng)具有自然的反饋循環(huán)。在需求管理應(yīng)用程序中，系統(tǒng)持續(xù)監(jiān)控預(yù)測(cè)準(zhǔn)確性。將機(jī)器學(xué)習(xí)應(yīng)用于供應(yīng)計(jì)劃更為困難。

(10)機(jī)器學(xué)習(xí)正在供應(yīng)鏈管理的許多領(lǐng)域得到應(yīng)用。實(shí)際上，在供應(yīng)鏈應(yīng)用中有利用機(jī)器學(xué)習(xí)的一些市場(chǎng)競(jìng)爭(zhēng)。

(11)運(yùn)輸管理系統(tǒng)的供應(yīng)商也希望使用天氣數(shù)據(jù)來(lái)改善其運(yùn)輸規(guī)劃。但是在TMS中機(jī)器學(xué)習(xí)的前景更廣闊。

(12)正在開(kāi)展工作以查看供應(yīng)計(jì)劃中的關(guān)鍵參數(shù)，例如提前期，并使用機(jī)器學(xué)習(xí)來(lái)更新這些參數(shù)。AspenTech公司正致力于使用預(yù)測(cè)分析法，以確定煉油廠的關(guān)鍵機(jī)械何時(shí)會(huì)發(fā)生故障，從而制定替代生產(chǎn)計(jì)劃。

(13)Manhattan Associates正致力于利用機(jī)器學(xué)習(xí)來(lái)感知和適應(yīng)倉(cāng)庫(kù)中不斷變化的條件和優(yōu)先級(jí)。挑選密度可能是最初的優(yōu)先級(jí)，但隨著載波截止時(shí)間的臨近，滿足訂單SLA優(yōu)先。機(jī)器學(xué)習(xí)用于預(yù)測(cè)完成工作所需的時(shí)間。然后，優(yōu)化算法使用這些結(jié)果來(lái)平衡競(jìng)爭(zhēng)需求，同時(shí)優(yōu)化利用可用容量。

(14)機(jī)器學(xué)習(xí)在有大數(shù)據(jù)的情況下學(xué)習(xí)效果最好。這些系統(tǒng)學(xué)習(xí)的速度就越快。在很多情況下，供應(yīng)鏈應(yīng)用程序?qū)⑿枰髷?shù)據(jù)平臺(tái)來(lái)收集數(shù)據(jù)、清理數(shù)據(jù)并協(xié)調(diào)數(shù)據(jù)。LLamasoft公司創(chuàng)建了一個(gè)平臺(tái)，用于引入時(shí)間序列數(shù)據(jù)，以查看外部數(shù)據(jù)源是否能夠改善需求預(yù)測(cè)。

OSIsoft PI System用于收集實(shí)時(shí)數(shù)據(jù)，并將數(shù)據(jù)轉(zhuǎn)換為可在多種方式使用的可操作信息，其中包括機(jī)器學(xué)習(xí)應(yīng)用程序。

在2018年8月，JDA公司完成了對(duì)Blue Yonder公司的收購(gòu)。Blue Yonder是一個(gè)機(jī)器學(xué)習(xí)/人工智能平臺(tái)。此次收購(gòu)?fù)ㄟ^(guò)利用Blue Yonder平臺(tái)將其SCP系統(tǒng)與外部數(shù)據(jù)(尤其是社交、新聞、事件和天氣數(shù)據(jù))聯(lián)系起來(lái)，加速了JDA公司對(duì)自主供應(yīng)鏈的愿景，從而實(shí)現(xiàn)更加自動(dòng)化和優(yōu)化的業(yè)務(wù)決策。

(15)有些客戶認(rèn)為機(jī)器學(xué)習(xí)是一種神奇的魔杖。他們向供應(yīng)鏈應(yīng)用供應(yīng)商詢問(wèn)機(jī)器學(xué)習(xí)如何用于解決所面臨的供應(yīng)鏈問(wèn)題。但機(jī)器學(xué)習(xí)只是供應(yīng)鏈技術(shù)工具箱中的一個(gè)工具。它并不總是正確的。當(dāng)存在明確定義的成功度量的反饋循環(huán)，當(dāng)存在大數(shù)據(jù)時(shí)，以及存在加速學(xué)習(xí)的快速反饋循環(huán)時(shí)，其效果最有效。簡(jiǎn)而言之，機(jī)器學(xué)習(xí)在狹隘地關(guān)注范圍廣泛的問(wèn)題時(shí)最有效。

(16)一些大公司擁有足夠的資源，他們可以聘請(qǐng)數(shù)據(jù)科學(xué)家，并探索對(duì)他們的業(yè)務(wù)有意義的定制解決方案，例如，戴爾公司在全球指揮中心使用人工智能，DHL供應(yīng)鏈在新興技術(shù)方面投資3億美元，電子商務(wù)公司使用人工智能改善他們的價(jià)值鏈。對(duì)于大多數(shù)公司來(lái)說(shuō)，這不是一個(gè)可行的選擇。對(duì)于大多數(shù)公司來(lái)說(shuō)，這也不是一個(gè)有不錯(cuò)的投資回報(bào)率(ROI)的選擇。

(17)與機(jī)器學(xué)習(xí)和人工智能相關(guān)的一個(gè)投資回報(bào)率(ROI)問(wèn)題是，人們可以使用人工智能搜索大量數(shù)據(jù)，包括新的物聯(lián)網(wǎng)(IoT)數(shù)據(jù)，以找到可能為公式增加一些預(yù)測(cè)能力的新變量。但在許多情況下，發(fā)現(xiàn)的新變量對(duì)預(yù)測(cè)的準(zhǔn)確性的影響相對(duì)較小。這是機(jī)器學(xué)習(xí)問(wèn)題需要縮小范圍的一個(gè)主要原因。

(18)人工智能也被用于供應(yīng)鏈軟件解決方案。3CE公司正在使用自然語(yǔ)言處理和信息檢索處理來(lái)幫助自動(dòng)化對(duì)進(jìn)口和出口進(jìn)行貨物分類的不可思議的神秘過(guò)程。

(19)人工智能也被用于與物流專業(yè)人員相關(guān)的硬件解決方案中。自主移動(dòng)機(jī)器人(AMR)正在快速增長(zhǎng)。近年來(lái)，該市場(chǎng)投入了超過(guò)5億美元的風(fēng)險(xiǎn)投資。自主移動(dòng)機(jī)器人(AMR)用于幫助自動(dòng)化電子商務(wù)實(shí)現(xiàn)。自主移動(dòng)機(jī)器人(AMR)沒(méi)有遵循預(yù)定的路徑，但可以繞過(guò)障礙物。因?yàn)樗鼈儾灰蕾囉趶V泛的基礎(chǔ)設(shè)施，例如植入倉(cāng)庫(kù)的RFID標(biāo)簽，它們可以快速實(shí)施。它們依賴于稱為同步定位和映射的人工智能技術(shù)。

(20)自主卡車(chē)運(yùn)輸也將依賴于SLAM技術(shù)，但這是一個(gè)不是范圍狹隘的問(wèn)題的例子。 最好的猜測(cè)是，基于SLAM技術(shù)的卡車(chē)在沒(méi)有司機(jī)的情況下運(yùn)輸貨物至少需要三年才能實(shí)現(xiàn)技術(shù)可行性，但也存在許多監(jiān)管障礙。但即使在三年內(nèi)，這樣的解決方案也不可能達(dá)到完全自主。自動(dòng)駕駛卡車(chē)開(kāi)發(fā)商Embark Trucks的首席運(yùn)營(yíng)官M(fèi)ike Reid表示，“在未來(lái)，司機(jī)這個(gè)職位可能會(huì)被取代。”