平均而言，企業(yè)估計他們每周花費55個小時來進行手動流程和檢查。可以避免嗎？

在這里，工業(yè)零件供應商EU Automation的市場總監(jiān)Jonathan Wilkins解釋了人工智能（AI）在供應鏈管理中的潛力。

這些瑣碎但必不可少的任務相當于一個工作年中的6，500個工作小時，其中一些可以通過實施AI和自動化來節(jié)省。但是，這些財務問題僅代表復雜供應鏈的一部分。人工智能處理還能從物流和分銷等更廣泛的挑戰(zhàn)中受益嗎？

隨著數據量以前所未有的速度增長，計算機能夠以上下文方式解析數據，從而為操作員提供有用的見解-而無需他們做任何繁瑣的事情。大數據技術還能夠分析市場趨勢，與企業(yè)系統(tǒng)集成并根據其收集的數據觸發(fā)自動操作。

做好AI準備

企業(yè)必須具有深度粒度的大型數據集，才能進行有效的AI。粒度用于表征AI高度依賴的一組數據中細節(jié)的規(guī)模或水平。粒度越大，數據的詳細程度越深。無論AI實施是否在即將到來的計劃中，確保數據收集和存儲都適合高粒度是一個好主意。

提高粒度可能意味著增加數據讀取的頻率，提高此類記錄的精度，甚至將傳感器放置在新位置以測量新變量。例如，如果流量計當前正在測量以升每分鐘為單位的液體流速，則將此記錄更改為每分鐘毫升可以提供更深入的數據。最終，即使今天的企業(yè)還沒有做好AI的準備，提高粒度將為AI不可避免地成為競爭優(yōu)勢提供基礎。

針對特定問題

一開始要牢記一個業(yè)務目標。將精力和資源集中在單個問題上意味著可以有效地解決一個重大的痛點，與全面檢查流程相比，風險相對較低。通過選擇一個離散的項目，可以建立起最初的成功，可以吸取教訓，然后將其應用于供應鏈中的其他領域。

設備供應計劃

供應鏈計劃是一項至關重要的活動，它使用智能工作工具為可能出錯的地方建立具體計劃。例如，利用過去設備和當前機器性能獲得的數據，AI可以準確地預測何時需要更換零件以保持工廠的最佳運轉。這一點至關重要，特別是對于現在已經過時的舊舊設備，因為從過時的零件供應商處尋找零件的交貨時間會有所不同。

隨著復雜的生產和分銷網絡開放給AI帶來好處，供應鏈將比該技術的任何其他應用產生更大的經濟影響。實際上，麥肯錫估計，通過在供應鏈中采用人工智能，企業(yè)每年將獲得13億至21億美元的經濟價值。

但是請記住-對于剛開始使用該技術的企業(yè)，重點應放在構建數據粒度和選擇特定問題上以使用該技術來克服。