近年來，人工智能和機(jī)器學(xué)習(xí)（AI-ML）幾乎徹底改變了不同行業(yè)的運(yùn)作方式。其中一個部分是供應(yīng)鏈管理。機(jī)器學(xué)習(xí)有助于優(yōu)化整個供應(yīng)鏈管理流程的一些關(guān)鍵因素包括供需預(yù)測、安全性、庫存和倉庫管理、資源規(guī)劃、最佳交付時(shí)間、成本優(yōu)化、運(yùn)行時(shí)交付跟蹤等。根據(jù)“歐米茄 - 國際管理科學(xué)雜志”的一項(xiàng)研究，適應(yīng)優(yōu)化供應(yīng)鏈管理的公司在現(xiàn)金到現(xiàn)金循環(huán)中擁有45%-65%的優(yōu)勢，并且?guī)齑嬷辽贉p少50%。

讓我們看看供應(yīng)鏈管理過程中面臨的一些常見挑戰(zhàn)

庫存計(jì)劃不足，造成產(chǎn)品短缺或過度倉儲造成的浪費(fèi)

需求波動

運(yùn)輸和物流的不確定性

生產(chǎn)車間機(jī)器的不可預(yù)測的磨損

繁瑣的人工質(zhì)量檢查

利用機(jī)器學(xué)習(xí)優(yōu)化供應(yīng)鏈管理

現(xiàn)代供應(yīng)鏈管理在整個流程周期中生成大量復(fù)雜的數(shù)據(jù)。機(jī)器學(xué)習(xí)算法分析這些龐大的歷史數(shù)據(jù)集并找到可識別的模式，在當(dāng)前數(shù)據(jù)上使用它來做出各種預(yù)測。機(jī)器學(xué)習(xí)服務(wù)和算法可以進(jìn)一步分為各種類別，例如深度學(xué)習(xí)、預(yù)測分析、異常檢測等。這有助于更好地管理跨工業(yè)領(lǐng)域的供應(yīng)鏈，即零售、快速消費(fèi)品、消費(fèi)電子產(chǎn)品等。

以下是一些反映機(jī)器學(xué)習(xí)如何優(yōu)化供應(yīng)鏈管理的用例：

使用預(yù)測分析進(jìn)行準(zhǔn)確的需求預(yù)測和庫存管理：-任何消費(fèi)行業(yè)對商品的需求都在不斷變化，這取決于環(huán)境、最新趨勢、銷售、質(zhì)量等多種因素。各種機(jī)器學(xué)習(xí)模型，如支持向量機(jī)（SVM）和邏輯回歸，可以根據(jù)這些歷史數(shù)據(jù)提取隱藏模式，幫助企業(yè)預(yù)測給定時(shí)間點(diǎn)的消費(fèi)者需求。這反過來又增強(qiáng)了庫存管理并降低了存儲和庫存成本。像IBM這樣的公司已經(jīng)廣泛使用預(yù)測分析和圖像分析來管理他們的庫存管理（如果產(chǎn)品有標(biāo)簽，任何包裝都損壞等）。另一方面，亞馬遜通過部署機(jī)器人技術(shù)而不是人工工作，徹底改變了倉庫庫存管理。

自動化質(zhì)量檢測：-物流中心使用人工干預(yù)手動對產(chǎn)品進(jìn)行質(zhì)量檢查。這具有挑戰(zhàn)性，消耗大量時(shí)間，并且容易出現(xiàn)人為錯誤。作為解決方案，機(jī)器學(xué)習(xí)使用可視化分析和深度學(xué)習(xí)。基于卷積神經(jīng)網(wǎng)絡(luò)的算法，如圖像分割——包括掩碼 RCNN 或 YOLACT，可以在產(chǎn)品中的多個組件之間創(chuàng)建分界線。它可以更快地掃描產(chǎn)品中的缺陷，并且可以準(zhǔn)確地檢測故障，從而減少數(shù)千小時(shí)的手動工作，并消除人為錯誤

運(yùn)輸與物流：-機(jī)器學(xué)習(xí)有助于檢測包裹在整個物流周期中的實(shí)時(shí)位置。它提供了對包裹運(yùn)輸溫度、濕度、交通等條件的可見性。因此，可以根據(jù)歷史數(shù)據(jù)預(yù)測這些參數(shù)對運(yùn)輸?shù)挠绊憽＝y(tǒng)計(jì)數(shù)據(jù)顯示，最后一英里交付涉及總交付成本的30%左右。機(jī)器學(xué)習(xí)通過考慮給定區(qū)域內(nèi)要進(jìn)行的交付數(shù)量和交通狀況來幫助創(chuàng)建實(shí)時(shí)路線優(yōu)化。這有效地優(yōu)化了最后一英里的交付成本

機(jī)械計(jì)劃維護(hù)：-在制造業(yè)中，用于批量生產(chǎn)的機(jī)器通常最不受關(guān)注。這會導(dǎo)致機(jī)器的不合時(shí)宜的磨損，從而對產(chǎn)品供應(yīng)產(chǎn)生巨大影響。機(jī)器學(xué)習(xí)使用算法，根據(jù)從連接到設(shè)備的加速度計(jì)和陀螺儀等設(shè)備收集的數(shù)據(jù)執(zhí)行所謂的異常檢測。根據(jù)機(jī)器的振動運(yùn)動，可以檢測到某些異常，表明早期的磨損跡象。及時(shí)發(fā)現(xiàn)這些跡象有助于安排機(jī)器維護(hù)，防止嚴(yán)重故障和停機(jī)

安全：-供應(yīng)鏈網(wǎng)絡(luò)通常非常復(fù)雜。大多數(shù)情況下，供應(yīng)鏈管理周期中的一個或多個流程需要外包給第三方提供商。通常，與此類提供商的信息交換是通過數(shù)字?jǐn)?shù)據(jù)進(jìn)行的。這需要具有更高級別的安全性。此類第三方提供商在試圖滲透公司時(shí)會產(chǎn)生重大風(fēng)險(xiǎn)——通過嘗試訪問比授予的訪問權(quán)限更多的信息、泄露憑據(jù)等。機(jī)器學(xué)習(xí)算法可以根據(jù)環(huán)境的當(dāng)前狀態(tài)、歷史記錄、請求的內(nèi)容等來識別與授予此類第三方提供商訪問權(quán)限相關(guān)的風(fēng)險(xiǎn)，并防止憑據(jù)濫用

機(jī)器學(xué)習(xí)在供應(yīng)鏈管理中的優(yōu)勢

優(yōu)化庫存管理，防止產(chǎn)品短缺或庫存過剩

通過自動化檢測流程、優(yōu)化運(yùn)輸路線等縮短上市時(shí)間。

準(zhǔn)時(shí)交貨保證

通過識別消費(fèi)者模式并相應(yīng)地提供供應(yīng)，改善制造商和消費(fèi)者之間的關(guān)系

使用預(yù)測分析為問題做好準(zhǔn)備，并在問題實(shí)際阻礙生產(chǎn)或交付階段之前采取必要措施

審核編輯：郭婷