零售商沃尔玛通过观察天气来决定哪些食品会卖得更好。通过预测可增加18%的销售量，即在温暖、干燥、多云和多风的天气，应库存更多的牛排，而在较热且少风的天气，应库存更多的汉堡。在微风且高温天气时，沙拉的销量会更好;在晴朗天气时，浆果的销量更好。但是，你并不需要必须成为一个零售巨头，才可以使用人工智能来改善你的供应链。
预测分析和远程传感器会告诉经销商，何时冰箱需要补充苏打水或何时咖啡自动售货机需要补货(避免在产品缺货时，玛氏公司征收的罚款)。Lakeba公司的这款名为Shelfie的机器人将很快在英国Co-op超市的过道上巡视，它会利用图像识别技术来检测商品何时售罄或商品是否摆放在错误的位置。
一家在线时装零售商与数百家供应商有业务往来，它在智能手机上使用图像识别应用程序来检查到底是哪一款蓝色连衣裙已经到货，这样他们就能掌握库存情况。
另一方面，电商公司Jet.com非常关注库存情况，技术总监斯科特·黑文斯(Scott Havens)告诉记者。“供应商可能会说他们有10件商品库存，但实际上他们只有8件，”当顾客想要下订单时，这就会导致顾客不满意，他说道。如果某件商品没有库存，那么黑文斯不希望该站点显示在搜索结果中。“就客户体验而言，不与客户交谈总比与他们交谈然后让他们失望要好。”
人工智能遍布于行业的各个角落
黑文斯的团队使用机器学习技术来追踪不同供应商汇报他们库存商品的准确程度;因为供应商没有足够频繁地更新数据，或者因为他们没有提供准确的报表，所以这些库存数字可能是错误的。他说，机器学习系统已经将这些商家所提供的错误库存率降低了一半，从而使Jet.com更好地掌握其供应链。
Autoglass公司(提供挡风玻璃更换服务)在其手机应用程序中使用图像识别技术，这样客户就知道挡风玻璃上的芯片是否可以修复或需要更换。客户想要了解费用是多少，而Autoglass公司则知道某一商店是否有库存可以进行更换，或者是否需要订购挡风玻璃，然后在到货后安排更换安装。该应用程序每周可处理2,500幅图像，准确度超过80%，同时该公司正在考虑使用该应用程序来评估先进驾驶辅助系统在维修或更换后是否需要重新校准。
PureCars公司首席执行官Sam Mylrea告诉记者，汽车经销商正在求助人工智能技术来决定哪些车型需要有库存以及由谁来进行推广宣传。“在停车场中长期库存的车辆每个月都会产生数百美元的利息。通过使用人工智能技术，经销商可以根据消费者行为和过去的购买模式更好地掌握哪些车型可以有库存。凭借这些洞察力，经销商可以使用个性化的营销手段，在合适的时间来锁定合适的客户。”
人工智能技术可以对农业和食品加工业有所帮助。中国的“长城葡萄酒”酒厂使用气象站和农药监测器来推动预测分析，这些分析数据可指出何时来加工葡萄以及何时来收获葡萄。微软正在为小农户开发物联网精细农业系统，该系统利用机器学习技术来预测何时需要对作物浇水或何时需要撒石灰来提高土壤的pH值。与传统设备去除污染谷物数量相比，布勒(Bühler)的LumoVision谷物分选系统利用图像识别技术可去除近两倍的污染谷物量。采用检测仪器的酿造啤酒厂和奶制品厂可以更快地处理来料并预测某一批次的啤酒或奶酪何时完成，从而提高产量并缩短生产时间，这样就可以使用相同的设备更快速地生产下一批次产品。
物流公司RR Donnelley利用天气、交通预测和过去航运工作记录建立了一个机器学习模型，该模型可以如此准确地进行成本估算，以至于开发该系统的成本在第一个月就收回了，并且该公司在第一季度投标成功率增加了4%。丰田公司可能很快会让亚马逊的仓库机器人更具竞争力;该公司正在考虑利用人工智能技术来训练“调色板无人机”，让该无人机可识别图形，了解工厂车间的布局和流程，并在一个群体中工作，该群体可自行决定使用哪种类型的机器人来搬运各个物件。
使业务引擎更加智能化
所有这些项目的共同点是对一个最基本的业务领域转变观念。库存和供应链在传统上被视为成本中心，毕马威会计师事务所(KPMG)全国数据和分析主管Ammon Matsuda告诉记者，“但实际上，它是一个接收订单并使工作正常运转的发动机。”
通过使用人工智能技术来提高供应链的灵活性，将其从成本中心进一步转变具有支持功能，特别是在当今充满挑战的市场中。“对于波动性的反应更为敏感，处理比过去更多的产品种类，并处理比以前更多的渠道，这是极为关键的，”Matsuda认为。
他预测，人工智能工具已经在库存管理领域带来了很大的推动作用，并且这种推动作用只会不断增大。“想象一下，机器人能够为具体的库存管理工作做一些机动灵活的体力劳动。”而这不仅仅限于在仓库中。“你会看到机器人开始在一些不太具有结构化的环境中工作，比如在某个商店内穿行，抓取商品，检测需要补货的区域，或者检测是否在货架上的商品摆放位置与价格和标签不符，所以你必须让机器学习系统知道哪个标签应放在什么位置。”
人工智能有助于缩短库存周期，适用于像新鲜农产品等短保质期商品。Matsuda说，那些知名的企业正在“研究如何部署机器学习功能来探测一棵卷心菜何时开始变质，并预测其完全变质的时间，这样在卷心菜变质之前，企业知道供应链中的哪个环节应进行相应地处理。”
他对使用人工智能来预测需求变化持更为谨慎的态度，因为消费者的消费模式可能会发生不可预测的变化，而机器学习不一定能够应对这些变化。“借助机器学习技术，你需要对历史需求有一个相当清楚的了解，这样你才能感知各种消费模式并提出合理而有效的预测，从而你可以调整供应链。机器学习技术在模仿人类的一贯行为方面非常出色，但在对全新的情况做出反应和观察方面则非常糟糕，所以当我们能够推断出人类将如何应对时，则适合采用机器学习技术，而且我们使用机器学习技术是因为其所具有的规模或速度。”
Matsuda认为，机器学习技术在供应链预测中的真正优势其实平淡无奇，而并非揭示人类行为的秘密。“这一优势基本上可让企业做出更合理的决定。”
使用人工智能技术
希望在供应链中利用人工智能技术的企业应该首先优化其现有系统，然后随着时间的推移逐步引入像计算机视觉等新技术，微软云人工智能平台项目管理合作伙伴主管兰斯·奥尔森(Lance Olson)告诉记者。参考你已完成的历史分析数据，再增加一些预测：“我们下个月的供需情况，不仅仅基于历史数据，还基于预测?”或者使用像Azure Gallery中工具那样的封装解决方案，该工具使用机器学习技术来对石油和天然气供应链进行优化，或一个零售系统，对商品数量以及对商店和仓库的交货时间进行优化。
他表示，这可以为你的工作带来快速的改进，让你对这一流程充满信心。“如果你以最佳方式运营，与目前的实际运营方式相比，你可以节省5.47%的成本。”然后，你可以继续实施更大胆和更彻底的项目，这些项目需要更深入的数据科学知识，并可能需要传感器和其他硬件投资，比如安装可定制计算机视觉模型的相机，以便可以实现实时视觉识别和使用麦克风，或使用热成像、激光雷达或雷达观察不可见光谱。
“如果我们完全使用不同的机制来检查来自供应商的商品，那么我们可能会去除工作中的某个步骤，或者两个或十个步骤。我的一些客户已建立了数据模型，当货车进入仓库时，他们会看到货车上有巨大的管道或其他设备，然后这些数据模型会在商品入库时对其进行计数。这种机械设备每次在系统中移动时所做的动态核算和重新核算，使他们能够避免出现一些下游问题，而这可能正是他们试图改进的问题，”奥尔森说。
对于工业设备，音频处理可有助于评估制造过程中以及部件到达时的库存情况“如果你的某些产品会发出声音，比如电机，那么在生产线旁边安装一些麦克风，你就可以听到电机的声音，并掌握该部件的质量，”奥尔森解释说。“如果你是一个汽车或飞机制造商，那么你就需要使用发动机，在发动机到货后，只要启动发动机，你就可以听到发动机的声音，并对到货的零部件进行质量控制，这可能会让你改变进行人工检查的方式。”同样的技术可以帮助食品分销商和零售商来监控制冷设备，以提前预测故障。
奥尔森表示认同，即随着企业在积累自己的专业知识，并创建自定义监控和预测系统，人工智能将成为库存管理工作的重要组成部分。“它变成了一个大规模的智能系统，在这个系统中，你已经看到了无数的因素，而且你的数据管道贯穿整个系统。对于任何依赖库存和供应链的企业来说，随着时间的推移，他们的可持续差异化很可能将人工智能作为其核心工作的一部分。他们如何优化系统;他们如何降低成本，如何在合适的时间以适合的质量和价格向合适的客户提供合适的产品。”
京公网安备 11010502049343号