为了让自己的物流配送系统更加具有可预测性, 并不断提高自动化水平, 当下公司对机器学习和人工智能的兴趣正在不断增加.
对于加利福尼亚州的英飞朗来说, 2017 年是个难过之年. 这家电信设备生产公司的收入从 2016 年的 8.7 亿美元暴跌到 2017 年的 7.4 亿美元. 毛利率从 45% 降到了 33%. 最终, 这家员工超过 2000 人, 在美国, 加拿大, 中国, 印度和瑞典都有分支的跨国公司当年净亏损达 1.95 亿美元, 而 2016 年的净亏损只有 2400 万美元.
为了扭转局面, CEO Thomas Fallon 告诉投资者今年公司将专注于提升技术水平.
"除了增加对市场的关注外, 我们将构建一个专门的组织来提高我们的产品快速交付能力并确保一直拥有差异化的技术," 他说,"我们正在这些方面取得进展."
为此, 英飞朗将目光转向人工智能, 并将其应用于供应链管理之中, 利用机器学习技术分析过去生产交货时间的变化来更好地预测交货日期和物流提供商的表现.
"我们希望我们的销售团队能够快速确定当前报价和订单的可用性, 并且能够在做出调度决策时考虑更多因素和约束条件," 公司信息技术高级副总裁 Todd Tuomala 说.
AI 在预测中的魔力
英飞朗首个供应链 AI 试点项目将于今年年中在一家制造工厂上线, Tuomala 说."我们还希望在年底之前为我们的销售团队和客户提供所有产品的可用性信息."
他说, 使用机器学习可以提高公司快速做出调度决策的能力. 并且它将允许公司将更多可变因素纳入考虑范围.
英飞朗正在使用 Intrigo 系统的供应链管理技术, 结合了 Splice Machine 公司的 AI 技术.
Splice Machine 公司的首席执行官兼联合创始人 Monte Zweben 说, 公司已经从他们的供应链管理系统中获得了 30 年的可用于预测的数据. 但直到最近, 数据基础架构才能准确预测交付时间等事情, 他补充道.
"如果你是一个大型的网络设备制造商, 并且当你的销售人员试图出售这些大型系统时, 总会发生的情况是你的销售人员会被问,'你可以在这个日期之前给我下订单吗? 而在大多数公司中, 即使拥有最好的 ERP 系统, 销售人员也只能说:'我会回去检查后回复你.'这是一个让客户去其他地方的机会, 并可能会得到一个有竞争力的报价 - 毕竟, 无论如何, 他们必须等待,"Zweben 说.
通过实时获得信息, 销售团队将能够与客户进行谈判. 也许其中一个订单项在规定的日期内完成不了, 但其他订单项则可以."这是一个完全不同的过程," 他说.
但预测交付的能力不仅仅能够拉动制造和进行运输调度. 凭借智能的供应链管理技术, 公司可以查看历史运输时间和制造细节, 并将其与外部数据源 (如天气报告) 结合使用.
"你可以根据预测的库存水平许下承诺, 而不是计划中的库存水平,"Zweben 说."并且基于可能发生的事情来看好客户, 而不是基于预计会发生什么事情, 现在你看到了转机."
供应链迷局
英飞朗在部署这项技术方面具有特殊的优势, 因为它具有垂直整合的业务模式. 但对于其他公司来说, 将 AI 技术用于供应链是一个棘手的过程.
"这看起来似乎是个最基本的问题, 但业务合作伙伴之间交换的信息中超过 50% 通过传真, 电子邮件或电话进行传输仍然是个事实," 安大略州企业信息管理供应商 OpenText 的产品营销总监 Mark Morley 说.
因此, 物流并不是多数公司考虑部署 AI 技术时首先想到的领域.
根据 Forrester 最近一个针对全球决策者的调查结果显示, 在 SCM 中 AI 的使用率远远落后于市场营销, 产品管理和客户支持. 只有 13% 的公司报告说, 物流体系是其主要考虑或评估 AI 系统来进行投资的方向.
供应链通常涉及大量的外部合作伙伴, 其中一些信息化技术可能较为落后. 另外, 还有数据质量和互操作性的问题, 专家说.
Forrester Research 副总裁兼首席分析师 Boris Evelson 表示, 在将高级分析和机器学习算法应用于供应链数据分析之前, 企业必须首先收集数据 - 从他们的制造商, 分销商, 经销商和供应商那里收集数据.
"从这些数据源中获取数据, 是一个巨大的挑战," 他说. 而且就算收集到了数据, 它也并不总是立即可以使用."供应商可能有某个层面的数据, 而分销商可能会有不同层面的数据. 供应商可能有单个产品的数据, 而分销商可能只有基于容器的数据."
但这并不是说公司不可以尝试去解决这个问题.
"在财富 400 强企业中, 我们所交流过的每一位客户都对理解, 探索和证明概念感兴趣," 埃森哲应用情报总监 Frank Meerkamp 说."AI 在供应链管理方面有很多机会."
他说, 消费品领域的公司总是处于风口浪尖, 因为他们对利润率有很大的压力.
"这不仅仅是炒作, 他补充道." 尽管的确有很多炒作, 但我认为这是一个积极的事情, 我们需要炒作让人们行动起来, 我认为我们正处于旅程的起始阶段."
分析之外的领域
除了被用来进行供应链数据分析和进行与物流相关的预测之外, 人工智能技术也被用于供应链管理的其他领域.
对于消费者来说, 人工智能最熟悉的用途之一是使用 Siri,Alexa 和 Google 等个人助理. 这些聊天机器人将与搜索, 语音识别和自然语言处理结合在一起, 所有这些都由 AI 提供支持.
Meerkamp 说, 同样的方法可以用来创建虚拟代理, 以帮助企业更轻松地从 ERP 系统中获取信息. 他表示, 这在未来十年将会很常见.
AI 的另一个常见用途是图像识别. 这可以在库存管理中发挥作用, SapientRazorfish 商业和内容业务高级副总裁 Jason Goldberg 说.
他表示, 一个正在实践中的例子就是 Amazon Go 商店. 通过使用一个带有立体摄像头的测试机器人在商店走道中漫游, 并盘点库存. 而沃尔玛最近正将一个类似的试点项目扩大到 50 家店铺."零售商拥有准确的店内库存信息比以往任何时候都更加重要, 而计算机视觉正成为实现这一目标的主要技术," 他说.
PayPal 产品定价总监 Nolwenn Godard 表示, 定价也是人工智能技术可以活跃其中的领域. 包括价格优化和价格调整的自动化.
她补充说, 这项技术也将有助于提高人类的生产力."人类智能和人工智能与自动化的结合将有助于节省时间, 降低运营费用并消除人工错误. 员工将能够将他们的注意力转移到非常规的, 分析性的和创造性任务上面 - 同时仍然可以得到 AI 的协助与增强."
物联网对 AI 的促进
就其本身而言, 人工智能是一种强大且极具变革性的商业技术. 但根据 OpenText 的 Morley 的说法, 当与物联网 (IoT) 结合使用时, 它会进入过载状态.
"当你能够高效的获得一个自主供应链时,"Morley 说."它可以使供应链几乎具有自我意识, 以及自我管理和自我决策的能力."
ABB, 世界上最大的工程公司之一, 便一直在研究这一点.
"在过去的五到七年当中, 我们在 ABB 的研究中心一直关注着人工智能和机器学习," 该公司的 CSO Satish Gannu 说.
例如, ABB 一直在构建一个称为 ABB Ability 的物联网平台.
"通常情况下, 我们总是从客户那里听到关于状态监控和可预测性维护的言论," 他说. "他们希望知道什么时候会出现问题, 以及资产还能够持续运作多久, 而当我们知道某些设备会出现问题时, 我们就可以将其与备件订购系统联系起来."
这意味着客户可以防患于未然."所有的这一切都是为了帮助客户, 让他们的生产线能够全天候正常运行," 他说.
来源: http://www.cioage.com/art/201805/573286.htm