沃尔玛会根据天气状况来确定哪些食品卖得更好。
根据这一预测，在温暖、干燥、多云和有风的时候储存更多的牛排，在天气更热和风较小的时候储存更多的汉堡，导致销售额增长 18%。
炎热、微风的日子里，沙拉的销量更高；浆果在晴天卖得更多。
但您不必成为零售巨头才能使用人工智能来改善您的供应链。
预测分析和远程传感器会告诉经销商何时需要向冰箱补充苏打水，或者何时需要向咖啡自动售货机补充库存。
Lakeba 的 Shelfie 机器人在英国 Co-op 超市的过道中巡游，利用图像识别来检测产品何时售完或是否被放置在错误的位置。
Jet.com，一家与数百家供应商合作的在线时装零售商。
com，使用智能手机上的图像识别应用程序来检查正在发货的蓝色连衣裙，以便他们知道该商品有库存。
另一方面，杰特. .com 非常想知道哪些商品缺货，工程总监 Scott Havens 表示：“供应商可能会说他们有 10 件商品有库存，但实际上只有 8 件”，导致无法下订单的客户投诉预期的。
如果某件商品没有库存，Havens 不希望该商品出现在搜索中。
“就客户体验而言，与其与客户沟通而让客户失望，不如不与客户沟通。
”人工智能已经普及到行业的各个角落 Havens团队利用机器学习来跟踪不同供应商的库存产品准确性报告；这些数据可能是错误的，因为它们更新得不够频繁，或者因为没有提供准确的报告。
他表示，机器学习系统已将产品拒绝率降低了一半，从而允许 Jet 进行生产。
com 以更好地了解其供应链的情况。
挡风玻璃更换服务提供商 Autoglass 还在其移动应用程序中使用图像识别，以便客户知道挡风玻璃中的芯片是否可以修复或需要更换。
客户想知道成本是多少，但 Autoglass 知道商店是否可以从库存中进行更换，或者是否需要订购挡风玻璃并在零件到达时安排零件。
该应用程序每周处理图像的准确率超过 80%，该公司正在考虑使用该应用程序来评估高级驾驶员辅助系统在维修或更换后是否需要重新校准。
PureCars 首席执行官 Sam Mylrea 表示，汽车经销商正在转向人工智能来决定库存哪些车型以及向哪些群体进行促销。
“持续的库存每月要花费数百美元的利息。
通过使用人工智能，经销商可以根据消费者行为和过去的购买模式更好地了解要库存的车型。
凭借这些洞察力，他们可以在适当的时间通过个性化的营销传播来瞄准客户。
“人工智能还可以用于农业和食品加工业。
中国酿酒商长城酒业使用气象站和农药监测器来预测分析何时处理葡萄以及何时准备收获。
微软正在为小农开发人工智能联网精准农业系统使用机器学习来预测何时需要水作物或撒石灰来提高土壤 pH 值。
布勒的 LumoVision 谷物分选系统使用图像识别技术去除的受污染谷物数量是传统机械的两倍，啤酒厂和乳品厂也可以提高产量并缩短生产时间。
通过更快地处理进料、预测一批啤酒或奶酪何时准备好以及使用相同的设备更快地处理下一批啤酒或奶酪，RR Donnelley 物流公司利用天气、交通预测和运输工作历史建立了机器学习模型，从而缩短了生产时间。
提供更准确的成本估算。
第一个月就收回了构建系统的成本，第一季度的订单量增加了 4%。
此外，丰田很快就会为亚马逊的仓库机器人发起一些竞争。
该公司正在考虑使用人工智能来训练“调色板无人机”，使其能够识别模式并了解工厂车间的布局和流程。
，分组工作，可以自行决定使用哪种类型的机器人来移动每个负载。
让业务引擎变得更加智能 所有这些项目的共同点是，对业务最基本领域之一的看法不断变化。
。
传统上，库存和供应链被视为成本中心，毕马威全国数据和分析主管阿蒙·松田 (Ammon Matsuda) 表示：“但它实际上是一个让事情井井有条并实现目标的引擎。
“通过使用人工智能提高供应链敏捷性，将成本中心转变为赋能角色又近了一步，特别是在当今充满挑战的市场中。
“至关重要的是，Volatility 的响应能力更强，能够比过去处理更多的产品变更，并处理比以前更多的渠道。
“他预测，AI人工智能工具已经极大地促进了库存管理，并且未来只会更加强大。
”想想机器人可以为实体库存管理做哪些工作。
“不仅仅是在仓库”，你会看到机器人进入复杂的环境，比如穿过商店，抓取产品，检测哪里需要补货，或者产品不在货架上，所以你必须让机器学习知道哪个标签去哪里。
“人工智能有助于缩短库存周期，适用于新鲜农产品等保质期短的产品。
松田表示，大牌公司正在“研究如何部署机器学习功能来预测卷心菜在保质期之前的时间，以便他们知道卷心菜在变质之前应该在供应链中的哪个位置。
”他还更加谨慎地使用人工智能来预测需求变化，因为消费者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。
“你需要有相当好的需求历史记录来感知模式并给出合理有效的预测，以便你可以调整你的供应链。
机器学习非常擅长复制一致的人类行为，但很难针对全新的情况和观察结果做出决策。
响应时间非常糟糕，因此如果我们能够推断人类可以做什么，机器学习很好，但由于规模和速度带来的各种挑战，我们只使用机器学习模型。
”松田建议道。
供应链预测的真正优势“这样做的好处实际上是让企业能够做出更明智的决策。
”微软云人工智能平台项目管理合作总监 Lance Olson 表示，希望在供应链中利用人工智能的企业应该从优化现有系统开始，然后随着时间的推移引入计算机视觉技术等新系统。
您已经完成的分析并添加更多预测：“下个月我们的供需情况会怎样？不仅基于历史数据，还基于预测。
”或者使用像Azure Gallery中的工具，Azure Gallery使用机器学习来优化石油和天然气供应链，或者优化零售系统的产品质量和交付时间，这使您能够快速改进并获得对流程的信心，“在最佳操作条件下，您可以节省 5.47% 的成本。
”可能需要传感器和其他硬件投资，例如具有用于实时识别的定制计算机视觉模型的相机、麦克风，或通过热成像、激光雷达或雷达观察不可见光谱“如果我们有完全不同的机制来检查。
对于我们从供应商那里获得的物品，我们可能会消除该过程中的一个、两个或 10 个步骤。
我的客户已经创建了多个数据模型，并且当加载设备的插件时，可以在卡片到达时查看这些卡车。
进入仓库时，该模型还会计算库存的数量。
这种每次运输时动态计数和重新计数设备的方法使系统能够缩短他们试图优化的大数量。
下游问题。
“对于工业机械，音频处理可以帮助在制造过程中或零件交付时评估库存。
“如果你有任何会发出噪音的东西，比如电机，那么你可以将麦克风放在生产线的边缘，这样你就可以听到电机的声音并了解该部件的质量。
如果你是一辆汽车对于飞机制造商来说，能够听到发动机的声音并对零件进行质量控制可以让您改变手动检查的方式，同样的技术可以帮助食品分销商和零售商监控制冷设备，预测故障。
提前。
”奥尔森还认为，人工智能将成为库存管理的重要组成部分，因为公司可以建立自己的专业知识并创建定制的监控和预测系统，“这将成为一个大型智能系统，您可以在其中查看和分析大量元素。
对于任何依赖库存和供应链的公司来说，随着时间的推移，持续差异化将成为核心的一部分，他们如何优化他们的系统，他们如何降低成本，他们如何获得正确的产品。
在正确的时间以正确的质量和价格向正确的客户提供服务。