编辑 |宇洋简介：您有没有想过您的亚马逊包裹是如何在您下单后几个小时就到达您家门口的？这涉及一系列复杂的操作，将供应商、制造商、批发商、零售商连接起来，并向您（最终消费者）销售。
对此过程的监督称为供应链管理（SCM）。
在SCM中，物流是处理货物移动的部分。
与其他数据驱动行业一样，物流和供应链公司正在投资和改造人工智能解决方案，以应对最紧迫的挑战。
小型企业和大型企业都在从机器学习到机器人技术的各个领域进行创新。
物流崩溃将导致供应链中断，因此企业需要不断寻找管理库存、预测价格和简化运营的方法。
Chad Lindbloom，财富丰富的运输公司 C.H. 的首席信息官Robinson 分享了其最近使用人工智能解决这些问题的经验。
C.H.罗宾逊（CHR）在北美的主要业务是卡车运输。
他们的一些客户定期外包部分或全部物流业务，此外还有许多一次性服务，这将导致公司计划外货运任务激增。
令人惊讶的是，作为一家运输公司，CHR 本身并没有任何车辆。
它被称为“货运经纪人”，充当货运服务买家和提供商之间的运营和财务中间人。
这些卡车供应商分散，车队规模各异。
尽管面临这些挑战，CHR 必须兑现其承诺，提前为客户提供特定价格的货运服务。
有时他们可能会在发货当天的最后一秒得到报价，有时他们需要提前2年给出报价。
AI价格预测 价格预测是CHR面临的最大业务挑战。
“在我们的行业中，价格因季节、月份甚至一天中的时间而异，”林德布卢姆说。
此外，价格根据卡车行驶的车道而有所不同。
虽然许多供应商提供人工智能支持的物流和供应链软件，例如Watson Supply Chain、ToolsGroup和TransVoyant，但CHR庞大的业务更加复杂，这需要它开发专门技术来满足特定需求。
此前，定价是由具有丰富行业经验和市场知识的人类专家确定的。
在成为 CHR 的 CIO 之前，Lindbloom 已在金融行业工作了 25 年，并担任首席财务官 15 年。
通过结合金融和技术专业知识，他和他的团队构建了用于预测价格的机器学习模型，就像华尔街自动交易员开发的算法一样。
这些模型检查历史货运定价数据，并考虑天气、交通和社会经济挑战等因素，以估计公平的交易价格。
人工智能的表现并不总是优于市场专家，林德布卢姆也不认为人类会被完全取代。
他指出：“在某些情况下，人类可以给出更好的交易价格。
但在大多数情况下，这项技术可以帮助设定公平的市场定价。
”他还表示，高效算法的主要好处是民主化和信息的可访问性。
更多的员工可以利用人工智能来确保他们在市场上的投标，以确保他们在确保执行的同时不会失去业务，而不是依靠少数专家来进行估算。
人工智能实现运输匹配人工智能的第二个用例是保护和管理供应商库存以及管理大型卡车车队。
即使在货运买家知道具体报价和可用车辆之前，CHR 也可以向他们提供公平的运输价格。
该公司依靠战略关系，特别是员工之间庞大的贸易网络??，为特定用户找到最佳的卡车承运商匹配。
CHR 对每条航线进行背景分析，以发现不同价格和服务水平的承运商。
易碎、昂贵、时间紧迫的货物需要更高水平的服务。
这些不同因素的融合使得CHR能够为用户和运营商提供最优的匹配服务。
人工智能对意外管理中断的响应是人工智能可以解决的第三个重要问题。
飓风、承运商破产和员工罢工都可能导致物流运营受到严重破坏。
预测中断和训练人工智能学习人类制定应急计划的能力，都是为了让人工智能在未来自动纠正错误。
CHR 收集广泛的信息源来分析过去中断的影响，例如法国的航母罢工或美国西北部的飓风。
例如，如果物流中心受到恶劣天气的影响，承运商将需要选择更安全的路线行驶。
收集的部分数据需要进行详细调查，包括跟踪人类工人如何处理中断及其管理的后果。
Lindbloom 希望在向人类学习之后，系统最终能够被训练来自动处理交易。
技术开发 由于对可靠性的迫切需求，CHR 建立并运营了自己的数据中心，如果需要额外的计算能力，则使用云计算。
拥有数据中心的资源可以让CHR在需要时快速做出调整，但仍然需要利用闲置系统进行研发。
除了灵活性之外，拥有数据中心还可以确保隐私和控制。
Lindbloom强调：“对于客户来说，我们是运输管理系统的云服务提供商。
作为核心云提供商，我们拥有相同的技术，但我们知道数据在哪里，我们可以控制它，我们可以对客户做的事情有了更加自信的承诺，客户就会更加放心。
“技术是我们行业中非常重要的因素，”林德布卢姆说。
其他物流和供应链巨头也这么认为，并大力投资开发人工智能解决方案：DHL 希望通过自动驾驶汽车降低成本，Active Ants 开发可穿戴技术来优化仓库任务，Locus Robotics 开发可穿戴机器人，本田则使用智能手机应用程序跟踪货物实时。
AIDHL在2018年物流趋势雷达中预测，国内外物流领域的人工智能投资将持续激增。
越来越多的企业计划加大对内部研发的人工智能投入。
为那些想要用AI复制CHR成功经验的人提供预测分析、运营和管理、增强现实、机器人和工业物联网服务，Lindbloom表示：很多你想尝试的事情可能不会产生价值；愿意快速尝试并接受失败，尝试用多种不同的模型解决同一问题，多种类型的测试是关键。
此外，Lindbloom还表示不要过度依赖AI，并鼓励公司高管明确定义AI的商业应用。
让业务挑战驱动公司对技术的使用，而不是数据科学家或工程师驱动AI的应用。