今天，企业正在通过利用机器学习从根本上改变供应链，以实现预测错误率、需求计划生产力、成本降低和准时发货管理方面的两位数改进。机器学习算法和基于它们的模型非常擅长在大数据集中发现异常、模式并得出预测性见解，因此当供应链面临时间、成本和资源限制的挑战时，机器学习成为解决问题的理想选择这些问题。例如，亚马逊的Kiva机器人依靠机器学习技术来提高准确性、速度和规模；而DHL使用人工智能和机器学习来支持他们的预测网络管理系统——该系统分析58种不同的内部数据参数，以确定影响装运延误的主要因素。可见，机器学习正在重新定义下一代供应链管理。根据Gartner的预测，到2020年，95%的供应链计划(SCP)供应商将在其解决方案中使用有监督和无监督的机器学习技术；到2023年，25%的供应链技术解决方案将智能算法和人工智能技术嵌入到计算机中，或作为增强组件使用。让我们来看看机器学习改变供应链管理的这十种方式：1.基于机器学习的算法是下一代物流技术的基础，先进的资源调度系统可以带来最显着的效果。根据麦肯锡的预测，机器学习最重要的贡献将是为供应链运营商提供更深入的洞察力，以了解如何改善供应链、预测物流成本和物流效率，机器学习还提供了自动化技术如何带来的洞察力。规模优势洞察。资料来源：麦肯锡，《Automation in logistics: Big opportunity, bigger uncertainty》，2019年4月，作者：AshutoshDekhne、GregHastings、JohnMurnane和FlorianNeuhaus2物联网传感器、远程信息处理、智能交通系统生成千变万化的数据集，使用机器学习算法和技术改善供应链始于多样化和可变的数据集。供应链挑战通常出现在优化物流方面，因此完成生产所需的材料必须准时到达。资料来源：KPMG，《Supply Chain Big Data Series Part 1》3.机器学习有可能通过使用物联网传感器发现跟踪数据中的模式，每年节省600万美元。BCG最近研究了使用跟踪应用程序的分散供应链如何提高性能并降低成本，并发现30节点配置与更好的分析洞察力相结合，每年可节省600万美元的成本。资料来源：波士顿咨询集团(BCG)，《Pairing Blockchain with IoT to Cut Supply Chain Costs》，2018年12月18日，作者ZiaYusuf、AkashBhatia、UsamaGill、MaciejKranz、MichelleFleury和AnoopNannra4使用基于机器学习的方法将错误减少50%，使用机器基于学习的计划和优化技术将因产品不可用导致的销售损失减少65%，并使用基于机器学习的供应链管理系统将库存减少20%-50%。资料来源：Digital/McKinsey，《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》5，DHLResearch发现机器学习可以帮助物流和供应链运营优化产能利用率，改善客户体验，降低风险并创造新的商业模式。长期以来，DHL的研究团队一直在跟踪和评估各种新兴技术对物流和供应链的影响，并预测人工智能将实现后台自动化、预测性运营、智能化物流资产和新的客户体验模式。资料来源：DHLResearch，（物流趋势雷达，2018/2019版）6.许多制造公司正在投资基于机器学习的应用程序，以检测和处理供应商质量水平和交付不一致问题。根据微软对北美中型制造企业的调查，这些企业目前面临的第二大增长障碍是供应商在质量和交付方面的参差不齐，而障碍则是缺乏熟练的劳动力。使用机器学习和高级分析，制造公司可以快速找出谁是??更好的供应商，谁是最差的供应商，以及哪些生产中心在发现错误方面最准确。制造公司使用如下所示的仪表板来应用机器学习技术来解决供应商质量、交付和一致性问题。资料来源：微软，《Supplier Quality Analysis sample for Power BI: Take a tour》，2018年7.根据机器学习提供的洞察力降低欺诈风险，同时提高产品和流程质量，为供应链检查带来转折点。当使用移动技术实施自动检查并将结果实时上传到安全的云平台时，机器学习算法可以提供即时洞察力，从而降低风险和欺诈的可能性。这个领域的一家初创公司Inspectorio正在致力于解决由于缺乏检查和供应链可见性而导致的许多问题，重点关注如何立即为品牌商和零售商解决这些问题。资料来源：福布斯，《How Machine Learning Improves Manufacturing Inspections, Product Quality & Supply Chain Visibility》，2019年1月23日8.机器学习正在端到端供应链可见性方面带来快速而显着的成果，提供预测性和规范性见解，帮助公司更快地做出响应。用于全球贸易和供应链管理的多企业业务网络，结合人工智能平台和机器学习平台，正在彻底改变供应链的端到端可见性。人工智能平台ControlCenter以著名物理学家和数学家KatherineColemanJohnson的名字命名，因为她通过开创性的工作帮助NASA登陆月球，如果你还不了解她，一定要看看ChainLinkResearch的文章名为《How Infor is Helping to Realize Human Potential》和电影《隐藏人物》的许多其他才华横溢的女数学家对太空探索的贡献。下图是控制中心的两个屏幕截图。9.“权限凭证”是全球供应链安全漏洞的主要来源，机器学习已被证明是防止权限凭证滥用的基础。组织通过采用最低权限访问方法、提高审计和合规可见性来降低运行现代混合企业的风险、复杂性和成本。CIO们知道，即使授权用户正确输入了凭据，但如果用户的情况存在风险，则需要更强大的验证方法来提供访问授权，从而解决滥用权限凭据的问题。零信任特权是一个经过验证的框架，可通过验证谁在请求访问、请求的上下文以及访问环境的风险状况来防止滥用特权凭据。Centrify也是该领域的参与者，其客户包括思科、英特尔、微软和Salesforce等全球参与者。资料来源：福布斯，《High-Tech's Greatest Challenge Will Be Securing Supply Chains In 2019》，2019年11月28日10.基于物联网数据，机器学习用于预测货运和物流工具何时应进行预防性维护，这有助于提高资产利用率并降低运营成本。麦肯锡发现，使用机器学习来增强预测性维护，结合来自高级物联网传感器、维护日志和外部数据的数据，可以更好地预测和避免机器故障，从而使资产生产率提高20%，整体成本降低10%维修费用。资料来源：Digital/麦肯锡，《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》
