加入收藏 | 设为首页 | 会员中心 | 我要投稿 甘孜站长网 (https://www.0836zz.com.cn/)- 运维、物联设备、数据计算、智能推荐、云管理!
当前位置: 首页 > 运营中心 > 建站资源 > 经验 > 正文

用机器学习改善供应链的10个方法

发布时间:2019-05-16 01:16:53 所属栏目:经验 来源:佚名
导读:如今,企业在利用机器学习预测错误率、需求规划生产力、降低成本、准时出货方面实现了两位数的改进,从根本上变革了供应链管理。 机器学习算法以及基于这种算法的模型,非常擅长在大型数据集中发现异常、模式和得出预测性见解,如此一来,当供应链遇到时间
副标题[/!--empirenews.page--]

如今,企业在利用机器学习预测错误率、需求规划生产力、降低成本、准时出货方面实现了两位数的改进,从根本上变革了供应链管理。

机器学习算法以及基于这种算法的模型,非常擅长在大型数据集中发现异常、模式和得出预测性见解,如此一来,当供应链遇到时间、成本和资源约束等多方面的挑战,机器学习成为解决这些问题的理想选择。

比如,亚马逊的Kiva机器人正是依靠机器学习技术来提高精度、速度和规模;而DHL则是利用人工智能和机器学习来支持他们的Predictive Network Management系统——该系统会分析58个不同的内部数据参数,以确定影响货运延迟的主要因素。

由此可见,机器学习正在重新定义下一代供应链管理。据Gartner预测,到2020年,95%的供应链计划(SCP)厂商将在他们的解决方案中采用受监督的和无人监督的机器学习技术;到2023年,25%的供应链技术解决方案中将内嵌智能算法和人工智能技术,或者将其作为增强型组件。

下面就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著的效果。据麦肯锡预测,机器学习最重要的贡献将是为供应链运营方提供更深入的见解,了解如何改善供应链,预测物流成本和物流效率,机器学习还提供了关于自动化技术如何带来最大规模优势的洞察。

资料来源:麦肯锡,《Automation in logistics: Big opportunity, bigger uncertainty》,2019年4月,作者:Ashutosh Dekhne、Greg Hastings、John Murnane和Florian Neuhaus

用机器学习改善供应链的10个方法

2、物联网传感器、远程信息处理、智能交通系统产生的数据集千变万化,运用机器学习算法和技术来改善供应链,要从最具多样性和可变性的数据集开始着手。而供应链最具挑战性的问题通常出现在优化物流方面,因此完成生产所需的材料必须要准时运送到达。

资料来源:毕马威,《Supply Chain Big Data Series Part 1》

用机器学习改善供应链的10个方法

3、机器学习具有通过使用物联网传感器发现追踪数据模式的潜力,每年可节省资金600万美元。BCG最近研究了使用追踪应用的去中心化供应链是如何提高性能和降低成本的,结果发现,当使用区块链在供应商网络中实时共享数据的时候,一个30节点的配置结合更好的分析洞察力,每年可节省成本600万美元。

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:Zia Yusuf、Akash Bhatia、Usama Gill、Maciej Kranz、Michelle Fleury和Anoop Nannra

用机器学习改善供应链的10个方法

4、使用基于机器学习的技术可以将预测误差降低50%,使用基于机器学习的规划和优化技术,让由于产品未供货导致的销售损失减少了65%,使用基于机器学习的供应链管理系统,让库存减少20%-50%。

资料来源:Digital/McKinsey,《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》

用机器学习改善供应链的10个方法

5、DHL Research发现,机器学习能够帮助物流和供应链运营优化产能利用率,改善客户体验,降低风险并创建新的业务模式。一直以来, DHL的研究团队不断追踪和评估各种新兴技术对于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、智能物流资产、全新的客户体验模型。

资料来源:DHL Research,(Logistics Trend Radar, Version 2018/2019)

用机器学习改善供应链的10个方法

6、很多制造企业都投入资金把基于机器学习的应用用于检测和处理供应商质量水平和交付不一致的问题。微软通过对于北美中型制造企业的调查发现,这些企业当前面临的第二大增长阻碍,就是供应商在质量和交付上存在不一致的问题,第一个障碍则是缺乏熟练的劳动力。制造企业通过使用机器学习和高级分析,可以很快地找出谁是最佳供应商,谁是最差供应商,以及哪些生产中心在发现错误方面最准确。

制造企业使用类似下图这种仪表板,将机器学习技术用于解决供应商的质量、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

用机器学习改善供应链的10个方法

7、降低欺诈风险,同时根据机器学习提供的洞察来改善产品和流程质量,给供应链中的检查环节带来了转折点。当使用移动技术实现自动检查,并将结果实时上传到安全的云平台时,机器学习算法就可以提供降低风险和欺诈可能性的即时洞察力。

Inspectorio就是该领域的一家初创公司,他们正在致力于解决缺乏检查和供应链可视性所带来的诸多问题,专注于如何为品牌和零售商立即解决这些问题。

(编辑:甘孜站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读