首页 >>机器学习改进供应链的十种方法
机器学习改进供应链的十种方法
发布来源: B2B行业资讯 发布时间:2020-11-04

图片来源:摄图网


企业使用机器学习技术可以在今时今日实现两位数的增长。这些革命供应链管理的场景包括:预测错误率,按需调节生产力;节省成本指出,及时的交付等等方面。

机器学习的算法和模型基于从大数据集中发现异常,模式乃至预判。许多供应链挑战都离不开时间、成本和资源等要素的制约,这使得机器学习成为解决这些问题的理想技术。


无论是亚马逊机器人系统(仓储自动化机器人)通过机器学习提升准确率,速度和规模;还是DHL依赖AI和机器学习技术赋能其可预测性网络管理系统——一套从内部数据的58个要素中寻找出影响交期延迟首要因素的系统,都通过机器学习定义了下一代供应链管理系统。Gartner预测,到2020年将有95%的SCP(Supply Chain Planning)厂商将在其解决方案中纳入机器学习技术。而2023年,智能算法,AI技术将嵌入超过25%的供应链技术解决方案。


以下是机器学习影响供应链管理的十种场景


1)以机器学习为基础的算法将成为下一代物流技术的基础,通过先进的资源调配系统带来重大收益。

图片来源:MCKINSEY & COMPANY, AUTOMATION IN LOGISTICS: BIG OPPORTUNITY, BIGGER UNCERTAINTY, APRIL 2019. BY ASHUTOSH DEKHNE, GREG HASTINGS, JOHN MURNANE, AND FLORIAN NEUHAUS


2)物联网传感器,新型信息通讯技术,智能运输系统,交通数据将构成宽广的数据集变量,这些内容将通过机器学习技术为供应链改善提供价值。

图片来源:KPMG, SUPPLY CHAIN BIG DATA SERIES PART 1


3)机器学习有机会帮助物流系统节省每年600万美金的成本,这将通过从IoT设备采集的轨迹数据中学习模型来实现

图片来源:BOSTON CONSULTING GROUP, PAIRING BLOCKCHAIN WITH IOT TO CUT SUPPLY CHAIN COSTS, DECEMBER 18, 2018, BY ZIA YUSUF , AKASH BHATIA , USAMA GILL , MACIEJ KRANZ, MICHELLE FLEURY, AND ANOOP NANNRA


4)通过机器学习减少预测错误

通过机器学习技术可以减少因库存不足造成的销售损失,最多可以降低65%。而在库存的准备上也有20%-50%的优化空间。

图片来源:DIGITAL/MCKINSEY, SMARTENING UP WITH ARTIFICIAL INTELLIGENCE (AI) - WHAT’S IN IT FOR GERMANY AND ITS INDUSTRIAL SECTOR? (PDF, 52 PP., NO OPT-IN).


5)DHL研究发现,机器学习技术将帮助物流和供应链单元优化库存占用情况,提升用户体验,减少风险和开发新商业模式。

图片来源:SOURCE: DHL TREND RESEARCH, LOGISTICS TREND RADAR, VERSION 2018/2019 (PDF, 55 PP., NO OPT-IN)


6)一家区域制造商正在使用AI技术来检测和应对不一致的供应商质量等级和交付情况

图片来源:MICROSOFT, SUPPLIER QUALITY ANALYSIS SAMPLE FOR POWER BI: TAKE A TOUR, 2018


7)减少欺诈的潜在风险,改善产品和流程质量

图片来源:FORBES, HOW MACHINE LEARNING IMPROVES MANUFACTURING INSPECTIONS, PRODUCT QUALITY & SUPPLY CHAIN VISIBILITY, JANUARY 23, 2019


8)通过增强端对端的供应链透明度,帮助企业更快响应

图片来源:CHAINLINK RESEARCH, HOW INFOR IS HELPING TO REALIZE HUMAN POTENTIAL,


9)减少特权规则的使用来带的安全风险

首席信息官们正在解决供应链中的特权滥用问题,如果机器学习发现活动的环境处于风险当中,将要求更强力的许可来授权活动。


10)通过机器学习技术,结合IoT数据改善设备的维护水平,降低运营成本。


麦肯锡公司发现,通过机器学习赋能的预测式维护技术,将帮助企业更好地避免机器停止运转。设备的生产力将得以提升20%,而整体维护成本将减少10%。



注:本文系本站转载,转载目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请与本站联系,我们将在第一时间删除内容!本文版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。

热门课程

关注我们

关注我们