AI加持下的未來供應鏈到底有多強大?
自我學習型供應鏈將是供應鏈創新的下一個風口。
在這個未來場景下,為供應鏈系統注入人工智慧(AI)技術,可以通過分析現有的供應鏈戰略和執行資料,來總結導致供應鏈失誤的潛在因素。然後,供應鏈AI系統通過對經驗知識的學習,預測未來的供應鏈問題,主動決策、自主執行相應的解決方案。
雖然在自我學習型供應鏈成為現實之前還有很長的路要走,但人工智慧的最新進展表明這將不再是天馬行空。
1、走向數字化供應鏈的道路
我們預測數字化供應鏈發展的路徑將分為四個階段,分別是視覺化階段、預測分析階段、規範化供應鏈階段以及自我學習型供應鏈階段(見下圖)。隨著企業成熟度曲線逐步上移,企業對人工的依賴將被自動化應用所取代,並帶來明顯的效率提升和成本節約。
目前大多數公司都處於數字化供應鏈的第一階段,即視覺化階段。人們更多地關注端到端的供應鏈視覺化,以幫助公司更好地進行管理和約束。在這個階段,通常可以通過各種系統應用的整合實現視覺化。
例如將企業資源規劃(ERP)系統與最佳解決方案和客戶系統連線起來,這種系統應用整合可以幫助企業直觀地瞭解產品在供應鏈中實現端到端的過程。
數字化供應鏈發展的第二個階段是預測分析階段。企業利用預測分析演算法,通過大資料(例如物聯網、感測器資料、SNEW資料等)處理,可以預測未來可能出現的供應鏈問題。
例如,通過對實時資料的預測和分析,結合天氣預報和港口擁堵情況分析,可以預測複雜因素對貨輪的影響,甚至可能比船長更早知道哪些貨物將遲到。
被動的機器學習技術帶來的規範化供應鏈是數字化供應鏈發展的第三階段。在這個階段,智慧系統可以在預測潛在的供應鏈問題的基礎上更進一步,提出解決問題的行動方案。
例如,對於預計遲到的貨物,智慧系統可以提供多種備選解決方案(例如來自其他資源的交換需求或來自其他供應商的訂單),然後推薦最佳行動方案。
數字化供應鏈發展的最後階段是通過深度學習實現的自學供應鏈。深度學習是人工智慧的一種形式,在這種方式下機器可以向機器學習,並且這種型別的人工智慧技術(AI)已經開始出現。
2、深度學習將如何影響供應鏈
供應鏈失誤(例如錯過發貨視窗和訂單履行率差等等)是數百萬種可能的行動和供應鏈政策組合的結果。
企業可以通過供應鏈實現數百萬種行動和政策的組合,大型企業每天都會收到數百萬條訂單;企業需要就網路佈局戰略、補貨方法和運輸方式等戰略問題做出大量決策。所有這些決策都會對服務水平和成本產生直接影響。
此外,還有環境因素,如天氣、社交情緒、新聞事件、競爭對手活動等,這些因素可能會增加做出最佳決策的難度。
隨著人工智慧技術嵌入自我學習型供應鏈,機器將能夠對供應鏈戰略進行檢查,以確定供應鏈失誤發生的位置和原因,以及相關的外部組合因素,如忠誠度、庫存水平、天氣、競爭對手的事件、市場表現、交通或社會經濟事件等。然後,機器學習演算法將篩選這些資料,並瞭解這些因素是如何相互作用導致供應鏈失誤。
將來,自我學習型供應鏈將能夠告訴供應鏈計劃人員,當某個事件的組合同時發生時,可能會產生供應鏈失誤。然後,機器可以通過主動調整庫存水平來應對供應鏈失誤,或者是向供應鏈計劃人員傳送提醒。
3、自我學習的供應鏈
我們相信深度學習演算法在未來將推動供應鏈的發展。通過分析所有這些因素的組合,確定哪些事件組合可以預測供應鏈失誤,並主動構建風險緩解的策略,幫助組織以最低的成本、以最強的信心為客戶提供服務。
能夠做到這些事情的公司,將可以最低的成本更好地為客戶服務(更快、更高效率的訂單履行並保證及時性)。
達到這種供應鏈成熟度水平需要依靠合作伙伴的資料生態系統高效收集資料資源,以便為這些具有深度學習能力的人工智慧技術模型提供實時分析的依據。雖然支援自我學習型供應鏈所需的技術仍在開發中,但在當前階段對企業來說掌握數字化供應鏈的相關技術意義重大。