人工智能驅動的供應鏈優化:應對動態世界的需求

供應鏈管理 (SCM) 是對與產品或服務相關的貨物、數據和財務流的管理。供應鏈管理面臨著許多挑戰。現代供應鏈的複雜性和不確定性使得管理和協調變得困難,需求波動、供應鏈中斷和貨運延誤等不確定因素增加了挑戰的複雜性。為了應對這些挑戰,越來越多的企業開始採用人工智能技術來優化他們的供應鏈管理。根據Statista對600個企業做的一項調查顯示,截止至2022年,已有94%的企業在SCM中不同程度地使用AI(圖1)[1]。人工智能的出現為供應鏈帶來了新的可能性,可以幫助企業實現更高效、更靈活和更智能化的供應鏈運營。

圖 1. 截止至2022年已有94%的企業在SCM中不同程度使用AI

人工智能在供應鏈管理中的應用

1. 供應鏈自動化

人工智能的出現極大的解放了生產力,降低了重複性高技術性低的工作的人力成本。採購、貨運、倉庫管理到貨物質檢等等環節中,人工智能在這些任務上具有成本低、效率高、準確度高等優勢。現在供應鏈中的高效物流也可以通過駕駛自動化來實現,Amazon[2]、TuSimple[3]和Nuro 等公司正在大力投資自動駕駛卡車等運輸自動化技術。

基於計算機視覺 (CV)的人工智能系統可以幫助自動執行產品質量檢查。由於這些系統不會疲勞,因此可以幫助提高生產線的生產率和準確性。例如,寶馬就已經使用計算機視覺來掃描裝配線上移動的汽車模型。具有計算機視覺的機械人則可用於自動執行庫存管理中的重複任務,例如實時掃描庫存、協助裝載或卸載托盤,並在倉庫內部移動貨物,提高物流的效率(圖2)。在運輸中,可以採用人工智能傳感器來監控產品的狀況。例如,物聯網 (IoT)傳感器中的人工智能可用於檢測溫度和濕度變化,以確保易腐爛的貨物保持在正確的溫度。

圖 2. 一輛裝載了自動駕駛程序的人工智能貨物掃描車

2. 預測分析

人工智能還可以在供應鏈中提前預測需求。由於企業和外部來源生成的數據量不斷增加,僅考慮歷史數據的傳統預測模型(例如 ARIMA、自回歸綜合移動平均線和指數平滑方法)已經過時。通過智能算法和歷史數據,人工智能系統能夠準確地預測客戶的趨勢,並在需求發生之前提前做出預測。這使得供應鏈有更多的準備時間,不再追趕市場新趨勢,從而能夠更好地滿足客戶需求。據 Mckinsey公司的調查,人工智能驅動的預測可以將供應鏈網絡中的錯誤減少30%至50%。準確性的提高可將因庫存缺貨而造成的銷售損失減少65%,並且使倉儲成本降低約10%至40% [4]。全球家具品牌IKEA也開發了基於人工智能的需求預測工具,利用歷史數據和新數據提供準確的需求預測。

3. 增強供應商管理

由於缺乏與供應商的合作和整合,食品和汽車等許多供應鏈在 2020 年全球大流行期間面臨嚴重中斷。人工智能可以使供應商關係管理更加一致和高效,從而幫助改善供應商關係管理 (SRM)。支持人工智能的 SRM 軟件可以根據定價、購買歷史、可持續性等因素幫助選擇供應商。人工智能支持的工具還可以幫助跟蹤和分析供應商績效數據,並相應地對其進行排名。機械人流程自動化 (Robotic Process Automation, RPA)等人工智能驅動的工具還可以幫助自動化日常供應商通信,例如發票共享和付款提醒。

人工智能對供應鏈管理的改進

1. 提高預測準確度

需求預測是供應鏈規劃中使用最廣泛的機器學習應用。通過分析歷史數據來估計客戶需求預測,可以避免由於業務運營中的供需失調而導致效率低下,同時還能改進有關現金流、風險評估、產能規劃和勞動力規劃的決策流程。

機器學習可以使用人口統計、天氣、線上評論和社交媒體等內部和外部數據源,基於實時數據來增強預測。從幾個方面優化了補貨流程,防止出現庫存過多或缺貨的情況,提高客戶滿意度,改進折扣優化,改善人力規劃,提高整體效率。如Levadata此類提供人工智能庫存管理的平台,則能數碼化展示人工智能系統為公司的運營節省多少開支(圖3)。憑藉這些進步,公司正在最大限度地降低庫存現金和缺貨情況下的成本。

圖 3. Levadata的SCM管理界面

2. 解放人力成本

第一次和第二次工業革命極大地提升了生產力,得益於製造業的自動化。同樣,沒有人工智能,現代供應鏈自動化就不可能實現。人工智能系統可以比人類更長時間無差錯地運行,這意味著員工不必長時間輪班工作,做簡單的任務,降低了需要財務投資來糾正的錯誤風險,提高了效率和成本效益。

3. 提高可持續性

可持續性是供應鏈管理者日益關注的問題,因為組織的大部分間接排放都是通過其供應鏈產生的。人工智能可以幫助改善供應鏈運營,使其更環保、更可持續。人工智能驅動的工具可以通過考慮交通、道路封閉和天氣等因素來幫助優化運輸路線,以減少行駛里程。

結語

人工智能目前在SCM已經取得了顯著的進展。通過從客戶、供應商和文檔中提取重要數據,流水線供應、需求和庫存管理,預測需求以及優化倉庫管理、效率和物流,人工智能的加入幫助SCM更好地降低公司運營成本、減少庫存積壓、提高客戶滿意度,同時具有環境友好性。例如,自動防曬和百葉窗製造商 Gaviota 部署了ToolsGroup的SO99+解決方案,庫存水平降低了43%,庫存周期從61天減少到35天。

在實際執行中,人工智能可能存在如技術壁壘、成本過高、需求預測陷阱等等問題。中小企業和初創企業常常由於歷史數據不足而難以建立有效準確的人工智能系統。如奧迪股份公司 IT 指導和支持流程主管Holger Kleck說:「無論某些軟件工程師有多優秀,算法有多強大,要想真正從機器學習功能中獲益,企業都需要依靠自己的領域知識:對業務、流程和行業的深入了解。」結合企業的具體情況考慮,才能選擇合適的人工智能工具為供應鏈管理服務。

參考文獻:

[1] Statista. Artificial intelligence (AI) adoption rate in supply chain and manufacturing businesses worldwide in 2022 and 2025.

[2] Grace Kay. Amazon is reportedly buying 1,000 autonomous truck-driving systems, which could pave the way for one day ditching drivers.

[3] Reuters. TuSimple says it has completed 550 miles of fully driverless trucking, plans Tex.

[4] Mckinsey. Smartening up with Artificial Intelligence (AI).

在此感謝 InnoHK、香港特別行政區政府及人工智能金融科技實驗室對本文的支持。
(AIFT 竭力但不能保證內容之準確和可靠,亦不會承擔因任何不準確或遺漏而引起的任何損失或損害。 )

分享此內容

地址

香港沙田香港科學園科技大道西 19 號
11樓 1101-1102 及 1121-1123 室

產品及解決方案

人才

工作機會

關於我們

地址

版權所有 © 2024 人工智能金融科技實驗室有限公司