沃尔玛通过观察天气情况来确定哪些食物更畅销。通过这种预测，在温暖、干燥、多云和多风的情况下储存更多牛排，在较热和较少风时储存更多汉堡，使得销售额增长了18％。高温微风天气下，沙拉卖得更多；晴朗的日子，浆果卖得更多。但是，你不必是零售巨头，就可以使用AI来改善你的供应链。
预测分析和远程传感器告诉经销商们什么时候冰箱里应该补充苏打水，或者咖啡自动售货机需要补充原料。Lakeba的Shelfie机器人在英国超市Co－op的过道来回巡游，使用图像识别来检测产品什么时候售罄或者是否被搁置在了错误的地方。
与数百个供应商合作的在线时尚零售商Jet．com，在智能手机上使用图像识别应用来检查正在运送中的是哪款蓝色连衣裙，以便他们知道商品的库存情况。
另一方面，Jet．com非常热衷于了解哪些不在库存中，工程总监Scott Havens表示：“供应商可能会说他们有10件商品库存，但他们只有8件，”这导致顾客不能按预期下订单而有所抱怨。如果某件商品没有库存，那么Havens不希望商品出现在搜索中。“就客户体验而言，不与客户沟通，总比和客户沟通了却让客户失望更好一些。”
人工智能已遍及行业每个角落
Havens的团队使用机器学习来追踪不同供应商报告他们库存产品的准确度；这些数据可能是错误的，因为没有足够频繁地进行更新，或者因为没有提供准确的报告。他说，这个机器学习系统已经将商品拒收率降低了一半，从而使Jet．com更好地了解其供应链的情况。
挡风玻璃更换服务提供商Autoglass也在其手机应用中使用图像识别功能，这样客户就会知道是否可以修复或者需要更换掉挡风玻璃上的芯片。客户想了解成本情况，但Autoglass知道某个商店是否可以从库存中进行替换，或者需要订购挡风玻璃并在到货时安排配件。该应用每周处理2500幅图像的准确度超过80％，该公司正在考虑使用这个应用来评估维修或更换后是否需要重新校准高级驾驶员辅助系统。
PureCars公司首席执行官Sam Mylrea表示，汽车经销商正在转向使用AI来决定库存那些车型以及向哪些群体进行推广。“不变库存每个月都会花费数百美元的利息。通过使用AI，经销商可以根据消费者行为和过去的购买模式更好地了解库存哪些车型。凭借这些洞察力，他们可以在适当的时间使用个性化的营销宣传来精准给客户。”
AI还可以用于农业和食品加工业。中国酿酒商长城葡萄酒公司使用气象站和农药监测器为预测分析提供动力，分析何时处理葡萄以及何时准备收获。微软正在为小型农场主开发物联网精准农业系统，该系统使用机器学习来预测何时需要水作物或撒石灰来提高土壤的pH值。Bühler的LumoVision谷物分选系统使用图像识别功能除掉的污染谷物是传统机械的2倍。酿造啤酒厂和奶制品厂也可以通过更快地处理传入物料，预测什么时候要准备好一批啤酒或奶酪，来提高产量和缩短生产时间，使用相同的设备更快速处理下一批次。
物流公司RR Donnelley使用天气、交通预测和运输工作历史记录建立了一个机器学习模型，对成本进行更精准的估算，构建该系统的成本在第一个月就回本了，在第一个季度订单量增加了4％。此外，丰田汽车很快会给亚马逊的仓库机器人制造一些竞争压力，它正在考虑使用AI来训练能够识别模式的“调色板无人机”，了解工厂车间的布局和流程，以群体的形式进行工作，可以自行决定使用哪种类型的机器人来移动每个负载。
使业务引擎更加智能
所有这些项目的共同点，是对最基本的业务领域之一的看法是在不断变化的。传统上来说，库存和供应链被视为成本中心，毕马威国家数据和分析领导负责人Ammon Matsuda表示：“但实际上这是一个让事情井井有条让目标实现的引擎。”
通过使用AI来提高供应链的灵活性，这在让成本中心转变为赋能的角色基础上更近了一步，特别是在当今充满挑战的市场中。Matsuda认为：“至关重要的是对波动性有更加灵敏的反应，处理比过去更多的产品变化，应对比以前更多的渠道。”
他预测，目前AI人工智能工具已经及大地推动了库存管理，未来只会力度更大。“想想机器人能够为有形库存管理能做的的工作。”不仅仅是在仓库中，“你会看到机器人将进入一个复杂的环境，比如穿过商店，抓取产品，检测需要补货的地方，或者产品没有放在货架上，所以你必须让机器学习知道，哪个标签是放在哪个位置的。”
AI有助于缩短库存周期，适用于像新鲜农产品等保质期较短的产品。Matsuda说，那些知名公司正在“研究如何部署机器学习功能，来预测一棵卷心菜是还有多长时间保质期，以便他们在卷心菜变质之前了解这批蔬菜应该在供应链的什么位置。”
他也在更为谨慎地使用AI来预测需求变化，因为消费者模式可能发生不可预测的变化，机器学习不一定能够应对这些变化。“你需要有一个相当不错的需求历史来感知模式，并给出合理而有效的预测，以便你可以调整供应链。机器学习在复制人类一贯行为方面非常出色，但在对全新情况和观察做出反应时非常糟糕，所以如果我们能够推断出人类可以做什么，机器学习是表现不错的，但是我们正式因为扩展和速度带来的各种挑战，才使用机器学习模型的。”
Matsuda建议，机器学习在供应链预测方面的真正优势比揭示人类行为的秘密更加平淡无奇。“好处实际上就是让企业做出更合理的决定。”
把AI投入使用
那些希望在供应链中利用人工智能的企业应该从优化现有系统开始着手，然后随着时间的推移引入计算机视觉等新技术，微软云AI平台项目管理合作总监Lance Olson这样表示。利用已经做过的历史分析并添加更多预测：“下个月我们的供应需求情况是怎样的？不仅仅是基于历史数据，还有基于预测的。”或者使用像Azure Gallery中的工具，Azure Gallery使用机器学习对石油和天然气供应链进行优化，或对零售系统、商店和仓库优化产品质量及交货时间。
这让你可以快速改善，从而对流程充满信心。“在最佳运行状况下，你可以节省5．47％的成本。”然后，你可以继续进行更大胆、更具革命性的项目，这些项目需要更深入的数据科学知识，可能需要传感器和其他硬件投资，例如带有定制计算机视觉模型的摄像头来做实时识别、麦克风、或者通过热成像、激光雷达或雷达观察不可见光谱。
“如果我们完全使用不同的机制来检查从供应商处获得的商品，我们可能会消除流程中的一步、两步或十步。我有一些客户创建了多个数据模型，当装载了设备的插卡进入仓库的时候可以查看这些卡车，而且模型也会在库存进入时对其进行计数。这种动态计数和每次设备运输经过时重新进行计数的方法，让该系统能够缩短他们试图优化的大量下游问题。”
对于工业机械来说，音频处理可以帮助在制造过程中或者部件送到时对库存情况进行评估。“如果你有任何会发出声响的东西，比如电机，那么你可以在生产线边缘安装麦克风，这样你可以听到电机的声音，并了解该部件的质量情况。如果你是汽车或飞机制造商，有引擎进来的时候，只要你运行发动机就可以听到发动机的声音，并对零部件进行质量控制，这可能会让你改变人工检查的方式。同样的技术可以帮助食品经销商和零售商监控制冷设备，提前预测故障。”
Olson也认为AI将成为库存管理的一个重要组成部分，因为企业可以建立自己的专业知识体系并创建自定义监控和预测系统。“这变成了一个大规模的智能系统，在这个系统中你有大量要查看的要素，数据管道流经整个系统。对于任何依赖库存和供应链的公司而言，随着时间的推移，可持续差异化会成为核心的一部分。他们如何优化系统，如何降低成本，如何在适当的时间以适当的质量和价格将适当的产品送到正确的客户手中。”
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
