随着企业努力应对全球物流的复杂性，在供应链中部署人工智能已成为那些想要在竞争中保持领先地位的关键。在本文中，我们将强调人工智能在供应链中的重要性，并提供对成功案例的见解，生动地说明人工智能在优化供应链管理方面的切实好处。 供应链是生产并向最终消费者提供产品或服务的个人和组织的整个网络。它包括从原材料采购、制造和组装产品到运输、仓储，最后到达客户手中的每一个步骤。 49% 的供应链行业受访者表示，中断导致规划困难。 44% 的受访者表示，供应链足迹带来了挑战，这要求他们在这一年中做出改变。 麦肯锡 如今，这个多层面的网络面临着许多破坏，例如地缘政治紧张局势、经济波动、气候变化和不断变化的法规。同时，共同目标超越了行业，包括客户满意度、成本优化弹性和适应性。挑战和目标都需要创新的解决方案，供应链优化成为确保效率的关键因素。 供应链优化概述 供应链优化 (SCO) 是一个复杂的领域，致力于以最高效、最具成本效益的方式管理从原材料到最终客户的商品和服务流。 SCO 是对供应链运营的调整，以确保其处于可能的效率峰值。 供应链优化的五个主要挑战： 准确预测客户需求对于优化库存水平、运输可能性和生产计划至关重要。 需求预测： 平衡库存成本与缺货风险。 库存管理： 选择最有效和最具成本效益的货物运输路线，特别是考虑到交通拥堵和燃油价格等因素。 运输优化： 寻找提供有竞争力的价格和质量的可靠供应商。 供应商选择和管理： 供应链中所有参与者之间的高效合作。 协作与沟通： 为了应对这些挑战，SCO 采用数据分析、数学建模、优化算法、人工智能 (AI) 和机器学习 (ML)。这些工具共同使企业能够精确地驾驭全球供应链的动态格局。 尤其是人工智能和机器学习，在追求供应链效率的过程中成为强大的盟友。 利用 和机器学习服务有助于自动化任务、提高预测准确性并实现实时决策，确保企业在面对不断变化的情况时保持敏捷和响应能力。 人工智能开发 通过人工智能集成优化供应链管理 人工智能在提高供应链效率方面发挥着重要作用。它可用于供应链管理的不同领域。 提高可见性和透明度： 实时数据收集和分析 - 提供对库存水平、装运地点和潜在中断的实时洞察。 预测分析 - 人工智能可以分析历史数据和外部因素，例如天气预报或经济趋势、潜在干扰和维护需求。 优化运营和决策： 库存管理——人工智能可以通过预测需求、考虑交货时间和季节性模式以及最大限度地降低与库存过多或库存不足相关的成本来优化库存水平。 路线优化——人工智能算法可以考虑交通状况、燃料消耗和时间表等因素，确定最高效、最具成本效益的运输路线，在运输和库存成本之间找到平衡。 仓库自动化——人工智能驱动的机器人可以自动执行拣选、包装和分类等任务，提高仓库的速度、准确性和效率。 弹性和风险管理： 风险识别——人工智能可以分析数据以识别潜在的中断或供应链漏洞，使公司能够采取先发制人的措施，尽量减少其影响。 场景规划——人工智能可以模拟自然灾害或经济衰退等各种场景，帮助企业制定应急计划，确保业务连续性。 欺诈检测和预防——人工智能可以检测订单数据和金融交易中的异常情况，识别潜在的欺诈企图，并保护公司免受财务损失。 可持续性和客户体验： 增强可持续性——人工智能可以优化流程，减少浪费，最大限度地减少能源消耗，并优化燃料使用，从而打造更可持续的供应链。 个性化和定制——人工智能可以根据个人喜好和购买历史定制产品推荐和产品，从而实现个性化客户体验。 让我们通过一个真实的用例来探讨人工智能如何在重塑零售行业的供应链方面发挥变革性作用。 开发智能供应优化系统 我们的客户是一家管道工具和设备制造商，其分销点遍布美国各地，需要帮助优化其供应流程。 主要的困难源于将货物从中国工厂运输到美国配送中心的丰富经验。该客户几乎在每个州都拥有众多仓库和销售点。因此，确定最佳路由是一项艰巨的任务。 此外，考虑首选的运输链也至关重要。每件产品都从中国海港开始装在集装箱中，穿越太平洋到达美国港口，然后再用卡车继续运送到指定仓库。之后，产品等待最后一英里运送到目标配送点。 客户希望具有以下功能： 指定可用仓库； 识别分发点，其中一些是根据历史数据自动得出的，另一些则是由用户手动选择的； 创建项目清单及其各自的数量； 有一份海港清单。 最后，客户表示希望能够比较在集装箱内（带或不带托盘）包装货物的各种方法。优化问题的结果应该产生最佳的运输计划和相关的费用统计。 但在深入了解用例细节之前，我们将快速概述智能解决方案中使用的基本数学概念。 供应链效率的整数规划 整数（线性）规划 (IP) 是一种数学优化技术，用于寻找具有线性关系的问题的最佳解决方案，同时考虑到部分或全部变量必须采用整数（整数）值。 IP 问题的一般形式是在一组线性约束下最大化（或最小化）线性目标函数，其中部分或全部决策变量必须是整数。 目标函数是决策变量的线性组合，约束是变量必须满足的线性不等式或等式。 IP 问题的数学公式可以表示如下： 值 x1、x2、...、xₙ 是决策变量，c1、c2、...、cₙ 是目标函数中的系数，aᵢⱼ 是约束方程中的系数，bᵢ 是常数。 解决 IP 问题涉及找到优化目标函数的决策变量值，同时满足线性约束和变量必须为整数的附加要求。 IP 问题通常应用于运筹学、物流、制造、金融和电信等各个领域，其中决策变量通常表示必须为整数的数量。 整数规划是解决供应链优化问题的重要工具，因为它能够对涉及离散（整数）变量的复杂决策过程进行建模。 知识产权在供应链优化中的应用方式： IP可以帮助确定供应链各个阶段不同产品的最佳库存水平，通过考虑存储容量、需求变化和订单数量等约束，IP模型可以在持有成本和缺货之间找到最佳平衡。 库存管理： IP可以通过考虑生产能力、原材料可用性和需求预测等因素来优化生产计划。该模型可以帮助确定每种产品的最佳生产数量以满足需求，同时最大限度地降低成本。 生产计划： 可以应用IP模型来优化供应链网络的整体结构。 路由和调度： 可以应用IP模型来优化供应链网络的整体结构。 供应链网络优化： IP 模型可以结合需求预测数据来优化生产和分销决策，同时根据预期的客户需求调整供应链运营，从而降低库存过多或缺货的风险。 需求规划： 增强供应链物流 – ELEKS 解决方案概述 为了满足客户的要求，我们创建了一个利用整数编程技术优势的系统，该系统优化了五种物品的供应计划、路线和库存水平：陶瓷水槽、马桶、坐浴盆、燃气阀和浴缸龙头（相应的HS编码为6910.10.0030、6910.10.0010、6910.10.0025、8414.90.1080、7323.93.0080）。该系统包含三个主要部分（或页面）：配置、模拟和分析。下面的段落将解释它们中的每一个。 为了确保数据和应用程序详细信息的机密性，我们对姓名和真实位置进行了匿名化处理，为简单的演示应用程序创建了原型，以说明人工智能在解决优化挑战方面的功效。 配置页 用户可以选择可用的仓库、配送点和理想的海港来参与最终的优化路线。此外，客户还可以指定想要运输给客户的货物及其各自的数量。最后一件事是日期选择器，以防计划交付。 系统将根据预测的需求计算交货日期的剩余库存，并根据仓库剩余量分配计划发货。单击“优化”按钮即可发挥所有魔力！它设置优化任务并启动其解决方案。几秒钟后，可以在剩下的两页上观察到结果。 模拟（地图）页面 此页面为客户提供了查看建议模型解决方案的准确模拟的机会。在之前的讨论中，我们考虑了适合客户的INCOTERMS，并就CFR达成了共识。客户可以指定每个步骤的小时数，并按下相应的按钮来查看这段时间内供应链的状态。 首先，有五种类型的点：两种用于运输车辆（船舶和卡车），三种用于海港（橙色）、仓库（紫色）和配送点（绿色）。该地图是交互式的，这意味着用户可以将鼠标悬停在任何点或连接上并查看与该对象相关的信息。 例如，连接仓库和配送点的蓝线显示最后一英里的配送计划，并包含有关每种商品每天配送量的信息。如果用户将鼠标悬停在船舶上，则会显示有关其容量、集装箱类型、每种货物的装载量以及路线的信息。 分析页面 此页面包含有关模型建议的解决方案的所有数据和统计数据。用户可以观察配送计划，每艘船和卡车的位置、预计到达时间、路线和装货情况。还有一堆图表，从包含所有费用的饼图开始，到不同海港、仓库和配送点之间的运输成本热图结束。 此外，客户可以观察不同分销点的每种商品的价格图表，并根据该数据做出相应的业务决策。 性能指标：ELEKS 的解决方案与客户的旧系统 下一个挑战是在现实场景中测试我们的解决方案并将其与客户的方法进行比较。为此，客户考虑了1个月的期限。任务的主要条件（例如可用海港、位置以及仓库和集群的数量）可在前面段落的插图中观察到。因此，我们模型的解决方案在运营费用、最后一英里配送的平均时间以及减少仓库闲置时间方面更加有效。 客户每月平均成本节省 5.76%，某些集群的交付时间缩短 50%。 ELEKS 数据科学团队 数据表明，事实证明，使用我们的解决方案对客户来说更有利，从而降低了每件商品的价格。这一结果可归因于多种因素，主要如下： 货品配送更智能 更优化的配送网络 更高效的路线和仓储 例如，我们的解决方案以一些集群为特色，模型建议对来自不同仓库的不同货物进行最后一英里交付（解释深藏在交付网络中，我们的模型发现了这种优化的可能性）。仓库之间的货物分配不同（主要是华盛顿和纽约的仓库之间）。 乍一看，差异并不那么显着，但结果不言而喻。 结论 人工智能 (AI) 在供应链管理中的集成已成为企业有效应对全球物流复杂性的关键组成部分。现代供应链的多面性，加上中断、地缘政治紧张局势和经济波动等挑战，需要创新的解决方案来实现效率和弹性。 所提出的解决方案强调了人工智能在简化供应链管理者职责方面的变革性作用，并展示了人工智能和IP在供应链物流中的切实好处，显示每月平均成本节省5.76%，某些集群的交货时间缩短50%。 其适应性允许无缝调整，让用户可以访问模拟工作室，在那里他们可以执行涉及不同项目和数量的各种场景，从而促进比较分析以确定不同情况的最佳策略。 要亲自安排此变革性解决方案的演示并进一步探索其功能， 。 请联系我们

該音頻是用故事的原始語言製作的！

太長; 讀書

Developers: Build Less. Deliver More. [Learn how]	

释放人工智能潜力的真实案例研究：供应链中的人工智能

太長; 讀書

ELEKS

About Author

標籤

Languages

这篇文章刊登在...

释放人工智能潜力的真实案例研究：供应链中的人工智能

太長; 讀書

ELEKS

About Author

標籤

Languages

这篇文章刊登在...

相關故事