AI 在供应链中的优势

Joseph Tsidulko | 内容战略师 | 2024 年 1 月 11 日

近年来,全球供应链的脆弱性一直深受关注。这些庞大的物流网络对于每个国家和地区的制造商来说都至关重要,但运输延误、工人罢工以及日益增加的复杂性和相互关联性等问题,加剧了长期以来的效率低下问题。

供应链计划人员希望能够解开这些打结的网络。目前,他们正在借助前沿技术的强大力量,而且这些力量在很大程度上还包含了尚未开发的潜力。随着我们走向日益全球化的未来,供应链计划人员也在利用人工智能技术来提高供应链的效率和弹性。

什么是供应链 AI?

企业可以使用 AI 来管理和优化各种供应链活动,例如监视产品质量、平衡库存水平以及找出燃油效率更高的运输路线,实现高于传统软件的效率。

人工智能 (AI) 泛指模拟人类智能来执行复杂任务的应用。机器学习 (ML) 是 AI 的子领域,系统自己可以从大量数据中进行学习,而不是根据程序执行命令。得益于这一学习过程,AI 系统可以解密视频馈送的信息、理解口头和书面文本、预测未来市场行为、在复杂场景中做出决策以及发现隐藏在大型数据集中的洞察等,并在这些方面超越传统软件。

事实证明,这些功能可以在供应链的几乎所有环节中,非常有效地管理和优化工作流。例如,由 ML 算法支持的供应链系统可以从数据集中发现模式和关系,而这些通常是人类或非 AI 系统难以察觉的。因此,AI 可以更准确地预测客户需求,从而实现更高效的库存管理。AI 还可以分析交通和天气状况等因素并推荐替代路线,以此降低计划外的延误风险,缩短运输时间。AI 可以监控工作区,及时发现不理想的质量控制程序以及健康和安全方面的违规行为。随着供应链专业人员不断使用这项技术进行各种尝试,新的用例也在不断涌现。

关键要点

  • 企业使用 AI 来优化发运和交付、管理仓库容量、跟踪库存、预测特定零件和组件的需求、提高员工安全性和帮助确保全球供应链中交易记录的完整性。
  • 虽然 AI 可以在降低运营成本的同时为供应链提供巨大的生产力优势,但该技术实施起来既困难又昂贵,特别是需要对基于专有数据的定制模型进行训练的时候。
  • 制造商和物流提供商可以采取措施,确保供应链准备好与 AI 系统相集成,并支持改变物流网络的管理和运营的相关方法。

供应链 AI 详解

企业正在供应链中采用 AI 系统以优化分销路线、提高仓库生产力、简化工厂工作流等。

成品制造商通常会采用成百上千个组件,这些组件需要全球合作伙伴按协调好的时间表送达其装配设施。事实证明,AI 可以从大型数据集中发现模式和关系,帮助制造商优化物流网络,其中涵盖了货运商、货车、仓库和配送中心。供应链优化也涉及了在每次货物更换承运人时跟踪实体商品。在这种场景中,AI 可以实现自动化记录,包括以智能的方式输入、提取和分类文本文件中的数据,以确保多方交易记录的完整性。

有些制造商正在利用 AI 来预测产能,并根据客户需求优化仓库容量;而有些制造商则使用 AI 来标记潜在的延迟和设备故障问题,以免影响生产活动。此外,制造商也利用 AI 从庞大的数据流中获取运营洞察,这些数据流来自存储和运输基础设施中安装的物联网 (IoT) 设备和传感器

虽然 AI 为供应链提供了许多潜在的优势,但该技术实施起来既困难又昂贵。在生产环境中运行智能应用需要强大的计算系统(本地边缘服务器或基于云技术实例),作为工业 4.0 策略的一部分,这些系统通常需要接收部署在现场的集成传感器和设备数据。企业通常在基于自己的数据集来训练机器学习模型时可以获得更多的优势,这是一个十分依赖数据的计算密集型流程。

利用 AI 实现端到端供应链透明度

现代供应链不仅交错复杂,覆盖范围也广泛,以至于制造商难以对到达设施的物料和货物流进行端到端的监督。AI 具备快速分析大型数据集的能力,即使是十分复杂的物流网络,AI 也可以理清内部运作。

摄取大量记录的数据流和其他物流信号后,经过 ML 训练的智能算法能够给出有价值的洞察,例如变化的导因或针对涉及固定和可变时间因素的流程,推荐改善产能的方案以避免遇到瓶颈。由 AI 支持的供应链管理 (SCM) 工具在实时跟踪大量供应方面的效果比传统系统更理想,可以跟踪物料流经中间制造和分销合作伙伴再制成成品的全过程。这种增强的可见性和可追溯性可帮助制造商识别可能违反质量或道德寻源实践的供应商。

通过提高供应链透明度,AI 的使用可以节省时间和成本,稍后我们将进一步为您详细介绍。AI 还可以帮助制造商确保用于制造产品的组件是根据道德、质量和可持续性标准进行采购的,这是监管机构和许多消费者希望制造商能够履行的责任。企业需要避免与违反了劳动、治理或环境法规的供应商(甚至是海外供应商)合作,基于 AI 的供应链应用中内嵌的分析工具可以帮助企业识别模式,揭露欺诈或不道德寻源的问题。

供应链 AI 的九个优势

制造商一直处于 AI 创新的前沿,在现代供应链中众多的生产设施、存储和配送中心以及运输车辆中试验和部署了各种技术。这种尝试可能会带来许多优势。

1. 提高仓库效率

AI 可帮助企业整理货架和设计布局,以提高仓库管理的效率。ML 模型可以对通过仓库过道运输的物料数量进行评估,据此推荐楼层布局,从而加快库存存取速度和库存运输速度(从收货到货架再到包装和运输站)。ML 模型还可以为工人和机器人规划理想的路线,加速库存运输,从而进一步提高履行率。通过分析来自营销、生产线和销售点系统的需求信号,支持 AI 的预测系统可帮助制造商平衡库存水平与持有成本,进一步优化仓库容量。

2. 减少营运成本

借助 AI 在不可预测的条件下学习复杂行为和工作的能力,企业可以使用更少的人力,更准确地完成盘点、跟踪和记录库存等重复性任务,同时识别和缓解瓶颈。通过识别低效问题并从重复性任务中学习,AI 可以降低复杂供应链的运营成本。

AI 还可以减少重要设备的停机时间,帮助制造商和分销经理节省开支。智能系统,特别是那些能够处理来自智能工厂物联网设备的数据的智能系统,这类系统可以识别早期阶段的故障和中断,或者在问题发生之前就能够预测,有效减少中断造成的相关财务损失。

3. 减少错误和浪费

AI 通常可以比人类和机器更快地发现异常行为。这就是为什么制造商、仓库运营商和运输公司会进行算法训练,以发现工作流中的问题、人为错误和产品缺陷。企业可以在物流中心、装配线和运送车辆中安装摄像头,然后将拍摄结果输入到计算机视觉系统中并使用 AI 来进行检验工作,以减少召回、退货和返工的需求。该系统可以在产品错误组装或发送到错误的目的地之前发现人为和机器错误,从而节省时间和材料浪费。智能系统还可以进行根本原因分析,基于大量数据进行评估并找到其中的相关性,让团队能够了解问题所在,更快、更好地采取纠正措施。

AI 也直接嵌入到 ERP 系统中,在货物流经供应链时管理相关的财务交易,帮助企业避免成本高昂的计费和付款错误。

4. 更准确的库存管理

制造商正在利用 AI 的能力,以更高的精度和效率来管理其库存水平。例如,AI 驱动的预测系统可以使用下游客户共享的库存信息来评估客户的需求。一旦系统发现客户的需求正在减少,就会对制造商的需求预测进行相应的调整。

越来越多制造商和供应链经理开始部署计算机视觉系统,在供应链基础设施、货架、车辆甚至是无人机上安装摄像头,实时统计货物并监控仓库存储容量。AI 还会在库存分类账中记录这些工作流,并自动创建、更新和提取库存文档中的信息。

5. 通过模拟优化运营

供应链经理可以运行 AI 驱动的模拟,更深入地了解复杂的全球物流网络的运营情况并制定优化方案。

越来越多的供应链经理开始将 AI 与数字孪生(即物理对象和流程的 3D 视图)相结合,并用于装配货物或工厂生产线等场景。运营计划员可以利用数字孪生模拟各种方法和策略,比如通过增加 A 点和 B 点的产能,可以增加多少产量?然后,在不影响现实世界中的运营的情况下评估结果。如果模型选择和工作流控制都交由 AI 来完成,这些模拟结果会比使用传统计算方法运行的模拟结果更加准确。这种 AI 的应用可以帮助工程师和生产经理评估重新设计产品、更换零件或在工厂车间安装新机器的影响。

除了 3D 数字孪生外,AI 和 ML 还可以帮助企业创建外部流程的 2D 视觉模型,让计划人员和运营经理可以评估更换供应商、重新选择运输和配送路线或迁移存储和配送中心的潜在影响。

6. 提高工人和物料安全

AI 系统可以监控整个供应链中的工作环境,例如装配线、存储设施和运输工具,并标记有可能危及工人和公众安全的情况。这可能意味着 AI 会使用计算机视觉来强制员工使用个人防护设备 (PPE),或检查员工是否遵循其他内部安全协议和美国职业安全与健康管理局颁布的标准。或者,这也可能意味着 AI 会处理来自卡车和叉车等车辆系统的数据,监控司机是否安全、清醒地操作车辆。在监控工厂设备方面,AI 有助于预测故障和其他潜在的危险情况。AI 驱动的可穿戴安全设备可以有效加强安全防护,例如员工可以穿上带有传感器的背心,AI 系统通过相连的传感器分析仓库工作人员的移动数据,根据姿势、移动或仓库中的位置提醒员工会有受伤风险。

整个配电设施和车辆传感器提供的 AI 系统也有助于确保危险材料得到妥善处理和处置,保护那些住在附近工作的人。AI 可以自动执行危险任务,让员工可以避免造成风险的情况。例如,智能机器人可能会结合使用摄像头和传感器以及 AI 算法,在仓库中标出更有效的路线,以便在运输危险材料时可以避开路径中的物体,同时将结果传回仓库管理系统。万一发生事故和故障,AI 可以执行根本原因分析,以确定起因并防止问题再次发生。

7. 更及时地交付

如果从事产品组装的制造商拥有复杂的供应链,他们尤其需要确保准时和良好协调的交付;任何一个组件延迟到货都可能会影响整个生产计划。AI 将承担起更多任务,帮助企业减轻交付延迟问题。

物流公司使用机器学习来训练模型,以优化和管理组件在供应链中的运输路线。这些模型可以根据订单量、交付承诺、合同截止日期、客户重要性或产品可用性来确定发运优先级。然后,这些模型将为分销网络中的所有节点提供更准确的预计到货时间,并识别哪些运输订单受延迟影响更大。

8. 改善供应链可持续性

通过提高运营效率,AI 可以使供应链更具可持续性,并减少对环境造成有害的影响。例如,经过 ML 训练的模型可以帮助企业优化卡车装载量和交付路线,减少卡车在运输的过程中的油耗。AI 还有助于减少供应链各个阶段中所浪费的产品数量。例如,AI 驱动的生产计划可以分析过去的库存水平、当前需求预测和实时机器维护状态,帮助制造商确保不会生产过剩。

AI 还可用于分析成品的生命周期,提供有助于实现循环经济的洞察,确保材料可以被回收和重复利用。内置 AI 的供应链计划和寻源系统可以提高供应商的透明度,帮助他们更好地遵守环境和社会可持续发展标准,例如确保薪酬的公平待遇。

9. 更精确的需求预测

AI 已成为基于内部数据信号(例如销售管道和营销线索)和外部信号(例如更广泛的市场趋势、经济前景和季节性销售趋势)预测需求的黄金标准。供应链计划人员不仅可以使用需求计划软件中内嵌的 AI 来预估需求,还可以预测经济衰退或恶劣天气事件等情况对需求的潜在影响,以及自己的成本、生产能力和交付能力。

供应链 AI 的挑战

在计划和管理供应链中融入 AI 不能一蹴而就。虽然该技术具有降低成本和简化流程的巨大潜力,但实施成本高昂,而且还难以部署。在将 AI 融入供应链运营中时,企业经常会面临以下挑战。

  • 培训成本:与任何新技术一样,企业想要实施 AI 并将其集成到生产环境中,就需要为使用新系统(甚至是令人生畏的系统)的员工提供培训。对员工进行培训,并让他们不再抗拒使用新系统,这一阶段通常会导致停工时间并产生一定的成本。在此之前,整个供应链的合作伙伴应该与他们的 AI 供应商或集成商合作,共同开发有建设性和可负担的培训计划。值得注意的是,任何培训方法都可能会产生金钱成本。
  • 启动和运营成本。实施 AI 的成本一般会超过采购和集成运行 AI 系统所需的硬件和软件的成本。ML 算法不一定需要从头开始构建;市面上有预构建的模型,企业可以根据许多供应链用例的需求进行调整。然而,为了实现利益最大化,企业应该利用自己的数据来训练模型。企业需要付出巨大的努力来收集、整合、验证、转换和清理大量的质量数据。如果企业没有准备好高质量的数据集,就会应验一句老话:“垃圾进,垃圾出”。基于这些数据训练 ML 模型属于是一个计算密集型阶段,通常需要采用由图形处理单元 (GPU) 提供支持的服务器,因此可能会导致云技术服务费用激增并占用所有本地资源。
    在全球物流网络中大规模运营和管理 AI 系统并不是一项一劳永逸的工作。虽然 AI 系统的运行阶段并不像训练阶段那样需要高强度计算,但这是一个持续性的过程,并且需要强大的平台(例如边缘服务器或基于云技术的虚拟机)。然而,这些基于云技术的解决方案使得 AI 技术更易于获取且价格更经济。某些云基础设施供应商会提供受管理的数据科学平台,能够简化机器学习模型构建过程,实现自动化发展并管理 AI 工作流。
  • 复杂的系统:AI 系统由很多移动的组件组成,其中包括传输实时数据流的设备和传感器,用于 ML 模型的初始和进化训练的 GPU 驱动服务器,在生产中运行这些模型的边缘和云技术服务器,以及根据发现的模式或推荐方案采取行动的应用。企业必须将这些要素集成到在全球供应链的每个节点中。企业还必须持续监视这些系统,调整系统性能,并识别和修复故障。

供应链 AI 的示例

假设一家美国汽车制造商需要在密歇根州的工厂组装广受欢迎的三款车。这个制造过程涉及了数以万计的零件和部件,例如钢材、轮胎、火花塞和测量仪针头。制造商主要向美国十几个州以及加拿大、中国、德国、日本和墨西哥的工厂和制造中心采购这些零部件。其中,有些零部件是在供应商所拥有和运营的设施中生产的,有些则是来自第三方分销商。

如果该汽车公司经常收到大量货物,其中一些是从海外运来的,另一些是从州外或北美边境运来的。这些供应品最终会在密歇根州的工厂组装成 SUV、卡车或轿车。但在那之前,制造商需要订购、支付、跟踪、接收这些零部件并将其存储在工厂附近的大型仓库。

除了需要应对这样一个庞大而复杂的供应链,汽车公司还必须面对由通货膨胀引起的供应成本上涨,同时能源成本的增加也影响了利润率。提高成品车辆的价格可能有助于改善利润率,但该公司的销售领导认为这将打压客户需求。不仅如此,在疫情爆发后,该公司必须满足新的工厂环境管理法规,其中包括个人防护用品的使用。

结果,高管纷纷向技术顾问了解企业是否能够从 AI 中获益,以及 AI 可以改善供应链的哪个环节。当然,技术顾问的答案是肯定的 — AI 可以为几乎整个供应链赋能。

首先,在根据趋势预测每种车型的销售量方面,AI 的表现会胜过企业的基本软件。AI 还可以更准确地模拟天然气价格上涨或电动汽车突然渗透市场等场景对销售量的影响。对于供应链计划人员而言,这些智能预测结果就像是一场及时雨,可以帮助他们采购适量的供应品来满足需求,而不会产生额外的订购成本、导致库存过剩或持有成本过高。有了预测结果,计划人员就能够充满信心地做出决策,包括通过增减生产线来控制资金,并为这些生产线配备合适的人员。

与 AI 驱动的视觉模型相连的摄像头可以监控汽车公司的生产线和配送设施,以确保工人遵守安全和环境协议。经过 ML 训练的其他模型则可以分析物流数据,帮助企业优化运输路线、货物装载和仓库运营,从而提高准时交货率。最后,AI 和决策模型可以自动执行重复性流程,不仅可以处理实体供应品,还可以维护库存和交易记录,以确保供应链中的所有各方都获得公平的待遇并准时收到付款。

今天,真正的汽车公司都在努力提高效率、减少错误、提高会计准确性并重新调整人员分配以更好地支持业务需求,从而在供应链运营的几乎每个领域中节省资金。以马自达汽车物流公司为例,在整个欧洲分销汽车和汽车零部件时,该公司使用了 Oracle Transportation Management 来识别理想的承运商、路线和服务水平,进而提高了准时交货率。

如何为 AI 准备好您的供应链

企业通常会发现,在生产环境中全面运行 AI 具有一定的挑战性,并且成本高昂。因此,企业可以采取以下步骤,甚至可以(在某些情况下)在确定具体项目之前就开始着手准备,确保传统的供应链计划和管理系统可以顺利与 AI 相集成。

1. 创造审计价值

在决定使用 AI 增强供应链中的哪些特定节点之前,制造商可能会需要对整个物流网络进行审计,以识别瓶颈、生产力下降和容易出错的流程。这些审计结果可以帮助业务计划人员确定可以让 AI 和其他技术投资回报最大化的领域。

2. 制定战略和路线图

供应链现代化计划通常会涉及一系列需要解决的问题、需要获得的收益以及需要安抚的高管。但是,大多数制造商都无法承担一次性升级所有产品的费用和停机时间。因此,在制定具体项目计划之前,您需要先确定优先事项,制定一个具有深远影响的转型策略,以解决早期阶段最紧迫的问题。然后,您需要制定路线图,确保沿途的每个项目都能为接下来的项目赋能,同时保证资金充足。

3. 设计解决方案

确定了供应链运营的哪个方面能够从 AI 中受益更多之后,您就可以开始着手设计解决方案了。您需要考虑所需的系统类型(例如基于云技术的应用、边缘服务器、数据科学平台以及联网设备和传感器)以及这些系统需要如何相互集成和现有 IT 资源。如果您尚未聘用具有行业专业知识的系统集成商或其他类型的咨询公司,大多数公司都会选择在这个时候进行。

4. 选择供应商

许多技术供应商都提供了供应链解决方案。其中,大多数的供应商声称他们的产品中内置了某种形式的 AI。但是,由于 AI 是一个广泛的术语,指的是各种功能的合集,因此每个产品之间存在巨大差异。选择一个技术供应商,就像是对长期关系做出了承诺,并努力让这种关系能在当前项目结束后持续发展。制造商应该在系统集成商的建议下,仔细评估每个投标供应商的技术能力、价格、所支持的模型及其企业文化,以找到理想的合作伙伴。

5. 实施和集成

选择了一个技术供应商,企业就能开始进入实施和集成阶段。通常,系统集成商会与企业内部 IT 团队和供应商密切合作,包括安装系统,将系统与现有系统集成,并在将系统部署到生产环境之前进行测试。实施阶段通常会涉及一定的停机时间,实施完成后也需要对员工进行一段时间的培训。如果能够仔细安排并有效地执行计划,企业可以尽量缩短中断时间的情况下,完成从临时环境到生产环境的切换。

6. 管理变更

对于长期以相同方式完成工作的员工来说,即使是针对劳动密集型且效率不高的任务,任何变化都会令人不安。在实施基于 AI 的新解决方案之前,您需要制定一个策略来帮助您的组织做好拥抱 AI 的准备。该计划应涉及与员工就推广 AI 采用的相关问题或目标进行沟通,例如企业希望实现的生产力效益,以及领导层评估项目成功率的基准。

7. 监控和调整

在某种程度上来说,AI 项目是永无止尽的。AI 是一种动态技术,能够根据监测和调整的反馈不断改进,并反复进行这一循环。即使支持 AI 的系统看起来没什么问题,团队也应该尝试调整、跟踪结果并收集数据,以进一步优化性能。

利用 Oracle 技术将 AI 融入供应链

制造商的供应链包含了设施和连接设施的分销路线,这些设施地理位置分散且独立运营,通常由多个合作伙伴单独管理。在从原材料或子组件到成品的流程中,每个阶段都需要采用不同的技术解决方案。这些解决方案涵盖了采购、规划、运输、库存、维护和分析等职能,让所有人都可以从 AI 中受益。

这些系统虽然功能各不相同,但它们并不能孤立运行;所有数据必须与供应一起流经整个物流网络。Oracle Fusion Cloud Supply Chain & Manufacturing (SCM) 是一个全面的应用套件,可处理和无缝连接供应链的各个阶段。这些 SCM 应用使用内置 ML 来帮助改善自动化、预测和洞察。基于云计算的软件还可促进企业内部以及与外部分包商和合作伙伴之间的协作。

供应链 AI 的常见问题解答

AI 会随着时间而进步吗?
AI 是一种独特的技术,用得越多,进步越大。例如,ML 模型运行的数据越多,该模型就越能为供应链计划人员提供更有用的功能和洞察。

AI 如何帮助制造商节省时间和精力?
制造商通常会使用 AI 从大量数据中获取洞察,并据此提高装配流程、物流网络和工作流的效率。该技术还可以帮助制造商自动执行重复性任务,从而减少对手动流程的需求。

AI 会成为供应链的未来吗?
事实证明,AI 非常擅长改进供应链计划、管理和运营。尽管该技术几乎已经嵌入了供应链运营的方方面面,但新的用例仍在不断涌现。AI 将会成为未来所有供应链管理系统的重要一环。

为什么 AI 在供应链管理中如此重要?
近年来,供应链不仅变得交错复杂,覆盖范围也广泛,对制造商的供应链管理能力造成挑战。AI 可以通过分析现代供应链产生的大量数据,并使用这些数据来制定非常准确的预测,揭示运营洞察,进而提高涉及多个独立合作伙伴的庞大物流网络的存储和运输流程的效率。

AI 在供应链中的应用有哪些?
AI 可以帮助现代供应链中的几乎所有职能,包括计划、库存和仓库管理、交易处理、运输、监视和检验。各种 AI 新用例仍在持续开发中。

了解 Oracle 的供应链管理解决方案,其中一些解决方案可为供应链计划人员提供 AI 技术,帮助他们管理紧张且日益复杂的物流网络。

注:为免疑义,本网页所用以下术语专指以下含义:

  1. Oracle专指Oracle境外公司而非甲骨文中国。
  2. 相关Cloud或云术语均指代Oracle境外公司提供的云技术或其解决方案。