供应链管理导入AI之应用价值与实例
供应链管理（SCM）几乎与所有行业有关，但与医疗保健、金融和零售业相比，
较少得到AI新创公司和供应商公司的关注。企业越来越关注AI应用，从充分利
用工业物流、仓储和运输系统收集的大量数据。
SCM导入AI之应用价值，在三方面：
>需求预测分析
>AI仓库管理
>采购中聊天机器人
一、需求预测分析
LLamasoft供应链管理
LLamasoft成立于2003年，位于密歇根州安娜堡市，目前拥有500多名员工，专
为供应链规划及软件设计、视觉化应用设计。
以下是Llamasoft供应链管理产品的行销视频：
https://vimeo.com/258803810
该公司开发Demand Guru平台，提供预测需求建模软件，使用机器学习来识别
隐藏模式（例如季节性需求或外部天气、需求和其他影响之间的相关性）在
历史需求数据中，帮助企业确定降低成本和提高整个供应链营运效率的方法。
例如:
>销售家具企业(如IKEA)能够使用Demand Guru平台，并预测其实体商店中展示
的不同模型的日常需求。
>使用所有模型的历史销售数据，包括购买日期和时间，购买的商品数量等信息，
Demand Guru中的机器学习模型可能潜在地“学习”季节性特定趋势（例如特定
假期的销售额增加）。此外，该平台能够考虑天气数据和新闻事件，以找到与
销售模式的相关性，例如确定工作日的天数占更多销售额。
另一特色，Demand Guru提供LLamasoft数据立方体，该公司声称这是一个策划
天气和经济时间序列数据集的集合，可以让平台的学习能力从识别因果关系开
始，以预测未来需求。这可能是使用美国特定城市的温度和降雨量等数据，或
者是特定行业的并购数据。
以下视频概述Llamasoft的Demand Guru平台在预测SCM需求的能力：
https://www.youtube.com/watch?v=mxaVVhTJsSM
Schneider Electric全球供应链采用Llamasoft平台的应用案例：
挑战：
>Schneider希望降低全球240个制造工厂和110个配送中心现有供应链流程的成本，
并分析吸收他们刚收购的新业务部门的潜在机会
所采取的行动：
>Llamasoft与Schneider签订合同，建立供应链预测模型，为Schneider庞大的原
材料供应链自动创建最佳路线选择。
>Schneider最近收购的一些新业务部门的企业供应链数据（如运输费率和政策、
产品运输路线数据等），该公司现有的供应链数据主要存在于27个传统的ERP系统中。
>Schneider的数据工程师首先构建了一个数据提取工具，可以从所有ERP系统收集
企业数据，验证并“清理”数据，以便输入Llamasoft平台。
结果说明：
>Llamasoft声称他们的定制模型需要大约2-4小时来分析200,000个运输政策数据点，
130,000个流量和路由限制，以及150多个初始方案（施耐德提供的数据），并且
Schneider年度节省932万美元。
>例如，直接从制造工厂而不是通过其中一个配送中心重新配送货物，以节省材料
处理和库存贮藏成本。
Aera Technology (FusionOps)
Aera Technology（前身为FusionOps）于1999年在旧金山成立，目前拥有约153名员工。
该公司提供预测分析软件，采用机器学习（由领域专家协助）用于供应链管理中的
应用程式，协助企业进行自动化规划和优化现有供应链流程。
例如:
>美国的汽车制造商由于跨国生产零件，需要将其发送到配送中心和经销商。Aera的
供应链管理平台可以使制造商轻松追踪整个供应链，从微型螺丝到大型发动机等产品，
并从平台获得可操作说明，旨在降低成本和提高效率。
>该公司声称其平台使用机器学习来查找供应链数据中的模式（例如历史发货记录或
配送中心的库存记录），这些模式可能有助于提供洞察力，使制造商能够更快地交付
零件并降低库存。
以下Insight平台（现在是Aera平台的一部分）的视频演示，企业如何使用该软件操作
的仪表板、报告和指标：
https://www.youtube.com/watch?v=EqxAwLN9c9o
Aera与Mahindra USA（印度汽车公司Mahindra＆Mahindra在北美拖拉机制造部门）合作，
帮助减少库存，并更快地向客户交付零件。
挑战:
自2011年以来，Mahindra的产品组合从10个增加到55个左右，经销商数量增长了4倍，
超过500个。该公司认为，他们需要统一可操作接口，以提高这种规模的供应链效率。
所采取的行动:
>Aera的平台输入了来自Mahindra的许多内部团队的数据，包括财务、运营、规划和
业务管理。该公司声称，它的平台能够使用机器学习技术，并提供有关降低Mahindra
供应链成本。例如，该平台可以潜在地识别哪些国际和国内货物可以合并以降低成本。
结果说明：
>Aera声称，该平台的整合帮助Mahindra将其库存月减少了35％。
二、AI用于仓库管理
自20世纪50年代以来，自动导引车（AGV）一直在工业环境中运行，直到最近几年导入
进行自主导航。
随着人工智能和导航技术的逐步改进，例如同步定位和绘图以及机器视觉，AGV可以在
建筑物之间移动来实现跨传统制造边界的自动化材料处理。现今AGV透过称为仓库执行
系统（WES）的连接软件层，将与来自现有仓库管理和控制系统的数据结合在一起，具
有更加自动化的潜力。
WES导入AI使现有的物流系统随着时间的推移更加高效，成为许多顶级AGV运营商的战略
决策。
Dematic IQ (Former Reddwerks)
Dematic于1891年在密歇根州Grand Rapids成立，Dematic于1891年在全球拥有4400多名
员工，专注于供应链管理应用提供自动化软件。
2015年Dematic收购了Reddwerks（WES空间的早期参与者），创立自己的品牌，帮助仓库
管理操作识别仓库机器人有效率的拣选或优化订单工作流程。
以下案例，Dematic与一家美国服装零售制造商合作，通过使用Dematic IQ WES来支援他
们的3,900家实体零售店（更换商店中的商品）。
挑战：
>服装零售商需要将八个独立商店品牌的商店进行改为一个配送中心，这意味着配送中心
需要具有高密度的贮藏，同时确保快速的产品补充。
所采取的行动：
>Dematic WES用于优化整个配送中心的操作流程，从订单接收（从客户ERP系统中的数据）
到装运和调度（使用WMS的数据）。
结果说明:
>Dematic零售店补货系统帮助零售商每天在其商店中补充多达600,000件，以满足所有八
个品牌（包括高峰时期）所有补货的需求，该系统降低了处理成本并扩大贮藏容量。
以下Dematic视频概述WES平台的功能：
https://www.youtube.com/watch?v=SBhdEh8Q_9k
Swisslog
Swisslog拥有118年历史的公司，成立于瑞士Buchs，目前拥有2300多名员工，隶属德国
机器人制造商Kuka拥有，后来Kuka被中国电器商美的(Midea)集团所并购。
AI的新兴应用领域在仓库管理系统（WMS），用来监控和提高仓库的灵活性。 AI增强的
WMS机器学习具有发现和检测异常来优化的潜力。Swisslog使用“仓库学习”优化内部
物流系统，透过从客户订购行为、公司的机器使用和资源使用等数据中学习并优化工作
流程。
例如:
>Swisslog”仓库学习”能够考虑来自电子商务的营销活动、特定日期的天气状况或生产
物流等因素的数据，以预测客户订单的可能性，例如，如果电子商务公司在前一周为一
家销售雨伞的公司进行营销活动。该平台可能会在未来一周（有阴雨天气预报）提示库
存管理人员，他们的仓库可能必须增加现有的雨伞库存以满足需求。
>未来仓库管理平台更接近完全自动监控，并且AI优化企业的运营。
以下Swisslog视频展示了”仓库学习”：
https://www.youtube.com/watch?v=y3b9lH76YSg
三、采购中的聊天机器人
Chyme by Univired
德州的新创公司Univired，推出了聊天机器人Chyme，可以打开人工操作员和销售/营销
自动化服务之间的对话界面，如SAP的SalesForce。
根据Univired的案例研究，其聊天机器人用于饮料产业的采购管理。饮料制造商过去要
求员工致电服务台操作员以获取有关其采购需求的信息。
大多情况为等待时间来取得回音。据报导，向员工和供应商推出的Chymebot解决方案能
够提供有关订单和发货状态、库存情况、库存价格、供应商状态和承办细节的查询答案。
下面视频显示SAP Sales Assistant如何有助于自动化采购销售：
https://www.youtube.com/watch?v=mJInH5Ah-aA
聊天机器人在采购中的成功整合仍存在一定的局限性，包括聊天机器人的表达错误，
由于系统的性质和明显缺乏传统人性化，可能会影响与客户之间的关系。
>希望利用聊天机器人进行采购的企业，可以考虑以下因素来做出更好的决策：
虽然这样做相对简单，但集成聊天机器人并不能保证人性化的通讯功能可以立即实现，
还需要长期的努力，可能需要调整现有数据系统以确保准确的结果。
>人类在未来两到五年内仍可能被取代，聊天机器人可能有助于自动执行日常任务，
或回复更复杂的查询需求。
https://bit.ly/2my5IuV