机器学习改善供应链管理的7种方法

机器学习改善供应链管理的7种方法

机器学习正在塑造供应链和物流管理的未来,从而提高准确性,速度,规模等等。就是这样。


强调:

  • 机器学习是指人工智能的一种应用,它可以使系统根据经验自动学习和改进。
  • 专家预测,到2020年,有95%的供应链计划供应商将依靠有监督和无监督的机器学习来提供解决方案。
  • 如果与物联网搭配使用,机器学习每年可以节省约600万美元的成本。

对于供应链的未来,机器学习是当今最令人兴奋的人工智能(AI)技术应用之一。机器学习是一种数据分析模式,可为系统提供从经验中自动学习和改进的能力,而无需进行专门编程。

Gartner最近预测 到2020年,有95%的供应链计划供应商将依靠有监督和无监督的机器学习来提供解决方案。此外,不仅仅是专家的预测,还可以证明机器学习对供应链的影响和潜力。例如,亚马逊是 使用机器学习 提高其Kiva机器人的准确性,速度和规模,以及 DHL依靠机器学习 为其预测网络管理系统提供动力。

那么,关于机器学习的什么使它非常适合应对供应链公司通常面临的挑战?答案在于,机器学习算法在检测模式,异常和预测见解方面非常出色。这使其成为帮助供应链公司预测错误率,降低成本,提高需求计划生产率以及增加按时发货量的理想技术。

这些出色的技术已经在彻底改变供应链管理。

机器学习改善供应链管理的7种方式

1)物流解决方案

特别是在资源调度系统方面,机器学习算法正在驱动下一代物流技术。一个 麦肯锡2019年4月报告 预测说:“机器学习的最大贡献将在于为供应链运营商提供关于如何改善供应链绩效的更重要见解,并在物流成本和绩效出现异常之前对其进行预测。”

2)物联网

物联网(IoT)的传感器,智能运输系统和路况数据会在数据集中产生巨大的变化。机器学习可以通过分析这些数据集来增加价值,从而优化物流并确保材料及时到达。

此外,机器学习可以揭示通过启用IoT的传感器捕获的跟踪数据中的模式,从而降低物流成本。 2018年12月 波士顿咨询集团研究 确定配对机器学习(特别是 区块链 )物联网每年可节省600万美元的成本。

3)防止特权凭证滥用

A 最近在《福布斯》上发表的文章 指出特权凭证滥用是“全球供应链中违反安全性的主要原因”。机器学习可以通过验证请求访问的任何人的身份,请求的上下文以及最重要的是与访问环境相关的风险来防止这些滥用。

4)减少欺诈的可能性

除了降低风险并提高产品和过程质量外,机器学习还可以减少供应链中欺诈的可能性。例如,机器学习启动 检验员 这是对“缺乏检查和供应链可见性造成的问题的解决方案,重点在于如何为品牌和零售商立即解决这些问题。”他们的算法提供了可立即降低欺诈风险的见解。

5)减少预测误差

据最近 Digital / McKinsey的报告,“通过使用基于机器学习的计划和优化技术,由于没有产品而导致的销售损失减少了65%。”同一份报告指出,“如今,当使用基于机器学习的供应链管理系统时,库存减少了20%到50%。”

6)检测供应商质量水平不一致

机器学习可以帮助制造商应对他们今天面临的最大问题之一,即缺乏一致的质量和供应商的交付性能。这些技术可以快速检测和解决错误,并确定性能最高和最低的供应商。

7)预防性维护

预防性维护是供应链的一项重要战略资产。而且,根据上面提到的同一项Digital / McKinsey研究,它与机器学习结合使用时,“通过结合来自高级IoT传感器和维护日志以及外部资源的数据,可以更好地预测和避免机器故障”。不仅如此,“资产生产率最多可以提高20%,总维护成本最多可以降低10%。”

底线:机器学习正在重塑供应链管理

机器学习不仅已经为供应链实现了巨大的价值,而且这项技术的本质意味着无限的可能性。算法不断变得更加复杂,并且随着新挑战的出现,机器学习也在不断发展和发展以适应它们。

相关文章:

新的号召性用语