AI人工智能如何改變倉儲物流和供應鏈
作者：曾志宏來源：物流技術與應用
說明：轉發只為分享，不代表本號立場
幾天前和一位做AI的老大聊天，他說全球做人工智能的企業基本都不賺錢，但這并不妨礙人工智能成為最熱門的投資熱點，為什么，我們從倉儲，分銷和物流這個行業來來了解一下。
需求預測：需求預測依賴于歷史數據，使用人工智能可以進一步加強對歷史和實時數據的分析，提供準確的需求預測。有了更準確的需求預測，托運人可以優化庫存管理、分派和勞動力計劃，從而提高服務水平。麥肯錫在一份報告中表示，人工智能預測方法可以將供應鏈網絡中的錯誤減少30-50%。
供應計劃：應計劃是物流的重要組成部分。人工智能可以幫助基于實時數據的需求分析。企業可以動態調整其供應計劃參數，以優化供應鏈流程，提高效率，并增加盈利能力。
倉儲自動化:由于當前全球形勢，供應鏈中對非接觸式流程的需求不斷增加，似乎推動了高級自動化業務流程的必要性。人工智能有可能徹底改變倉儲領域的自動化。將機器人技術與人工智能相結合，機器人可以跟蹤和定位庫存，并執行通常需要額外勞動力來完成的挑選和包裝功能。自動化帶來了高效的資源分配，使勞動力能夠做更多有價值的活動，而不是手工瑣事。深度學習進一步促進了這些機器人的學習，使它們能夠在部署它們的場景中自主地做出活動決定。
智能計算機視覺:深度學習和人工智能使先進的掃描、監控和自動化技術能夠通過圖像和視頻可視化許多物流場景，并進行相應的直接操作。這改變了裝貨時貨物的尺寸或破損檢查、標簽和堆疊安排。計算機視覺與深度學習結合在自動駕駛汽車上實現自動和智能導航，現在已成為現實。
工作流程自動化:工作流自動化是利用人工智能來簡化復雜和手工的后臺操作。在貨運代理中，文檔處理是一項乏味的工作，并且具有使用機器人過程自動化(RPA)和光學字符識別(OCR)進行自動化的巨大潛力。運輸文件并非都采用標準格式，而這正是此類技術能夠自動閱讀和理解打印或手寫文件的地方。這種工作流程自動化可以解放物流人員的大量工作時間，并分配他們做更多的增值活動。
預測物流:供應鏈上的不同接觸點產生廣泛的數據。更好的機器學習算法可以提取對決策至關重要的物流預測洞察力。人工智能可以幫助做出與產能規劃、預測和網絡優化相關的決策，從而簡化運營并提高整體供應鏈績效。人工智能廣泛應用于動態路線優化、管理交付時間窗口、優化燃油消耗和負載能力利用率等最后一英里交付活動，從而推動供應鏈的數字化。
增強的貨運跟蹤:貨運可見性數據對整個供應鏈的績效至關重要。人工智能跟蹤和跟蹤功能有助于準確預測ETAs和ETDs。此外，對供應鏈中斷、延誤和航路風險發出警報的能力可以幫助企業提高靈活性，并采用備份措施，以避免重大損失。機器學習還可以幫助分析歷史數據，以確定航運模式，考慮各種因素，如天氣條件、季節性需求波動、貿易通道擁堵等。隨著語音助手或聊天機器人的廣泛使用，客戶或客服人員可以在幾秒鐘內提取跟蹤信息。
二、倉庫里的人工智能(AI)和物聯網(IoT)
很簡單，是的，我們正處在倉庫真正應用人工智能和物聯網的時刻。兩者都是強大的新工具，可以更好地使倉庫和配送中心的活動跟上快速變化的供應鏈動態。
“不要被人工智能和物聯網所迷惑，”Nate Brown,CEO of EVS表示。“兩者都被用來解決以前的問題。他們只是做得更好。物聯網提供了以前無法獲得的數據，這是更深層次的見解。人工智能分析微觀決策，并優化到以前不可能達到的水平。”
HighJump首席技術官肖恩?埃利奧特(SeanElliott)表示:“如果倉庫里沒有人工智能，物聯網就毫無意義。”“你需要結合新的數據來源，即物聯網，以及更好的解決方案，即人工智能，來理解數據，發展見解并根據這些知識采取行動。這兩項技術對于改善運營性能至關重要。”
此外，專家們認為，這兩種技術對于適應目前從預測驅動型向需求驅動型DCs（分銷中心）的轉變至關重要。
盡管如此，Softeon的首席營銷官Dan Gilmore表示，這兩種技術都還處于早期階段。
一些公司尚未推出商業產品。其他公司正在試運行中。還有一些公司在短時間內提供了一種產品。展望未來，JDA及其合作伙伴已承諾在未來三年內投入5億美元用于研發，銷售/全球合作伙伴和聯盟高級總監史蒂夫·西默曼(Steve Simmerman)說。
顯然，人工智能和物聯網正在敲倉庫的門，您應該喜歡這個敲門聲。
建立物聯網
讓我們面對現實吧，倉庫和分銷中心同事正面臨前所未有的壓力。
“訂單一整天都在源源不斷地涌來，挑戰在于找出如何最好地及時處理這些訂單，”曼哈頓聯合公司(Manhattan Associates)產品管理高級總監亞當?克萊恩(Adam Kline)說道。
他接著說，即使倉庫管理系統(WMS)已經就位，這些決策也是根據既定規則、既定能力和既定資源做出的。然而，這些訂單并不是靜態的。“系統需要智能地平衡能力和資源，才能最大化利益，”Klin說
Gilmore說:“只有人工智能和物聯網合作，才能根據當前情況臨時做出決定。”
那么，這些物聯網數據到底從何而來?很多已經在你的設施里了。
從傳送帶到自動引導車輛和自動存儲系統等物料處理設備都接收和發送有關其活動的數據。從掃描儀到語音系統的手持設備也做同樣的事情。
Epicor產品管理高級總監Mark Jensen表示:“大多數設施都在引入越來越多的數據設備，這些設備正在發展成為一個新興的物聯網網絡。”很多時候，簡單的傳感器提供了以前無法用于決策的信息。智能手機是這個新網絡的一部分。
關于人的數據也很重要。盧卡斯系統公司(Lucas Systems)的項目工程總監賈斯汀?里特(Justin Ritter)解釋說:“人們在特定時刻在什么位置、他們在做什么，以及如何最好地利用數據，這些都很重要。”
正如曼哈頓的克萊恩所指出的，實時定位系統正在到位，以跟蹤人們以及他們對特定任務的可用性。事實上，有幾種類型的實時定位系統可用，包括智能手機、無源無線電信標和RFID。
“根據皮特最近的掃描結果，很多機構都知道他在哪里。但當你使用實時定位系統時，你就能隨時知道皮特在哪里。
Gilmore補充說，還有人和機器人的問題。他稱其為配對能力，可以讓合適的人和合適的機器人使用物聯網數據完成訂單。吉爾摩補充道:“這是一個將地點，人和任務一起協同的問題。”“這里需要新的思維。
構建人工智能
LeanDNA首席執行官理查德?萊博維茨(RichardLebovitz)表示:“盡管獲取數據變得越來越簡單，但大多數機構缺乏決定如何使用這些數據以及采取何種行動的能力。這一切都是要彌合預測和制造業實際情況之間的差距。”這就是人工智能的切入點。
EVS的Brown給出了倉庫人工智能的基本定義。“它學習并對當前狀態做出反應，而不僅僅是一套預先設定的規則，”他說。
HighJump公司的埃利奧特解釋說，人工智能和物聯網并不是一枚硬幣的兩面。“但它們確實存在共生關系。人工智能接收到的有關動作和互動的數據越多，它就越能了解如何適應當前條件，”他補充道。
雖然很多物聯網數據來自四面圍墻內，但以晚入站加載為例。JDA的Simmerman說:“DC會收到由控制塔管理的物聯網信號的警報，負載將會延遲到達。”“人工智能獲取這些信息，并確定最佳時間，釋放和部署特定數量的勞動力來卸載卡車。人工智能還可以決定哪些貨物應該直接用于訂單或存儲。這時，你對如何使分銷中心最有效地運行有了一個新的可見性和智慧水平，”Simmerman說。
要做到這一點，確實需要物聯網提供的數據粒度。盧卡斯的數據科學家Graham Yennie解釋道:“數據粒度是讓AI在新情況出現時進行學習的關鍵因素。”這種特殊形式的人工智能被稱為機器學習
將物聯網和人工智能結合在一起
物聯網和人工智能在分銷中心(Distribution Center)還有更大的用途。這兩種技術使得DC從預測驅動轉變為需求驅動成為可能。也就是說，當它們與WMS、倉庫執行系統甚至工作執行系統相結合時。LeanDNA的Lebovitz說，從預測到需求驅動的運營是DCs向前發展的一個巨大但絕對必要的支點。
這一切都是為了應對當前從制造和分銷主導供應鏈的轉變。越來越多的客戶已經超越了低成本，供應鏈效率成為主要驅動因素。
因此，一系列公司正在研究、試點并全面整合人工智能和物聯網在倉庫運營中的應用。
盧卡斯系統(Lucas Systems)和EVS等公司正在進行盡職調查，以決定如何將這兩項技術與他們現有的軟件包集成。盧卡斯系統公司預計將在明年春天深入進行beta測試。與此同時，EVS正在用其WMS包測試客戶數據。
LeanDNA已經將人工智能與制造業務的庫存分析結合起來。它的軟件被一系列公司使用，通過連接到他們的企業資源規劃(ERP)系統來簡化操作。
機器人軌道和機器人技術是HighJump努力將技術與WMS整合的關鍵。試點項目正在兩個地區進行。
Softeon的重點是跟蹤工人及其活動和設備，比如使用無源無線電信標的移動機器人。機器人軌道也是一個重點。這兩款軟件都與Softeon的WMS集成，應該可以更快更好地做出決策。
物聯網和人工智能都與曼哈頓（Manhattan）的倉庫執行包集成在WMS中。訂單流、機器人技術和分銷控制都受益于近18個月前引入的功能。
Epicor的分銷管理軟件剛剛完成物聯網的beta測試。同時，在ERP系統的虛擬代理中完全集成了AI。
一年多前，JDA收購了Blue Yonder公司及其人工智能功能。這已經成為了JDA數字化預測分析策略的支柱，該策略旨在創建該公司正在開發的東西——一種自學習供應鏈的狀態。物聯網是其長期戰略的一部分。控制塔、云計算和倉庫任務處理尤為重要。
物聯網和人工智能在倉庫運營中的應用可能還處于早期階段。但是發展的速度可能超乎您的預期。
機器人過程自動化(RPA，Robotic Process Automation))和智能過程自動化(IPA,Intelligent Process Automation)
四分之一的《財富》500強企業將人工智能投資轉向更普通的短期或戰術IPA項目，“效率明顯提高”，大約一半的人工智能平臺提供商、全球系統集成商和管理服務提供商將在其投資組合中強調IPA。
基于這些IPA用例的成功，IDC預測，到2022年，75%的企業將把智能自動化嵌入到技術和流程開發中，使用基于人工智能的軟件發現運營和體驗洞察力，以指導創新。
到2024年，人工智能將成為參與很多業務，導致25%的人工智能解決方案作為“結果即服務（outcome as a service）”，推動大規模創新和卓越的商業價值。人工智能將通過重新定義用戶體驗成為新的用戶界面，其中超過50%的用戶觸摸將由計算機視覺、語音、自然語言和AR/VR增強。在未來幾年內，我們將看到人工智能和計算機視覺、自然語言處理和手勢等新興用戶界面嵌入到每一種產品和設備中。
新興技術是高風險技術。Forrester公司警告說，2020年，三場高調的”災難”將“破壞了聲譽”，因為人工智能故障和傷害可能性將有所增加:面部識別的錯誤使用和過度個性化等等。
盡管如此，Forrester還是強調了積極的方面，他相信“這些糾紛案不會減緩明年人工智能的應用計劃。”相反，他們將強調設計、測試和部署負責任的人工智能系統的重要性，以及考慮偏見、公平性、透明度、可解釋性和問責性的健全人工智能治理。”
IDC預測，到2022年，可能由于一些的“公關災難”，超過70%的G2000公司將有正式的項目來監控他們的“數字可信度”，因為數字信任成為了一種關鍵的企業資產。
Forrester表示，領導力很重要，擁有首席數據官(CDOs)的公司在其洞察計劃中使用人工智能、ML和/或深度學習的可能性，已經是沒有CDOs的公司的1.5倍。
到2020年，首席數據和分析官(chief data and analytics officers，cdao)和首席信息官(CIO)等對人工智能持認真態度的高管將確保數據科學團隊擁有他們所需的數據。Forrester表示，真正的問題是“從復雜的應用程序組合中尋找數據，并說服各種數據看護人同意。”
IDC指出，“智能自動化的有效使用需要IT部門在數據清理、整合和管理方面付出巨大努力。”在遺留系統中解決過去的數據問題可能是一個巨大的進入障礙，特別是對于大型企業。”
Forrester表示，2020年，“科技精英（Tech Elite）”將提高人工智能和設計技能的融合，將以人為本的設計技能與人工智能開發能力相結合將是關鍵。IDC預測，到2024年，75%的企業將投資于員工再培訓和發展，包括第三方服務，以解決采用人工智能帶來的新技能需求和工作方式。
構成“勞動力”的要素將繼續擴大，IDC預測，隨著智能自動化在整個企業的擴展，IT組織將管理和支持越來越多的人工智能RPA機器人勞動力。勞動力的另一個補充將是聊天機器人，在企業中協助完成各種任務。但Forrester預測，每5個人工智能會話交互中就有4個無法通過圖靈測試。
已經完成的工作也將繼續擴大。IDC表示，隨著計算能力從數據中心向邊緣計算移動，IT將面臨管理和控制邊緣處理設備的挑戰。到2023年，近20%使用人工智能優化處理器和協同處理器處理人工智能工作負載的服務器將部署在邊緣。到2025年，50%的計算機視覺和語音識別模型將在邊緣(包括端點)上運行。
人工智能將無處不在，IDC估計，到2025年，至少90%的新企業應用程序將包含嵌入式人工智能功能。然而，IDC補充說，真正具有顛覆性的人工智能主導的應用將只占總數的10%左右。
所以我們只要再等5年，就能看到人工智能的“真正顛覆性”潛力最終實現，到2020年，“隨著預期回歸現實，人工智能的繁榮將會加劇。”Forrester預測2020年人工智能融資將達到另一個新的高峰，但它斷言這將是最后一個高峰——“全球有2600多家公司，人工智能創業生態系統即將是一個飽和的市場。”
三、人工智能將如何提升供應鏈管理?
物流已經成為供應鏈和商業模式不可分割的一部分。與過去不同的是，企業現在開始關注于他們所期待的新時代技術的發展。人工智能(AI)就是這樣一種技術，它有潛力利用物流來克服目前的挑戰。零售物流面臨的挑戰最大，因為它直接迎合消費者，并使其更加復雜。物流目前需要預測消費者需求，商品需求，一個更簡單的過程，和流線型的工作流程，以保持不受阻礙和盈利。
人工智能處理文檔（AI+RPA）
過去，世界各地的組織都在努力管理物流文書工作，因為這些文書工作容易出錯，成本高，耗時長。如果采用人工智能，無需人工干預，就可以自行輸入數據和人工智能接口，從而實現過程自動化和節約資金。此外，從這些數據中獲得的見解使公司能夠提高他們的支付和文檔方法，并保持對它們的跟蹤。
預測分析
人工智能的主要優點是對客戶需求的預測分析。將人工智能整合到物流中可以讓制造商和零售商了解消費者的需求。零售商將能夠了解特定時間或地區對特定商品的需求，并據此進行采購。來自零售商的數據將幫助供應鏈中的所有其他實體重新定義它們的庫存。
加強管理
除了客戶需求，人工智能還可以幫助組織改善物流管理系統，因為這將使他們能夠實時跟蹤自己的資產。從運輸到庫存，一切都可以根據市場需求進行分類。適當的資產評估將使資源和投資最優化。
籌劃物流
繁瑣和平凡的任務可以轉移到AI界面，每次都能以同樣的效率完成。由于人工智能可以解讀更大的數據集，企業可以獲得更多的投標，并根據它選擇最可靠和最有利可圖的物流合作伙伴。
四、人工智能如何推動物流行業下一階段的增長?
為什么物流公司正面臨一個前所未有的變化的時代，因為新技術使更高的效率和更多的合作運營模式成為可能。這是物流行業擁抱人工智能的最佳時機，因為數字化已經形成，客戶期望也在不斷發展。
人工智能可以幫助物流行業重新定義今天的行為和實踐，從預測到預測的規劃，從標準化到個性化的服務。它還為物流公司提供了優化網絡協調的能力，這是僅靠人類思維無法達到的效率
人工智能(AI)越來越多地出現在我們的個人生活中，并迅速被企業用于提高效率和創造新價值。世界各地的許多物流公司都擁抱數字化轉型，從傳統的企業資源規劃系統過渡到高級分析、增加自動化、硬件和軟件機器人以及移動計算。
在人工智能的幫助下，物流行業可以將其運營從反應性行動轉變為前瞻性和預測性范式，這可以在后臺辦公室、運營和面向客戶的活動中以有利的成本產生更高的洞察力。例如，人工智能技術將使用先進的圖像識別技術來跟蹤貨物和資產的狀況，為運輸帶來端到端自動化，或在世界貨運量出現波動之前預測它們。
隨著職業世界的數字化，越來越多的公司將人工智能(AI)添加到他們的供應鏈中，以最大限度地利用他們的資源，減少時間和金錢花在決定和何時發送一個包裹到某個地方。
優化庫存
庫存優化是指維持一個特定的庫存水平，可以消除缺貨的情況，同時持有庫存的成本不損害底線。物流在不降低材料成本或過程成本的情況下縮小產品價值方面起著重要作用。該技術還可以確保和管理供應商庫存和可用的卡車數量，并優化物流模式。如果它滿足需求和供給方程，它就成功了。
簡化經紀流程（AI+RPA）
海關申報嚴重依賴手工流程，涉及法規、行業和客戶的知識。交叉引用和驗證是一個費力的過程。自然語言處理將修改并使人工智能軟件從各種格式的文件中提取相關信息，并提交一份聲明。
應對不可預見風險
通過訓練，人工智能可以從應急計劃中學習，這可以保證未來的糾正行動。使用人工智能搜索互聯網，觀察趨勢，可以預測某一類產品的需求增長，或提前識別任何風險。
當涉及到物流業務時，要預料到意外情況，因為一系列的情況可能會影響產品的預期交付日期。颶風和洪水、航空公司破產和員工罷工等自然災害都會影響公司物流工作流程的自然進程。
作者簡介
