供应链管理（Supply chain management，供应链管理）在当今几乎每一个行业都是至关重要的，但与医疗行业相比，人工智能初创公司和供应商公司对供应链管理的关注还不够多，金融,零售. 企业对人工智能应用越来越感兴趣，从它的好处到充分利用工业物流、仓储和运输系统收集的大量数据。
与许多世界上最大的企业开始注意什么。我可以做些什么来改善其供应链的效率，我们要回答我们的业务受众以下几个问题：
- 什么是AI的供应链管理目前的应用？
- 哪些应用程序是实验性的，这似乎有真正的牵引和商业价值？
我们已经打破了这一文章成AI在SCM以下主要应用领域下来。在每一节中，我们探讨了企业和用例来审视自己的商业价值：
- 需求预测的预测分析
- 仓库管理人工智能
- 聊天机器人在采购
虽然本文将涵盖广泛的供应链应用程序，但有特殊兴趣的读者可以阅读我们的全文认知采购。感兴趣的读者可能会对相关交通行业的人工智能应用有所了解，可能会对我们之前的文章感兴趣人工智能在运输-目前和未来的商业用途的应用。
需求预测的预测分析
LLamasoft
LLamasoft公司成立于2003年，位于密歇根州的安阿伯，目前拥有500多名员工。该公司提供供应链规划和设计软件的设计，规划和可见的应用在供应链。
以下是两分钟的利亚马斯夫供应链管理产品营销视频：
该公司声称，其需求大师预测性需求建模软件，使用机器学习识别历史需求数据中的隐藏模式（如季节性需求或外部天气、需求和其他影响之间的相关性），帮助企业确定降低成本和提高供应链运营效率的方法。
例如：
- 一家销售家具的企业（如宜家）或许能够使用需求大师平台，预测在其一家实体店展示的不同型号家具的日常需求。
- Using historical sales data of for all the models which includes information like date and time of purchase, number of items purchased etc., machine learning models in Demand Guru might potentially ‘learn’ a particular trend in terms of seasonality, (such as an increase in sales during a particular holiday season). Additionally, the platform might be able to take into account weather data and news events to find correlations with sales patterns such as identifying that days accounted for more sales on weekdays.
访问Demand Guru的另一个功能是LLamasoft的数据立方体，该公司声称它是一个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预测未来需求的因果关系开始。这可能是获取美国某个城市的气温和降雨量水平等数据，或某个行业的并购数据。
以下2分钟的视频概述了Llamasoft的Demand Guru平台在预测供应链需求方面的能力：
在我们的初步研究中，我们发现一些个案研究中得到其中Llamasoft的平台被用于SCM应用程序。
一个这样的案例研究中，我们下面探讨细节Llamasoft的平台的应用，提高了施耐德电气的全球供应链的效率。下面我们总结案例研究中使用特定的本意是利用人工智能方面：
挑战：
- 施耐德希望减少所涉及的费用在其现有的供应链流程2世界各地的40个制造工厂，110个配送中心也分析吸收新业务部门的潜在机会，他们刚刚收购
行动:
- Llamasoft了施耐德建立供应链预测模型,可以自动创建的最佳路由选择施耐德巨大的原材料供应链包括断路器足够小,适合在商店货架上变压器,一个大房间的大小。
- 企业供应链数据（如有关产品的海运航线等交通运输价格和政策，数据）从一些新的业务单位施耐德最近收购与公司现有的供应链数据27个的传统ERP系统majorly居住的。
- 施耐德的数据工程师首先建立了一个数据提取工具，可以收集所有ERP系统的企业数据，验证和“清洁”数据，以便输入到Llamasoft平台。
据称结果：
- Llamasoft声称他们定制的模型需要大约2 - 4小时分析200000运输策略数据点,130000流和路由的限制,超过150的初始场景(施耐德提供的数据),可以确定在每年节省932万美元(800万欧元)施耐德可能通过改变产品在供应链中流动。
- 例如，直接从制造工厂（而不是通过其配送中心之一）重新路由某些发货，以节省物料处理和库存存储成本。（我们必须在此补充，从提供的案例研究来看，没有明确的迹象表明800万欧元的数字是如何实现的，或者是否实际实现了任何成本节约效益。）
尽管Llamasoft的首席科学官，内贾特卡拉巴卡尔曾在IBM的供应链优化实践中工作过，我们在公司的领导团队中找不到任何在人工智能方面有丰富学术或商业经验的人。对于那些不是从人工智能产品开始，而是在拥有现有核心产品很久之后开发人工智能应用程序的公司来说，这并不罕见。LLamasoft的情况确实如此。
Aera技术（FusionOps）
AERA科技（原FusionOps）始建于1999年在旧金山和今天大约153名员工。该公司提供的预测该公司声称使用机器学习（领域专家的帮助），用于供应链管理应用分析软件。该公司声称，它的应用程序可以帮助自动规划和优化现有的供应链流程的企业。
例如：
- 美国的汽车制造商可能会在许多国家制造零部件，然后需要将这些零部件送到配送中心和经销商处。Aera的供应链管理平台可以使制造商轻松地跟踪整个供应链，产品范围从微小的螺丝到巨大的发动机，并从该平台获得切实可行的见解，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发现供应链数据中的模式(如历史运输记录或配送中心的库存保存记录)，这些模式可能有助于提供帮助，使制造商能够更快地交付部件，并降低库存存储水平。
这段3分15分钟的视频来自前Fusionops，是其Insight平台(现在是Aera平台的一部分)的演示，展示了企业如何使用该软件的可操作仪表板、报告和指标:
在2016年的案例研究在美国，Aera声称与马欣德拉美国公司(Mahindra USA，印度汽车公司马欣德拉(Mahindra & Mahindra)在北美的拖拉机制造部门)合作，帮助减少库存，更快地向客户交付零部件。
挑战：
- 自2011年以来，马欣德拉的产品组合从10家增加到55家左右，经销商数量增长了4倍，超过500家。该公司认为，他们需要一个单一来源的可操作的见解，以提高供应链的效率在这个规模。
行动:
- Aera的平台输入了来自马欣德拉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，并为马欣德拉在供应链中降低成本提供见解。例如，该平台可以潜在地确定哪些国际和国内货运可以合并以降低成本。
据称结果：
- Aera还声称，整合他们的平台有助于Mahindra在其库存库存销售月数（MoS——在类似市场条件下销售当前库存可能需要的月数）上实现35%的减少。尽管没有详细说明马欣德拉可能同时采取的其他措施，也没有马欣德拉在整合前的原始MoS数据。
Aera平台应用于供应链需求规划的另一个例子是他们与默克公司的合作，据华尔街日报》。
挑战：
- 默克公司想要自动化它的一些供应链活动(关于分配材料和分配产品的决策)，以做出更快的计划决策。
行动:
- 默克公司部署了一套传感器和机器学习预测分析软件，以提高库存和配送效率。
- 默克的工程师利用Aera技术(前身为Fusionops)的Insight机器学习能力，从工厂机器上的传感器及其内部企业SAP软件获取数据。
据称结果：
- 默克公司还表示，该系统的试运行结果显示，在相同的任务中，80%的预测测试案例比人类专家更准确。目前还不能立即获得有关测试规模或参数的进一步细节。
仓库管理人工智能
自动导引车（AGV的）已经在工业环境中开展业务自1950年代以来直到最近，在没有物理路径引导机制(如导线、轨道或磁带)的情况下，机器人基本上无法自主导航。
W在人工智能和导航技术的增量改进，如同步定位和地图，和机器视觉，agv可以使通过在建筑物之间移动，跨越传统制造边界的自动化材料处理。
今天的AGV的有被制作得相对更自主的通过所谓的仓库执行系统连接的软件层（WES）将它们与现有的仓库管理和控制系统数据集成的潜力。
随着时间的推移，WES使用人工智能使现有的物流系统更加高效，许多顶级AGV玩家已经为获得WES能力做出了明确的战略决策。我们讨论了一些顶级AGV制造商使用AI提供WES服务的用例。
Dematic IQ(前Reddwerks)
Dematic成立于1891年，总部位于密歇根州的Grand Rapids，目前在全球拥有4400多名员工，是一家为供应链管理应用提供自动化软件的美国公司。
德马蒂克获得雷德沃克（韦斯空间的早期进入者)，并在2015年基于Reddwerks的分销科学(现在属于Dematic Reddwerks品牌)创建自己的WES。Dematic Reddwerks表示，该平台可以帮助仓库管理操作识别最有效的仓库机器人拣货密度，或优化订单发布流程。
在一个案例研究，德马泰克与美国服装零售制造商合作，通过使用德马泰克IQ WES，以支持其零售商店实现（店更换项目）。据德马泰克，他们的WES用于开发在3900家零售商店的配送中心，以补充产品。
挑战：
- 服装零售商需要将八个独立品牌的门店履行业务转变为一个配送中心，这意味着配送中心需要有高密度的库存，同时确保快速的产品补充。
行动:
- Dematic WES用于优化整个配送中心的操作流程，从订单接收(来自客户ERP系统中的数据)到发货和调度(来自WMS的数据)。
据称结果：
- 该公司称，Dematic零售商店补货系统帮助零售商在其门店内每天补货60万件，几乎满足了所有8个品牌(包括峰值状态)所有补货的需求。Dematic还声称，他们的系统降低了处理成本并扩大了存储容量，尽管Dematic在撰写本文时没有披露更详细的可测量结果。
下面是一段来自Dematic的4分钟视频，概述了他们的WES平台的一些功能，可能会用到Dematic IQ:
在德马蒂克的领导团队中，我们找不到任何一位在人工智能领域有着丰富学术经验的人。
WES领域的其他显著市场发展来自瓦戈（开发了自己的WES），霍尼韦尔集成，其获取在2012年封爵背部，和瑞士日志该公司收购了Forte。
瑞士日志
Swisslog是一家有着118年历史的公司，位于瑞士的布赫斯，目前拥有2300多名员工。该公司为德国机器人制造商库卡(Kuka)所有，库卡是中国电子企业美的集团(Midea Group)的一个分支。
对于AI一个新兴的应用领域似乎是在仓库管理系统（WMS） - 常用的企业监控，仓库提高灵活性。AI-增强WMS学习具有通过点样并检测异常优化操作的潜力。
Swisslog似乎指望着一个“学习仓库”通过从客户订购行为、公司机器使用和资源使用等数据中学习最优化的工作流，使用能够帮助自主提高效率的内部物流系统。
例如：
- 智能WMS软件可以帮助电子商务和零售领域的公司使用预测分析来更有效地管理库存、存储和运输业务。
- Swisslog表示，它的学习仓库可能能够考虑来自电子商务玩家的营销活动、某一天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，如果电子商务公司为一家销售前一周的雨伞。该平台可能会在未来一周内（有阴雨天气预报）提醒库存经理，他们的仓库可能不得不增加目前的雨伞库存，以满足需求。
- 公司相信在未来，他们的仓库管理平台可能会更接近于完全自主监控，并可能有能力促使行动，以更好地优化企业的运作，如自动。尽管我们没有发现针对WMS中人工智能应用的案例研究支持这一说法。
这段33秒的Swisslog视频展示了学习仓库的可能性:
从我们的初步研究中，我们发现有证据表明瑞士公司在使用自动导向车辆(agv)和仓库的物流自动化方面有几个成功的案例研究
管理软件，虽然我们还没有发现任何成功实施他们的学习仓库的证据。
聊天机器人在采购
会话接口（聊天机器人)可以提供这对企业有几个好处，包括降低交易成本和缩短销售周期。这张图展示了聊天机器人运行所需要的不同组件:
Univired的Chyme
一个例子是德克萨斯州的初创公司Univired，它推出了一个聊天机器人，食糜该公司表示，这可以在人工操作人员和销售/营销自动化服务（如SAP的SalesForce）之间打开对话界面。
根据这个案例研究来自Univired的聊天机器人被用于饮料行业的采购管理。饮料制造商过去要求员工打电话给服务台操作员，以获得有关其采购需求的信息。
在大多数情况下，这意味着必须等待一段时间才能检索到信息。据报道，向员工和供应商推出的Chymebot解决方案能够回答有关订单和发货状态、库存可用性、库存价格、供应商状态和合同详细信息的问题。
下图为SAP销售助理如何在自动化的采购销售，以帮助潜在的2分钟的视频：
对于所有这些显示出来的进步，在采购方面成功集成聊天机器人仍然存在一定的限制，包括在聊天机器人集成方面的错误，由于系统的性质和明显缺乏传统的人工接触，这些错误可能像滚雪球一样越积越多，所有这些都会影响客户关系。
希望利用聊天机器人进行采购的企业可以考虑以下因素，从而更好地做出决策：
- 尽管这样做相对简单，但集成聊天机器人并不能保证马上就能实现类似人类的通信能力；这是一项长期的努力，其中可能需要对现有的数据系统进行调整，以确保获得准确的最终结果。
- 在未来的2到5年里，人类仍有可能是不可替代的，尽管聊天机器人可能有助于实现日常任务的自动化，而且人类可能获得应对更复杂查询的技能。
标题图片来源：G.O.海洋服务
