如今，公司已经在机器学习方面实现了两位数的改进，以预测错误率，需求计划的生产率，成本降低和准时发货，从根本上改变了供应链的管理。
基于此类算法的机器学习算法和模型非常擅长在大型数据集中查找异常，模式和预测视角。因此，当供应链面临诸如时间，成本和资源限制等多种挑战时，机器学习是解决这些问题的理想选择。
例如，亚马逊的Kiva机器人基于机器学习，以提高准确性，速度和规模。 DHL使用人工智能和机器学习来支持您的预测网络管理系统。——系统分析58个不同的内部数据参数。确定影响货运延误的主要因素。
因此，机器学习正在重新定义下一代供应链管理。据Gartner预测，到2020年，95％的供应链计划（SCP）卖家将在其解决方案中使用有监督和无监督的机器学习技术； 2023年，25％的供应链技术解决方案The Lieutenant将采用智能算法和人工智能技术，或作为改进的组件。
让我们看看机器学习可以改变供应链管理的十种方式：
1.基于机器学习的算法是下一代物流技术的基础，高级资源编程系统可以提供最重要的结果。根据麦肯锡的预测，机器学习最重要的贡献将是为供应链运营商提供更详细的信息，如何改善供应链，预测物流成本和物流效率，以及机器学习。提供有关自动化技术如何提供最大规模的信息。洞察力
资料来源：麦肯锡，《Automation in logistics: Big opportunity, bigger uncertainty》，2019年4月作者：Ashutosh Dekhne，Greg Hastings，John Murnane和Florian Neuhaus
通过机器学习改善供应链的10种方法。
2.物联网传感器，远程信息处理和智能传输系统产生的数据集不断变化。通过使用算法和机器学习技术来改善供应链，我们必须从最多样化和多样化的数据集开始。供应链中最具挑战性的问题通常是物流的优化，因此完成生产所需的材料必须准时到达。
资料来源：毕马威，《Supply Chain Big Data Series Part 1》
通过机器学习改善供应链的10种方法。
3.机器学习有可能通过使用物联网传感器发现数据跟踪模式，每年可节省600万美元。 BCG最近研究了使用跟踪应用程序的分散式供应链如何提高性能并降低成本。事实证明，当使用块链在提供商网络中实时共享数据时，可以更好地组合30个节点。分析想法，每年节省600万美元。666来源：波士顿咨询公司（BCG），《Pairing Blockchain with IoT to Cut Supply Chain Costs》2018年12月18日，作者：齐亚·优素福，阿卡什巴蒂亚，乌萨马·本·吉尔，马切伊·克兰兹，米歇尔弗勒和Anoop Nannra
通过机器学习改善供应链的10种方法。
4.使用基于机器学习的技术将预测误差减少50％，使用基于机器学习的计划和优化技术，使用无系统产品，使用系统减少65％的销售损失基于机器学习的供应链管理。 ，减少库存20％-50％。
资料来源：Digital/McKinsey，《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》
通过机器学习改善供应链的10种方法。
5. DHL Research发现，机器学习可以帮助物流和供应链运营优化产能利用率，改善客户体验，降低风险并创建新的业务模式。 DHL研究团队一直在监测和评估新兴技术对物流和供应链的影响，并预测人工智能将实现后端自动化，预测性运营，智能物流资产和新的客户体验模式。
资料来源：DHL Research，（物流趋势雷达，2018/2019版）
通过机器学习改善供应链的10种方法。
6.许多制造公司已投资使用基于机器学习的应用程序来检测和解决供应商质量水平和不一致的交付问题。微软对北美中型制造企业的调查发现，这些公司的第二大增长障碍是供应商在质量和交付方面的不一致。第一个障碍是缺乏熟练劳动力。通过使用机器学习和高级分析，制造公司可以快速发现谁是最好的供应商，谁是最差的供应商，哪些生产中心最准确地检测错误。
制造商使用类似于下面所示的仪表板来使用机器学习技术来解决供应商的质量，交付和一致性问题。
资料来源：微软，《Supplier Quality Analysis sample for Power BI: Take a tour》，2018年
通过机器学习改善供应链的10种方法。
7.基于机器学习提供的知识，降低欺诈风险并提高产品和流程的质量，这代表了供应链检查链中的一个转折点。通过使用移动技术执行自动检查并将结果实时上传到安全的云平台，机器学习算法可以立即查看欺诈的风险和可能性。
Inspectorio是该领域的一家新公司，致力于解决与缺乏检查和供应链可见性相关的许多问题，重点关注如何立即为品牌和零售商解决这些问题。666资料来源：福布斯，《How Machine Learning Improves Manufacturing Inspections, Product Quality & Supply Chain Visibility》，2019年1月23日。
通过机器学习改善供应链的10种方法。
8.机器学习提供从端到端供应链的可见性和快速结果显著，提供预测性洞察力和服务，帮助企业更快地响应规定。
多业务的全球贸易管理和供应链平台与人工智能和机器学习的平台，结合了革命性的企业网络知名度端到端的供应链。一个在该领域的早期领导人之一是控制中心的Infor [控制中心联合从交易网络的Infor GT的Nexus（由控制中心2015年9月收购）与人工智能的Infor科尔曼数据] ，控制中心人工智能平台的名称来自着名的物理和数学凯瑟琳科尔曼约翰逊。这样做的原因是，如果你不了解她和许多其他人，它可以通过创新工作帮助美国宇航局登陆月球。对于才女太空探索数学的贡献，请务必仔细阅读题目ChainLink研究研究《How Infor is Helping to Realize Human Potential》和《隐藏人物》的文章。下图是控制中心的两个屏幕截图。
通过机器学习改善供应链的10种方法。
9.“许可凭证”是全球供应链中安全漏洞的主要来源，机器学习已被证明是防止滥用许可凭证的基础。
通过最大限度地减少对许可的访问，组织可以最小化攻击面，提高审计可见性和合规性，并降低运营现代混合公司的风险，复杂性和成本。
CIO知道即使特权用户正确输入凭据，如果用户发送的情况存在风险，也需要更强大的身份验证方法来提供访问授权，从而解决了滥用凭据的问题特权。
Zero Trust Privilege是一个经过验证的框架，可以在验证谁请求访问权限，请求的上下文以及访问环境的风险时避免滥用权限凭据。
Centrify也是该领域的领导者，其中包括思科，英特尔，微软和Salesforce等全球供应商。
资料来源：福布斯，《High-Tech's Greatest Challenge Will Be Securing Supply Chains In 2019》，2019年11月28日。
10.基于物联网数据，使用机器学习来预测何时避免维护运输和物流工具，这有助于提高资产利用率并降低运营成本。666麦肯锡发现，使用机器学习来提高预测性维护，加上从先进的传感器物联网，维修记录和外部数据的数据，可以更好地预测和防止机器故障的警报，由20％提高资产效率和一般维护费用减少10％。
上海IT外包服务网 链接：http://www.linemore.com
中文
在线咨询
电话咨询
微信咨询
公众号
