如何机器学习是重新定义供应链管理

如何机器学习是重新定义供应链管理

底线:机器学习,能够发现在模式供应链管理依靠算法,快速找出最有影响力的因素到供应网络的成功,而在此过程中不断学习资料。

在供应链数据发现新的模式有可能彻底改变任何业务的潜力。机器学习算法发现在日常供应链数据这些新的模式,而无需人工干预或分类的定义,以指导分析。该算法迭代查询数据与许多使用基于约束的建模,找到一套核心因素,以最大的预测准确度。关键因素影响库存水平,供应商质量管理,需求预测,采购到付款,订单到现金,生产计划,运输管理,更是成为闻名的第一次。新的知识和机器学习的见解是革命性的供应链管理作为一个结果。

如何机器学习是重新定义供应链管理

十个方面机器学习是革命性的供应链管理包括:

  1. 机器学习算法和运行它们的应用程序能够快速分析大量、多样的数据集,提高需求预测的准确性。一个管理供应链的最具挑战性的预测进行生产的未来需求。现有技术的范围从基线统计分析技术,包括移动平均线,以先进的模拟建模。机器学习被证明是在考虑到现有方法考虑的因素非常有效的有没有跟踪或定量随着时间的方式。下面的例子显示了如何广泛被用来完成需求预测,并伦诺克斯采用当今机器学习。来源: - (PDF,28页,没有选入)机器学习的巨大飞跃的供应链预测,物料搬运和物流大会。

  1. 降低运输成本,提高供应商的交付性能,并最小化供应商风险是机器学习在协作供应链网络中提供的诸多好处中的三个。以下是如何机器学习今天正在使用的来识别多个托运人网络之间的横向协作的协同作用的例子。来源:机器学习与AI在运输和物流,弗兰克Salliau与斯文Verstrepen物流会见创新Vlerick布鲁塞尔 - 2017年11月15日(PDF,82页,没有选入。)。

  1. 机器学习,其核心构造是非常适合提供见解改善不能从以前的技术供应链管理绩效。结合无监督学习、监督学习和强化学习的优点,机器学习被证明是一种非常有效的技术,可以不断寻找最影响供应链绩效的关键因素。188金宝搏亚洲体育登陆下面分类法中定义的每个端点都是完全由基于算法的逻辑派生的,这确保了算法可以跨全球企业扩展。来源:DHL,人工智能在物流,2018(PDF,45页,没有选入)。

  1. 机器学习擅长于视觉模式识别,在整个供应链网络的物理检查和物理资产维护方面开辟了许多潜在的应用。机器学习的设计使用的算法可以快速寻找可比较的模式,并将其放入多个数据集中。事实证明,机器学习在自动化进入物流中心的质量检查方面也非常有效,可以将产品发货与损坏和磨损隔离开来。IBM的沃森平台中的机器学习算法能够确定一个集装箱是否可以装运。或产品被损坏,按损坏时间分类,并建议最佳的纠正措施来修复资产。沃森结合视觉和基于系统的数据,实时跟踪、报告和提出建议。来源:DHL,人工智能在物流,2018(PDF,45页,没有选入)。

  1. 获得更大的情境智能使用机器学习与整个供应链运作相关的技术相结合,转化为降低库存和运营成本和更快的响应时间给客户。机器学习是在物流控制塔的操作获得采用,以提供新的见解的供应链管理,协作,物流和仓库管理各个方面如何才能改善。下图为图形智能如何语境机器学习获得的简化操作。来源:DHL,人工智能在物流,2018(PDF,45页,没有选入)。

  1. 对于新产品,包括大多数推动新的销售偶然因素预测需求是一个区域的机器学习被应用到今天具有很强的结果。从询问渠道合作伙伴、间接和直接销售团队他们将销售多少新产品的务实方法,到使用先进的统计模型,各公司预测下一代产品需求的方式存在很大差异。机器学习被证明在考虑影响需求的因果因素方面是有价值的,而这些因果因素以前并不为人所知。
  2. 公司正在通过寻找通过物联网传感器收集的使用数据的新模式扩展关键的供应链资产,包括机械,发动机,运输和仓储设备的使用寿命。制造业领先于所有其他人的数据量它产生年度的基础上。机器学习被证明是在分析机获得的数据,以确定哪些偶然因素最能影响机器的性能非常宝贵的。此外,机器学习是导致整体设备效率的更准确的措施(OEE),一个关键指标很多厂家和供应链运作依靠。
  3. 通过寻找供应商的质量水平模式和创建每个供应商跟踪和追踪数据的层次结构,无助提高供应商的质量管理和法规遵从。平均而言,一个典型的公司依赖外部供应商组装为一个给定的产品成分的80%以上。供应商的质量,合规性以及需要跟踪和追踪层次是管制行业,包括航空与国防,食品和饮料,以及医疗产品是必不可少的。机器学习应用被引入了可以独立定义产品层次,简化跟踪和追踪报告,节省数千人工小时,一年一个典型的制造商在这些领域的投资。
  4. 机器学习是考虑到多个约束以及每个优化改进生产计划与工厂调度精度。在谁依靠建立按订单和按库存生产厂家工作流程,机器学习是使它能够更有效地超过了手动在过去相互平衡的制约。制造商们减少了使用机器学习,结果在他们的最重的定制产品使用的零部件供应链延迟。
  5. 结合机器学习与高级分析,物联网传感器和实时监控提供跨多个供应链终端到端到端可视性首次。正是今日需要在许多供应链是一个全新的操作平台或架构上预测的实时数据,有图案和见解与过去以往分析工具不可见丰富。机器学习是未来的供应链平台,将彻底改变供应链管理的各个方面的基本要素。
参考文献

Bendoly,E。(2016)。飞度,偏见,并颁布了意义建构在数据可视化:框架在运营和供应链管理分析可持续发展。作者:企业物流37(1),6-17。

CB Insights,《库存增加:150+家公司攻击供应链和物流空间》,2016年11月30日

陈,D. Q.,普雷斯顿,D.S。&斯温克,M。(2015)。如何大数据分析的使用影响价值创造的供应链管理。期刊管理信息系统32(4),4-39。

供应链管理专业协会(CSCMP)供应链季度,机器学习:为更好地预测一个新的工具,约瑟夫·沙米尔,Q4,2019

哈恩,G. J.,&Packowski,J。(2015)。在供应链管理的内存分析的应用的透视图。决策支持系统7645-52。

IDC,《数字化转型驱动供应链重组势在必行》,2017年7月

贾扬,A.(2013)。一个网络分析法方法:第三方物流服务供应商在供应链管理的评价。国际杂志业务洞察力与转型中6(2), 78 - 82。

赖,孙,H.,任,J.(2018)。理解在物流和供应链管理中采用大数据分析(BDA)的决定因素。国际期刊物流管理29(2),676-703。

Schoenherr,T。,Speier - 佩罗,C.(2015)。数据科学,预测分析和大数据在供应链管理现状和未来潜力。作者:企业物流36(1),120-132。

斯坦福大学管理科学与工程,讲座系在供应链优化(PDF,261页,没有选入)

塔塔咨询服务,利用机器学习改变供应链管理

哈克特集团分析:奠定基础的供应链数字化转型(PDF,10页,没有选入)

蒂瓦里,S.,嫣,H.,&Daryanto,Y。(2018)。2010年和2016年间在供应链管理大数据分析:洞察行业。计算机与工业工程115319-330。

世界经济论坛,第四次工业革命对供应链的影响(PDF, 22,没有选择)

下一篇:
以前的文章:
这篇文章写的
路易·哥伦布

路易目前担任校长,IQMS。曾任职务包括市场营销副总裁Plex的系统,AMR研究(现Gartner公司)的高级分析师产品管理总监英格拉姆云,在iBASEt,市场营销和业务发展的SaaS创业公司。哥伦布先生的学术背景包括从佩珀代因大学和战略营销管理和数字营销计划在斯坦福大学商学院的MBA学位。路易斯还教国际商务MBA课程,全球竞争战略,国际市场研究,战略规划和市场调研。哥伦布先生目前是韦伯斯特大学教师中的一员,并曾任教美国加州州立大学富勒顿:美国加州大学欧文分校和Marymount大学。