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:机器学习使发现模式成为可能供应链管理这些数据依赖于算法,这些算法可以快速确定供应网络成功的最具影响力的因素,同时在这个过程中不断学习。

在供应链数据中发现新的模式有可能彻底改变任何业务。机器学习算法每天都在供应链数据中发现这些新模式,不需要人工干预或分类定义来指导分析。该算法使用基于约束的建模迭代地查询多个数据,以找到预测精度最高的核心因素集。影响库存水平、供应商质量、需求预测、采购付现、订单付现、生产计划、运输管理等方面的关键因素首次为人所知。因此,机器学习带来的新知识和新见解正在彻底改变供应链管理。

如何机器学习是重新定义供应链管理

机器学习革新供应链管理的十种方式包括:

  1. 机器学习算法和运行他们的应用程序将能够快速分析大量的,多样化的数据集,从而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,提高供应商交付性能,并减少供应商风险三个诸多好处机器学习的是提供协同的供应链网络。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 - 二零一七年十一月十五日(PDF,82页,没有选入。)。

  1. 机器学习及其核心结构非常适合为提高供应链管理绩效提供以往技术无法提供的见解。结合无监督学习,监督学习和强化学习的长处,学习机被证明是一种非常有效的技术,不断地试图找到最影响供应链绩效的关键因素。opebet体育资讯每个在下面的分类法定义的端点是由基于算法的逻辑,这确保跨全球企业规模算法完全的。资料来源:DHL,《物流中的人工智能》,2018 (PDF, 45页,无选择)。

  1. 机器学习的视觉模式识别过人之处,在整个供应链网络开放物理检查和实物资产的维护许多潜在的应用。迅速寻求把可比模式在多个数据集采用的算法设计,机器学习也被证明是在整个物流中心自动化入站质量检验,隔离产品出货量损坏和磨损是非常有效的。机器学习在IBM的Watson平台算法能够确定,如果船运集装箱and.or产品受损,受到伤害时对其进行分类,并推荐最佳的纠正措施以修复资产。沃森结合视觉和系统为数据跟踪,报告和作出实时的建议。资料来源:DHL,《物流中的人工智能》,2018 (PDF, 45页,无选择)。

  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。机器学习正在物流控制塔台操作中获得广泛应用,为供应链管理、协作、物流和仓库管理的各个方面如何得到改善提供了新的见解。下面的图表显示了如何从机器学习中获得上下文智能来简化操作。资料来源:DHL,《物流中的人工智能》,2018 (PDF, 45页,无选择)。

  1. 预测新产品的需求,包括推动新销售的主要原因,是机器学习目前正在应用的领域,并取得了良好的结果。从要求渠道合作伙伴,间接和直接销售团队有多少新产品,他们将出售使用先进的统计模型的务实的办法,存在企业如何变化很大的下一代产品需求预测。机器学习被证明是在考虑到因果因素影响,需求又尚未知道之前是有价值的。
  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. 通过发现供应商质量级别的模式,为每个供应商创建跟踪和跟踪数据层次结构,提高供应商质量管理和遵从性。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. 机器学习通过考虑多个约束条件并对每个约束条件进行优化来提高生产计划和工厂调度的准确性。对于那些依赖于按订单生产和按库存生产的生产流程的制造商来说,机器学习使得它们能够比过去的手工操作更有效地平衡两者之间的约束。因此,制造商利用机器学习降低了其最严格定制产品中使用的零部件的供应链延迟。
  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。如今,许多供应链需要的是一个基于实时数据的全新操作平台或架构,丰富了以往分析工具看不到的模式和洞见。机器学习是未来供应链平台的一个重要元素,它将彻底改变供应链管理的各个方面。
参考

Bendoly,大肠(2016)。数据可视化中的适配、偏差和实施意义生成:运营和供应链管理分析中的持续开发框架。商业物流杂志37(1), 6 - 17日。

CB见解,囤积了:150+公司攻击供应链与物流空间,2016年11月30日

Chen, d.q ., Preston, d.s ., & Swink, M.(2015)。大数据分析如何影响供应链管理中的价值创造。管理信息系统杂志32(4),4-39。

供应链管理专业人士委员会(CSCMP)《供应链季刊》,机器学习:更好预测的新工具,约瑟夫·沙米尔,2019年第四季度

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,数字化改造驱动器供应链重组势在必行,2017年七月

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。国际商业洞察与变革杂志6(2),78-82。

赖,Y.,太阳,H.,和仁,J.(2018)。了解大数据分析(BDA)采纳的决定因素在物流和供应链管理。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。商业物流杂志36(1), 120 - 132。

斯坦福大学,管理科学与工程系,供应链优化讲座(PDF, 261 pp,无选择)

塔塔咨询服务,使用机器学习来改造供应链管理

哈克特集团,《分析学:为供应链数字化转型奠定基础》(PDF, 10 pp,无选择加入)

蒂瓦里,S.,嫣,H.,&Daryanto,Y。(2018)。2010年和2016年之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,在第四次工业革命对供应链的影响(PDF,22,没有选入)

在下一篇文章:
上一篇:
这篇文章是由
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。