對于加利福尼亞州的英飛朗來說，2017年是個難過之年。這家電信設備生產公司的收入從2016年的8.7億美元暴跌到2017年的7.4億美元。毛利率從45%降到了33%。最終，這家員工超過2000人，在美國，加拿大，中國，印度和瑞典都有分支的跨國公司當年凈虧損達1.95億美元，而2016年的凈虧損只有2400萬美元。
為了扭轉局面，CEO Thomas Fallon 告訴投資者今年公司將專注于提升技術水平。
“除了增加對市場的關注外，我們將構建一個專門的組織來提高我們的產品快速交付能力并確保一直擁有差異化的技術，”他說，“我們正在這些方面取得進展。”
為此，英飛朗將目光轉向人工智能，并將其應用于供應鏈管理之中，利用機器學習技術分析過去生產交貨時間的變化來更好地預測交貨日期和物流提供商的表現。
“我們希望我們的銷售團隊能夠快速確定當前報價和訂單的可用性，并且能夠在做出調度決策時考慮更多因素和約束條件，”公司信息技術高級副總裁Todd Tuomala 說。
AI在預測中的魔力
英飛朗首個供應鏈AI試點項目將于今年年中在一家制造工廠上線，Tuomala 說。“我們還希望在年底之前為我們的銷售團隊和客戶提供所有產品的可用性信息。”
他說，使用機器學習可以提高公司快速做出調度決策的能力。并且它將允許公司將更多可變因素納入考慮范圍。
英飛朗正在使用Intrigo系統的供應鏈管理技術，結合了Splice Machine公司的AI技術。
Splice Machine公司的首席執行官兼聯合創始人Monte Zweben說，公司已經從他們的供應鏈管理系統中獲得了30年的可用于預測的數據。但直到最近，數據基礎架構才能準確預測交付時間等事情，他補充道。
“如果你是一個大型的網絡設備制造商，并且當你的銷售人員試圖出售這些大型系統時，總會發生的情況是你的銷售人員會被問，'你可以在這個日期之前給我下訂單嗎?而在大多數公司中，即使擁有最好的ERP系統，銷售人員也只能說：'我會回去檢查后回復你。'這是一個讓客戶去其他地方的機會，并可能會得到一個有競爭力的報價 - 畢竟，無論如何，他們必須等待，“Zweben說。
通過實時獲得信息，銷售團隊將能夠與客戶進行談判。也許其中一個訂單項在規定的日期內完成不了，但其他訂單項則可以。“這是一個完全不同的過程，”他說。
但預測交付的能力不僅僅能夠拉動制造和進行運輸調度。憑借智能的供應鏈管理技術，公司可以查看歷史運輸時間和制造細節，并將其與外部數據源(如天氣報告)結合使用。
“你可以根據預測的庫存水平許下承諾，而不是計劃中的庫存水平，”Zweben說。“并且基于可能發生的事情來看好客戶，而不是基于預計會發生什么事情，現在你看到了轉機。”
供應鏈迷局
英飛朗在部署這項技術方面具有特殊的優勢，因為它具有垂直整合的業務模式。但對于其他公司來說，將AI技術用于供應鏈是一個棘手的過程。
“這看起來似乎是個最基本的問題，但業務合作伙伴之間交換的信息中超過50%通過傳真，電子郵件或電話進行傳輸仍然是個事實，”安大略州企業信息管理供應商 OpenText的產品營銷總監Mark Morley說。
因此，物流并不是多數公司考慮部署AI技術時首先想到的領域。
根據Forrester最近一個針對全球決策者的調查結果顯示，在SCM中AI的使用率遠遠落后于市場營銷，產品管理和客戶支持。只有13%的公司報告說，物流體系是其主要考慮或評估AI系統來進行投資的方向。
供應鏈通常涉及大量的外部合作伙伴，其中一些信息化技術可能較為落后。另外，還有數據質量和互操作性的問題，專家說。
Forrester Research副總裁兼首席分析師Boris Evelson表示，在將高級分析和機器學習算法應用于供應鏈數據分析之前，企業必須首先收集數據 - 從他們的制造商，分銷商，經銷商和供應商那里收集數據。
“從這些數據源中獲取數據，是一個巨大的挑戰，”他說。而且就算收集到了數據，它也并不總是立即可以使用。“供應商可能有某個層面的數據，而分銷商可能會有不同層面的數據。供應商可能有單個產品的數據，而分銷商可能只有基于容器的數據。”
但這并不是說公司不可以嘗試去解決這個問題。
“在財富400強企業中，我們所交流過的每一位客戶都對理解，探索和證明概念感興趣，”埃森哲應用情報總監Frank Meerkamp說。“AI在供應鏈管理方面有很多機會。”
他說，消費品領域的公司總是處于風口浪尖，因為他們對利潤率有很大的壓力。
"這不僅僅是炒作，他補充道。“盡管的確有很多炒作，但我認為這是一個積極的事情，我們需要炒作讓人們行動起來，我認為我們正處于旅程的起始階段。”
分析之外的領域
除了被用來進行供應鏈數據分析和進行與物流相關的預測之外，人工智能技術也被用于供應鏈管理的其他領域。
對于消費者來說，人工智能最熟悉的用途之一是使用Siri，Alexa和Google等個人助理。 這些聊天機器人將與搜索，語音識別和自然語言處理結合在一起，所有這些都由AI提供支持。
Meerkamp說，同樣的方法可以用來創建虛擬代理，以幫助企業更輕松地從ERP系統中獲取信息。他表示，這在未來十年將會很常見。
AI的另一個常見用途是圖像識別。這可以在庫存管理中發揮作用，SapientRazorfish商業和內容業務高級副總裁Jason Goldberg說。
他表示，一個正在實踐中的例子就是Amazon Go商店。通過使用一個帶有立體攝像頭的測試機器人在商店走道中漫游，并盤點庫存。而沃爾瑪最近正將一個類似的試點項目擴大到50家店鋪。“零售商擁有準確的店內庫存信息比以往任何時候都更加重要，而計算機視覺正成為實現這一目標的主要技術，”他說。
PayPal產品定價總監Nolwenn Godard表示，定價也是人工智能技術可以活躍其中的領域。包括價格優化和價格調整的自動化。
她補充說，這項技術也將有助于提高人類的生產力。“人類智能和人工智能與自動化的結合將有助于節省時間，降低運營費用并消除人工錯誤。員工將能夠將他們的注意力轉移到非常規的，分析性的和創造性任務上面 - 同時仍然可以得到AI的協助與增強。”
物聯網對AI的促進
就其本身而言，人工智能是一種強大且極具變革性的商業技術。但根據OpenText的Morley的說法，當與物聯網(IoT)結合使用時，它會進入過載狀態。
“當你能夠高效的獲得一個自主供應鏈時，”Morley說。“它可以使供應鏈幾乎具有自我意識，以及自我管理和自我決策的能力。”
ABB，世界上最大的工程公司之一，便一直在研究這一點。
“在過去的五到七年當中，我們在ABB的研究中心一直關注著人工智能和機器學習，”該公司的CSO Satish Gannu說。
例如，ABB一直在構建一個稱為ABB Ability的物聯網平臺。
“通常情況下，我們總是從客戶那里聽到關于狀態監控和可預測性維護的言論，”他說。 “他們希望知道什么時候會出現問題，以及資產還能夠持續運作多久，而當我們知道某些設備會出現問題時，我們就可以將其與備件訂購系統聯系起來。”
這意味著客戶可以防患于未然。“所有的這一切都是為了幫助客戶，讓他們的生產線能夠全天候正常運行，”他說。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號