用更高的智慧和洞察力挽救傳統ERP系統

要想新的商業模式取得成功，企業需要快速響應各種突發情況，及時作出應對策略。但是，對于傳統ERP系統來說，這幾乎是實現不了的，因為傳統ERP技術堆棧和系統并不是基于交付中最重要的數據而研發的。

成功的商業模式必定是基于成功的云ERP。在技術支持下，云ERP平臺和應用程序為企業提供了靈活性。許多人采用應用程序編程接口(API)的方法與傳統ERP系統集成，來獲得增量數據。在如今的云ERP時代，基于云平臺重新構建IT架構可以獲得更快的速度、更大的規模以及客戶透明度，但是事實好像并不如此。

當ERP系統不斷學習改進時，新的商業模式就開始蓬勃發展，這也是ERP平臺能夠發揮的最大作用之一。云平臺可以提供更強大的集成選項和更大的靈活性來定制應用程序，并提高可用性。

以下是人工智能改進云ERP的10種方法：

1、云ERP平臺需要創建一個知識自學系統，用人工智能進行調配，從實地操作到架構設計，并且跨越供應商網絡。創建一個基于云的基礎設施，集成核心ERP Web服務、應用程序和實時監控，為人工智能和機器學習算法提供穩定的數據流，從而加快整個系統的學習速度。云 ERP平臺集成路線圖需要包括API和Web服務，以便與供應商和買方系統連接，同時與傳統ERP系統集成，來整理分析他們生成的數據。

▲波士頓咨詢集團，未來工廠的人工智能，2018年4月

2、從語音系統到高級診斷，虛擬代理有可能重新定義制造領域。Apple的Siri，Amazon的Alexa，Google Voice和Microsoft Cortana都有可能被修改，以簡化操作任務和流程，為復雜任務提供指導方向。比如，機械制造商正在試用語音代理提供的工作指令，簡化按訂單配置、生產的工作流程。Amazon已經成功與汽車制造商合作，并且獲得過很多獎項。

▲公司網站

3、在數據結構層面設計物聯網(IoT)。通過數據結構層面的設計，云ERP平臺能夠利用物聯網設備產生的海量數據流，向人工智能和機器學習應用程序提供物聯網數據，彌補很多公司在追求新業務模式方面的智能差距。Capgemini(凱捷管理顧問公司)提供了一個物聯網用例分析(如下圖所示)，著重介紹了生產資產維護和資產跟進的實現方式。其中，云ERP平臺可以通過物聯網支持加速整個過程。

▲資料來源：凱捷物聯網(IOT)研究，釋放物聯網在運營中的商業價值

4、人工智能可以改進整體設備效率(OEE)，但是目前效果并不明顯。通過人工智能和機器學習，制造商將有機會深入了解OEE，然后實現OEE績效平穩化。當云ERP平臺成為一個持續的學習系統，機器和生產資產的實時監控就可以更好的維護車間的平穩運行。

▲行業分析

5、將機器學習算法設計為可跟蹤、可追溯的，以預測供應商和產品質量。機器學習擅長通過基于約束的算法查找不同數據集的模式。供應商在他們的質量和交付計劃性能水平上差距很大，使用機器學習可以跟蹤應用程序，以確定供應商的風險大小。

6、云ERP供應商可以通過人工智能和機器學習來縮小PLM、CAD、ERP和CRM系統之間的配置差距。成功的產品配置策略依賴于一個基于生命周期的產品配置視圖，它不僅可以緩解工程師的設計壓力，還能緩解銷售和市場營銷以及制造者在構建產品時的各種沖突。人工智能可以實現生命周期配置管理，簡化流程中的CPQ和產品配置策略，避免時間浪費。

7、通過高質量的數據，可以提高需求預測的準確性，并基于機器學習預測模型與供應商達成更好的協作。通過創建自學知識系統，云ERP供應商可以極大地提高數據延遲率，從而提高預測的準確性。

8、通過分析機器數據來確定何時需要替換給定部件，從而減少設備故障并提高資產利用率。使用配備IP地址的傳感器，可以在每臺機器的健康級別上捕獲穩定的數據流。云ERP供應商有機會捕獲機器級數據，使得機器學習技術可以通過生產車間的整個數據集來查找生產性能模式，在機器出現故障的情況下，這一點是極為重要的。

9、使用生產事故報告預測可能的生產問題需要在云ERP平臺實現。比如，當地的飛機制造商正在通過預測模型和機器學習比對過去的事故報告。傳統的ERP系統無法發現這些問題，最后會導致生產速度變慢甚至停止。

10、通過機器學習算法匯總分析供應商檢測、質量控制、退料審查(RMA)和產品故障數據，來提升產品質量。云ERP平臺處于一個獨特的地位，能夠在整個產品的生命周期內進行擴展，并從供應商到客戶捕獲高質量的數據。對于傳統的ERP系統而言，制造商通常按類型分析廢料。所以，現在有必要弄清楚產品失敗的原因，機器學習恰好可以完成這個任務。