用于构建智能供应链的 AI/ML

一个 智能供应链 集成数据、自动化和先进的分析技术，为供应链的不同部分提高效率并降低成本。通过增强客户体验，它可以成为组织战略优势的来源。它通常由优化和人工智能/机器学习技术的组合支持。我们探索了五个用例，将它们映射到供应链管理的五个要素：计划→采购→制造→交付→逆向物流。

1. 短期需求感知（计划）：库存管理是一项关键的供应链活动。营运资金和存储成本与库存水平相关，而库存水平又取决于对需求的准确预测等因素。高水平的预测准确性有助于在正确的时间、正确的地点制造正确数量的产品，从而有助于降低库存成本和缺货情况。这有助于优化仓库库存，降低安全库存水平，从而降低成本，同时避免可能导致长期业务和收入损失的缺货。支持人工智能的应用程序可以识别客户订单的模式，并将某些领先指标与短期需求相关联，从而比传统方法更加准确。借助实时订单信息，我们可以自动预测当前和下个月的需求，并定期刷新。

2. 供应商细分（来源）：大型组织可能拥有数百或数千个供应商，这些供应商构成其供应链不可或缺的一部分。不同数量的不同原材料均来自供应商。为了降低采购成本，同时提高供应可靠性，对不同的供应商采用不同的策略将很有帮助。鉴于供应商数量众多，将供应商分为几个关键组在这方面将是有益的。这种类型的细分将有助于就原材料价格、数量和供应时间进行有针对性的合同谈判，以优化支出。支持人工智能的应用程序可以根据数量、价格、战略关系、可靠性等特征对供应商进行细分，使采购专家能够为集群内的供应商采用类似的采购策略。此细分可以每月或每季度刷新一次，以适应供应商的变化。

3. 设备故障预测（Make）：由于可靠性故障导致的计划外停机在制造运营中很常见。这些往往会给产品库存带来压力，并可能导致客户履行的延迟。预测何时可能发生此类停机可以帮助工厂采取措施降低设备故障的风险，或者通过建立库存来提前做好准备以应对停机。这些预测和随后的缓解行动可以帮助避免缺货和收入损失，并推动对预防性维护选项的投资，以避免昂贵的维修。支持人工智能的应用程序可以将设备故障与导致意外设备故障前数天或数周的关键测量值（例如吞吐量、压力、温度等）关联起来，并提供有关故障时间的见解。根据测量的粒度，应用程序可能每天或每隔几天运行一次，以评估故障风险。

4. 交货时间预测（Delivery）：按时向客户交货是衡量供应链绩效的关键指标，直接影响客户体验。组织衡量此指标并根据历史延迟趋势积极尝试改进它。能够准确预测交货时间可以帮助在客户要求的时间将产品交付给客户，从而避免不良的客户体验和业务损失，并避免因延迟交货而产生的罚款和其他费用。支持人工智能的应用程序可用于根据开始日期和时间、季节、承运商、来源和目的地等属性来预测交货时间。对每批货物的这种预测将使客户能够随时了解情况并增强客户体验和保留率。此外，这还提供了优化航线和选择表现更好的承运商的机会。

5. 客户退货预测（逆向物流）：一定比例的销售额因各种原因被客户退回，包括不符合质量规格或运输延误。为了准备退货、存储和处理，公司需要准确估计退回的产品数量。这将有助于降低存储和处理成本。支持人工智能的应用程序可以根据过去几周的客户发货情况提供退货总量。该预测可以每周更新一次。