左手采购.右手AI
有故事.有方法.有工具
2024年10月23日
2023年第57篇原创文章
总第720篇原创文章
全文1925字，阅读时间约6分钟
图片来源：2024常州国际卓越运营大会
2024年10月12日，我受邀在2024常州国际卓越运营大会的供应链论坛上发表了主题演讲：“AI驱动下的供应链优化策略与实践”。以下是演讲实录第二篇。
我们进入第二小节：AI赋能供应链
首先，我们来看一组来自毕马威研究报告的数据，有77%的高管同意生成式人工智能AIGC是提升生产力和增强协作的最有力的新兴技术。超过一半的受访者将运营作为采用的首要功能，并且能在客户服务、制造和库存管理等领域立即找到机会。
右侧的柱状图显示的是高管们在运营的各个领域中应用AIGC的优先次序排名。
排在第一位的是客户服务运营，比例高达78%！
这也充分反应了现实的情况，想想看，现在我们有多少接到的电话是AI而不是人工拨打的？粗略估计至少60%以上，甚至更高，比如电商行业。除非你明确要求人工服务，否则你将不再接到真人的电话。
排在第二的是运营流程优化，比例66%。
供应链是个复杂的体系，有很多流程。比如，研发流程、计划流程、采购流程、生产流程等等。这些流程如果不是优化的，供应链的效率就会很低下，并且会直接影响公司的运营。而优化流程正是AI最擅长的领域之一。
排在第三的是生产计划和排产，比例47%。
AI在生产计划和排产中的应用，主要是通过机器学习和优化算法来提高排产的效率和准确性。例如，AI可以分析历史订单和市场数据，进行需求预测，帮助企业更准确地进行生产计划。
在实际案例中，广汽埃安通过AI实现10万种以上参数的自动排程，实现计划驱动的资源分配。此外，AI还可以在生产过程中实时调整排程，以应对突发事件和需求变化，确保生产流程的顺畅和高效。
排在第四的是质量控制和检验，44%。
在之前的分享中，很多嘉宾都提到了AI视觉检测在质量管理中应用。这不仅仅包括AI检测生产线上产品的质量缺陷，也包括让AI看一眼，它能辨别出你的PPE穿戴是否符合标准，比如这样穿会不会触电，会不会受伤，有没有穿防砸鞋，AI看一眼就全知道了。说它是火眼金睛一点都不为过。
最后一个是库存管理43%。
在库存管理方面，AI的应用主要集中在需求预测、库存优化和自动化材料采购。AI系统能够利用实时数据，实现准确、即时的需求预测，从而减少库存积压和缺货风险。例如，通过AI算法，可以确保对各种参数进行持续监控，优化库存水平，减少过度库存或库存短缺的情况。此外，AI还可以通过分析订单频率、分拣模式和交付时间表等数据，在优化仓库管理方面发挥关键作用。
以上这些都是供应链管理中的关键点。
下面的这段视频是一个典型的AI赋能供应链端到端的案例，这里也附上它的中文文稿。
视频来源：英伟达
英伟达的人工智能和模拟解决方案正在为供应链提供比以往更好的效率和智能，确保零售商从车辆首次接近配送中心的那一刻起，就不会错过满足客户期望的节拍。AI简化了应收账款的处理流程。通过计算机视觉，零售商能够检测和识别到达的车辆，并在箱子卸货时对其进行计数，阅读标签以进行快速识别。AI已经确保这些产品是有需求的。有了AI，预测更智能、更准确，让零售商能够洞察客户的需求和时间。
随着产品沿着传送带移动，智能自动化会监控它们的进度。AI可以调整输送机的速度，加快或减慢速度，以最大限度地提高员工的生产力和安全性。拥堵是可以避免的，因为计算机视觉应用可以识别包裹是否倾斜或靠得太近。通过自动调整输送机速度。人工智能消除了停机时间，这可能会让零售商每分钟花费3000到5000美元。同样的智能自动化提升了质量控制，识别损坏的盒子，以确保它们永远不会进入失望的客户手中。而这只是AI可以为供应链带来优化的开始。
英伟达的Omniverse解决方案能够模拟配送中心的设计，在逼真、物理准确的虚拟环境中改善工作流程和吞吐量。零售商可以在数字世界中开发、测试和管理由人工智能驱动的配送中心，然后随着新产品和流程的推出，将这些优化带入现实世界。Omniverse Replicator和Nvidia Tao可用于创建逼真的合成数据，以重新训练实时AI模型。
全球团队正在使用全宇宙实时设计工厂和配送中心。数字人类模拟，测试员工人体工程学和生产力的新工作流程，机器人通过英伟达Isaac机器人平台进行培训和操作，创造最高效的布局。这些AI应用程序通过英伟达舰队命令在边缘高效安全地部署。
在现实世界中，自主移动机器人安全地导航到配送中心楼层，以分拣、存储、检索和托盘化产品。这消除了员工肩上的繁琐手工劳动，并提高了英伟达的效率和吞吐量。通过使用模拟，光学机器人也为订单拣选带来了新的效率，它们经过训练，可以在虚拟仓库中找到最佳路线。当这些经验被带入真正的配送中心时，订单就会被挑选并更快地准备发货。
最终，人工智能解决方案是创建未来配送中心的关键，通过计算机视觉应用程序提高吞吐量，从最初的装载到卡车装载和调度过程中拣选和放置机器人和自动驾驶车辆，简化物料搬运过程，并机器学习推荐理想的配送路线。因此一旦上路，卡车司机就可以在更短的时间窗口内更快地将订单提供给客户。
——未完待续——
【限时福利】如果想获得毕马威完整研报《生成性人工智能在供应链中的应用：通往更好回报的途径》，请“不分组”转发这篇文章到微信朋友圈并保持至少72小时，转发后请第一时间加我微信（ID：sound2music）并且发我转发截图，验证后发你。转发文章得福利截至日2024年10月30日。
来源：毕马威研报
延展阅读
版权声明：“卢山说AI精进”个人公众号的文章均为本人原创。未经本人许可，禁止进行转载、摘编及复制等任何使用。如需转载、引用或者有其它意向，请事先通过本公众号后台等方式申请并获得授权。原创文章中的部分文字、图片源于网络，如有任何问题请联系本公众号。
