本週重點:不同行業不同趨勢 (Different sectors different trends) (3)
今日焦點:物流與供應鏈 (微觀) – 技術革命(續)
技術升級正在席捲全球貿易的供應鏈模擬角落。受關注的領域包括:-
2) 物流供應鏈中的[人工智能] (Artificial Intelligence AI) 和機器學習(Machine Learning ML):
• 過去兩年筆者在香港供應鏈中數據分析工作,一直是[危機管理]的一種練習。計劃在實踐中很困難,因為我們大多數都處於[生存模式] (survival mode)。 由於歐洲戰爭和航運限制等因素,中國各地突然封城,我們面臨著全球中斷的挑戰。同時,需要克服的直接障礙是通貨膨脹上升、稅收、能源供應限制和消費者支出的變化。
• 2023 年將是在動蕩的經濟形勢下不斷調整計劃的一年。 企業將不得不從[被動反應轉變]為更加主動。 埃森哲(Accenture) 對 2023 年的看法是“企業需要圍繞三個關鍵理念重新設計其供應鏈:(1) 彈性、(2) 相關性和(3)可持續性”。
• 通過 AI 算法同時實時處理數千個參數,動態加快多條路線計劃,不僅確保整個車隊及時到達,而且確保[成本保持在嚴格的預算範圍內] .有了這樣技術,現在可以毫不妥協地考慮所有不同利益相關者(發送者、承運人和接收者)的綜合要求和約束,為供應鏈上的所有各方提供最佳的運營洞察力和決策支持 . 路線優化不僅要考慮目的地、距離和時間限制,還要考慮預測的交通模式、預測的天氣狀況和服務水平 ,以及第 3 或第 4 方服務提供商及其各自客戶的成本結構。
• 這就是使用 AI 輔助進行數據分析的美妙之處。 為此,我和我的英國團隊在不斷制定 AI 公式的過程中從未讓我失望。 正是這個解決方案的美妙之處讓我徹夜難眠興奮。繼續努力工作,盡我所能使它成功。
• 時間敏感和/或條件敏感(例如,溫度控制)物流等專業正在興起,特別是在新鮮食品(想想:草莓)和醫療保健(例如 COVID 和其他關鍵疫苗)等特定類別中 . 當需要給定的交貨時間或特定溫度時,能夠提供實時響應和[先發製人的問題]避免變得更加重要,對整個供應鏈中,不可預測的條件變化的先發製人的反應,是物流任務的成功關鍵。
• 展望未來5年,人工智能和數據將成為物流行業的主流。
總而言之:至少有 7 個人工智能和機器學習用於物流的用例。
1. 自動化省力:通過人工智能和機器學習可以節省重複性工作。 各種物流任務,從安排發貨到倉庫審計和電子郵件處理,現在都可以由機器自動完成。
2. 管理你的勞動力 : 借助 AI 和機器學習,您的[勞動力調度]變得更加有效,並且對管理人員來說不再是一項艱鉅、耗時的任務。 該過程還有助於不同部門之間和內部更好地劃分和專業化。
3. 系統集成:人工智能是公司不同部分的指標可以同步管理的唯一機制。 如果沒有實時整合和對這些數據結果的綜合分析,就無法真正全面了解公司的表現。
今天我們只關注這三個; 明天繼續。([email protected] <mailto:[email protected]> )