在供應(yīng)鏈危機期間,創(chuàng)紀(jì)錄的巨量貨船被困在加州南部海岸南部逡巡和等待,而船上裝載的也許就是民眾為圣誕節(jié)準(zhǔn)備的禮物和玩具。隨著貨運量短期暴增、新冠疫情相關(guān)管控的收緊以及勞動力短缺等問題,這些貨物明顯得不到及時的裝卸與加工(圖:Getty)
當(dāng)下,全球面臨的“供應(yīng)鏈”難題并不是一個完整且獨立的問題,而是體現(xiàn)在整條供應(yīng)鏈的幾乎各個環(huán)節(jié)之上。而且即使疫情過去,人才短缺與制造商的悲觀情緒也將繼續(xù)影響整個市場的運作態(tài)勢。
極端氣候事件每月都在發(fā)生,新冠沖擊造成種種直接或間接性的原材料短缺,這一切又反過來令運輸成本急劇上升。
鈑金、電腦芯片以及食品配料等供應(yīng)挑戰(zhàn)已經(jīng)成為現(xiàn)實,半導(dǎo)體行業(yè)、個人防護設(shè)備行業(yè)以及塑料行業(yè)紛紛曝出原材料告罄和工廠停工。而且由于一直招募不到充足的卡車司機,各個街區(qū)的超市里滿是空蕩蕩的貨架。雪上加霜的是,新近美國報告通貨膨脹率高達5.4%,達成最近13年來的最高水平。
現(xiàn)在考慮一下,只有4%的供應(yīng)鏈領(lǐng)導(dǎo)者認(rèn)為自己的運營體系已經(jīng)為未來的挑戰(zhàn)做好準(zhǔn)備。到底是翻開時代的新篇章還是徹底墮入黑暗與災(zāi)難,也許就取決于當(dāng)下一搏。
已經(jīng)有無數(shù)文章討論過目前的困境究竟因何而起、從何而來。沒錯,反思問題很有必要,劃分誰該負(fù)責(zé)也有意義;但更重要的是,我們要怎么解決掉當(dāng)前的危機、并防范未來隨時可能再度爆發(fā)的供應(yīng)鏈災(zāi)難。
現(xiàn)代造船廠鳥瞰圖與通信網(wǎng)絡(luò)概念圖:物流、工業(yè)4.0與工廠自動化(圖:Getty)
AI正是解決之道
根據(jù)Infoholic Resaerch發(fā)布的預(yù)測,物流與供應(yīng)鏈?zhǔn)袌鲋械腁I技術(shù)將在2017年至2023年之間保持42.9%的年均復(fù)合增長率,并于2023年達到65億美元總值。在這場競賽中,誰能運用AI技術(shù),誰就能讓自己的供應(yīng)鏈體系發(fā)揮出最大潛能、克服當(dāng)前危機。我們可以使用AI技術(shù)通過新的分銷模式(包括直接面向消費者、點擊取貨和訂購等)提升規(guī)模與效率,改善客戶、合作伙伴及供應(yīng)商間的互連以利用整個供應(yīng)鏈生態(tài)系統(tǒng)中的自動化元素。
認(rèn)知自動化
認(rèn)知自動化方面的創(chuàng)新強調(diào)以低少人力實現(xiàn)更高產(chǎn)出。認(rèn)知自動化平臺能夠在議定的邊界和業(yè)務(wù)規(guī)則背景之下做出實時建議、預(yù)測結(jié)果并自主作出供應(yīng)鏈決策,進而建立起先進的自主供應(yīng)鏈技術(shù)體系。因此,它有望將以往只能手動完成的重復(fù)性任務(wù)轉(zhuǎn)變?yōu)榫哂凶吭叫阅艿母咚阶詣踊鞒獭?/p>
作為一大特定應(yīng)用領(lǐng)域,復(fù)雜、極易受人為錯誤影響的報關(guān)流程對人員的法規(guī)知識要求極高,而認(rèn)知自動化也許正是解鎖報關(guān)效率的關(guān)鍵。
流程優(yōu)化預(yù)測
由預(yù)測性洞見驅(qū)動的企業(yè)預(yù)測、籌備與發(fā)現(xiàn)能力,有望徹底消除產(chǎn)品交付速度低下的問題,也能幫助企業(yè)通過流程調(diào)整防止業(yè)務(wù)中斷。這類技術(shù)還提供先進的規(guī)則解決方案,能夠更好地感知需求與供應(yīng)變化、加快響應(yīng)能力。
此外,相關(guān)廠商還不斷加強全球各供應(yīng)鏈參與者之間的交互,借此預(yù)測交付路線,更高效地運送、提取并交付貨物。除此之外,供應(yīng)鏈中常被忽視的干擾因素也將被納入掌控,例如預(yù)測機械磨損、提高整體設(shè)備效率指數(shù)并預(yù)測/優(yōu)化車隊燃料使用方式等。
供應(yīng)鏈彈性
AI技術(shù)還有望勾勒出新的供應(yīng)鏈沖擊應(yīng)對前景,例如建立起一套“自我修復(fù)”供應(yīng)鏈數(shù)據(jù)集,利用AI技術(shù)幫助實時發(fā)現(xiàn)并糾正數(shù)據(jù)問題。以此為基礎(chǔ),整個供應(yīng)鏈的敏捷性、靈活性及端到端控制能力都將有所提升,將供應(yīng)鏈績效、風(fēng)險、機會與事件的實時可見性變?yōu)榭赡?,最終幫助領(lǐng)導(dǎo)團隊做出更明智的端到端決策。
AI幫助緩解技能短缺難題
未來,機器將與人類密切合作,在生產(chǎn)流程中的各個階段提供協(xié)助,全面覆蓋從原料/零件質(zhì)量監(jiān)控到產(chǎn)品組裝、再到最終消費者交付等環(huán)節(jié)。有人認(rèn)為,目前全球供應(yīng)鏈中的“最薄弱一環(huán)”在于卡車司機短缺。雖然全自動化駕駛短期內(nèi)恐怕還無法實現(xiàn),但AI方案至少能在一定程度上實現(xiàn)人類卡車司機求職者的招聘與審查自動化,從而在未來數(shù)月、甚至數(shù)周之內(nèi)有效緩解這一技能短缺難題。
八大監(jiān)控與建模案例
沃爾瑪福特與Argo AI已經(jīng)在嘗試使用自動駕駛汽車將貨物運送至客戶家中。最初的試點項目將在華盛頓特區(qū)、邁阿密以及奧斯汀展開,并在成功之后進一步擴大應(yīng)用規(guī)模。
機器能夠分析58個不同數(shù)據(jù)點,并提前一周預(yù)測每日延遲或提前到達情況,同時查明造成延遲的主要原因。
SameDay Bot搭載有激光雷達與標(biāo)準(zhǔn)攝像頭,能夠?qū)\送至最后一英里。經(jīng)過測試與證明,這些機器人能夠有效避免碰撞并提高 配送效率。
Fizyr的軟件能夠與任何攝像頭、機器人及終端執(zhí)行器相集成,幫助企業(yè)隨意選擇最適合自身需求的形式。借助算法,其每秒可完成100多個抓取姿勢,并按照不同分類對目標(biāo)物體執(zhí)行搬運操作。
Nuro制造的R-1機器人能夠?qū)a(chǎn)品運送到輪船或卡車上、穿過人行道甚至爬上樓梯送貨。它們非常輕巧,因此相較于其他傳統(tǒng)機器人要更加安全。
在先進AI技術(shù)的支持下,他們的車輛能夠在包含道路、人行道、行人及鐵路交叉口等元素的復(fù)雜路況下行進,同時提供對話式AI方案以改善人機交互體驗。
這些衛(wèi)星影像能夠作為輸入素材建立起高級地圖工具,從而提高接人、導(dǎo)航及送人等環(huán)節(jié)的精度。他們的衛(wèi)星會以街區(qū)為單位檢測出新的路面標(biāo)記、國道信息及交通模式等變化。
Aooly.ai設(shè)計出一套機器學(xué)習(xí)平臺,能夠持續(xù)監(jiān)控來自銷售點及其他多個來源的傳入數(shù)據(jù),并利用這些數(shù)據(jù)繪制出全面的銷售情況以更好地預(yù)測未來需求。以此為基礎(chǔ),企業(yè)客戶能夠更好地提前規(guī)劃自身需求與最優(yōu)決策,從而減少瓶頸、緩解貨物短缺問題。
用AI預(yù)測下一場疫情
上述解決方案對緩解我們當(dāng)前面對的供應(yīng)鏈問題、提升運營效率都很有價值。但是,引發(fā)這場危機的根源仍然是COVID-19的全球大流行。雖然很多人覺得這樣的意外災(zāi)難“根本無法預(yù)測”,但事實未必如此。
格拉斯哥大學(xué)的研究人員們使用病毒加人類基因組可信來源序列特征,共同開發(fā)出一套機器學(xué)習(xí)模型。這套模型能夠預(yù)測動物病毒略過人體、不產(chǎn)生實際危害的可能性。這樣一種強大的預(yù)測能力將給全世界帶來重大影響。如果科學(xué)家和政府能夠提前預(yù)知哪些病毒有必要跟蹤,就能在爆發(fā)感染之前著手研究并阻止其傳播。
德國目前就在建立一處新的全球數(shù)據(jù)中心,以檢測新出現(xiàn)的流行病威脅。這處世衛(wèi)組織疫情與流行病情報中心將快速分析數(shù)據(jù)以預(yù)測、預(yù)防、檢測、準(zhǔn)備并應(yīng)對全球風(fēng)險。來自格拉斯哥大學(xué)等地的研究成果將被輸入至這處中心,確保:1)我們能夠提前預(yù)防全球健康危機;2)避免這類突發(fā)災(zāi)難演變成全球經(jīng)濟危機;3)避免削弱全球供應(yīng)能力;4)避免社會秩序的破壞進一步延長疫情流行周期。
全球疫情將推動美國各的更多企業(yè)探索將AI添加至供應(yīng)鏈管理平臺。此舉將幫助各類公司建立起更具彈性、更加敏捷的供應(yīng)鏈,確保在一切業(yè)務(wù)條件下始終保持蓬勃發(fā)展。
為了幫助全球供應(yīng)鏈各個環(huán)節(jié)內(nèi)的每一家參與企業(yè),充分利用AI的力量已經(jīng)刻不容緩!
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。