快捷搜索:  物流周刊  供应链  物流  亚马逊  物流新闻  2019

人工智能和机器学习在供应链和物流中的力量

物流维权人工智能。机器学习。预测性物流。
 
这些主题在今天引起了很多关注,但是它们也引起了供应链和物流主管的许多问题。这些技术是什么?他们如何提供帮助?什么是真实的,今天有何炒作?我应该怎么做才能开始?
 
这些是我在最近的Talking Logistics一集中与ClearMetal首席执行官Adam Compain讨论的一些问题。我通过要求亚当为这些术语提供清晰的定义并分享他对为何对这些领域的兴趣日益浓厚的观点来开始对话。这是他的话:
 
要理解的最重要的事情是,当我们谈论人工智能和机器学习时,我们真正在谈论的是一种与以往根本不同的计算类型。如果您想简化它,我经常使用的类比是智能手机和翻盖手机之间的区别……这是一种计算技术,是我们每天做出非常复杂的决定时必不可少的副驾驶,无论是个人使用智能手机来导航交通世界,还是使用供应链来导航在进行全球交易时都会出现问题的所有异常情况。
 
如果您看看那里的业务领导者,例如亚马逊,Facebook和我的前雇主Google,他们都说过,从现在开始,他们所做的一切都将得到AI的辅助……这就像我们从模拟业务中看到的浪潮使用计算机来做不同的事情并做出更好的决策。
 
到达定义时,当我们谈到人工智能时,它实际上是对利用这种不同类型的计算的一组技术的总称。之所以命名为AI,是因为它在许多方面模仿了人类的行为方式,思维方式和模式识别方式。它只是在一个复杂得多的数量级上进行操作。
 
当我们谈论机器学习(这是AI的核心原则之一)时,它是两种不同的计算方式:首先,机器学习意味着无需编程和规定静态算法来了解世界的运作方式-放置数据在算法的一侧,然后像方程式一样从另一侧获得输出-机器学习改为查看大量数据,并从中发现并识别出人眼或训练有素的统计学家无法预料的模式或编写算法的人。
 
其次,机器学习的作用是,它收到的每条新信息或数据实际上都是随着时间的推移而学习的。这模仿了人类的行为方式,但是在两种情况下,它所看到的模式和相关性都远胜于我们,其感知水平远远超出了人类的能力。
 
“从历史上看,我们所看到的是供应链运营商主要侧重于物理操作和物理规模经济来解决问题,” Compain补充说。“但是从像Google这样的地方来的,我们了解到,有很多方法可以利用技术和变得更聪明,而不是更大的能力来解决问题。”
 
这就是Predictive Logistics的用武之地。“这是关于大规模使用情报的问题,” Compain说。“这是关于积极主动和预测性的,而不是被动的,只是事后处理异常。这也是公司希望更多地以市场为导向,以客户为导向,以数据为导向,而不是基于运营的想法,因此,这一类别[使]下一代供应链和物流得以实现。”
 
Compain还谈到了数据在实现预测性物流中的重要性以及常见的误解:
 
显然,数据是未来预测性物流和增强预测可见性所必需的,但是人们误解为您需要不同的新型数据,例如在进行预测性物流之前需要为所有容器或货盘配备传感器。这实际上是一个谬论。只要您可以使用机器学习理解该行业中的数据,就可以利用它们来做诸如预测之类的事情,并使用已有的数据获得智能的见解。

您可能还会对下面的文章感兴趣: