盡管數(shù)據(jù)共享仍然構(gòu)成挑戰(zhàn)，但不少組織已經(jīng)將AI之力應(yīng)用到供應(yīng)鏈管理中的兩大關(guān)鍵領(lǐng)域。

供應(yīng)鏈?zhǔn)莻€(gè)范圍極廣的產(chǎn)業(yè)概念，從產(chǎn)品設(shè)計(jì)起步，一路涵蓋采購(gòu)、制造、分銷、交付與客戶服務(wù)。思科AI/ML數(shù)據(jù)產(chǎn)品主管Devavrat Bapat表示，“在這些方面，AI與機(jī)器學(xué)習(xí)都擁有巨大的應(yīng)用潛力。從現(xiàn)實(shí)來(lái)看，目前這一代AI已經(jīng)非常擅長(zhǎng)處理供應(yīng)鏈管理中的兩類事務(wù)。”其一自然就是預(yù)測(cè)，AI可用于預(yù)測(cè)下游需求或上游供應(yīng)的震蕩波動(dòng)。此外，AI算法還能檢測(cè)出一個(gè)或多個(gè)預(yù)示故障的前兆性事件，搶在真正影響生產(chǎn)質(zhì)量之前就向裝配線操作員發(fā)出警告。

第二點(diǎn)則是檢查，AI可用于發(fā)現(xiàn)制造流程中存在的各類問(wèn)題、認(rèn)證材料和組件，并在整個(gè)供應(yīng)鏈中跟蹤它們的動(dòng)向和變化。

最后，AI還有助于優(yōu)化供應(yīng)鏈，滿足任何給定情況下的具體客戶需求。可問(wèn)題是，基本技術(shù)已經(jīng)客觀存在，接下來(lái)要做的是實(shí)現(xiàn)某種程度的數(shù)據(jù)共享，但這也是當(dāng)今供應(yīng)鏈最為孱弱的環(huán)節(jié)。而在探索的過(guò)程中，現(xiàn)有預(yù)測(cè)和檢查能力已經(jīng)足以為許多公司帶來(lái)顯著收益。

預(yù)測(cè)類用例

以全球最大的包裝公司Amcor為例，其整體收入高達(dá)150億美元，坐擁4.1萬(wàn)名員工和200多家工廠。其大部分市場(chǎng)集中在食品和醫(yī)療藥品的包裝領(lǐng)域。

該公司全球CIO Joel Ranchin表示，“您存放在冰箱中的食品和藥品，有三分之一的包裝出自我們之手。”當(dāng)然，作為制造業(yè)中的一分子，Amcor也面臨著難以準(zhǔn)確預(yù)測(cè)、跟不上市場(chǎng)需求的快速變化等一系列現(xiàn)實(shí)難題。隨著需求的波動(dòng)，食品供應(yīng)鏈中的訂單趨勢(shì)總在不斷變化。例如，在火熱的天氣里，人們更愿意買瓶冰涼的運(yùn)動(dòng)飲料，于是相關(guān)需求會(huì)突然激增，相關(guān)包裝瓶的用量可能瞬間增長(zhǎng)10%到15%。其他類型的產(chǎn)品也是如此，比如漁場(chǎng)水產(chǎn)意外豐收，包裝需求自然也要水漲船高。Ranchin坦言，“雖然我們一直在努力預(yù)測(cè)，但這事非常困難，沒(méi)人能永遠(yuǎn)提前猜準(zhǔn)客戶的實(shí)際需求。”

而在供應(yīng)鏈的另一端，類似的挑戰(zhàn)也同樣存在。如果Amcor無(wú)法準(zhǔn)確預(yù)測(cè)到供應(yīng)短缺，就沒(méi)辦法提前儲(chǔ)備原材料。更重要的是，該公司還得提前考慮價(jià)格波動(dòng)，以便在漲價(jià)之前以較低的成本囤積更多原料，或者在原料即將降價(jià)時(shí)果斷收縮當(dāng)前采購(gòu)量。

大約一年之前，Amcor開(kāi)始嘗試使用EazyML，一套幫助優(yōu)化客戶需求和供應(yīng)預(yù)測(cè)的平臺(tái)。他們用過(guò)去三年的ERP（企業(yè)資源計(jì)劃）數(shù)據(jù)訓(xùn)練這款工具，希望找出波動(dòng)的變化模式。該系統(tǒng)會(huì)努力確定變化類別，以及不同類型的變化具體跟哪些事件有關(guān)。例如，它會(huì)檢查季節(jié)性波動(dòng)，觀察兩種/多種類型的變化是否總會(huì)同時(shí)發(fā)生，又或者各類變化間是否相互排斥。

Ranchin解釋道，“我們的早期結(jié)果令人相當(dāng)振奮，效果比預(yù)期要好得多。只要能夠預(yù)測(cè)變化，我們就能更好地把握原材料需求，并在必要時(shí)提前補(bǔ)充。”

Bapat對(duì)此也深有同感。他表示預(yù)測(cè)已經(jīng)在AI技術(shù)的支持下迎來(lái)了顯著改進(jìn)。“以往 ，很多組織依賴于共識(shí)性預(yù)測(cè)，即使用來(lái)自不同專家的加權(quán)輸入來(lái)得出平均期望。”而研究表明，統(tǒng)計(jì)預(yù)測(cè)（即使用統(tǒng)計(jì)技術(shù)從歷史數(shù)據(jù)中進(jìn)行推斷）的效果始終優(yōu)于共識(shí)方法。機(jī)器智能的表現(xiàn)甚至比統(tǒng)計(jì)預(yù)測(cè)還要好，但前提是一定要使用正確的高質(zhì)量數(shù)據(jù)。

制造流程檢查

AI技術(shù)的另一大重要用例可以參照英特爾公司，他們需要使用光刻技術(shù)將多個(gè)芯片打印在同一片晶圓之上。距離晶圓中心位置越近，芯片的性能與可靠性往往都有保障；而靠近外圈的部分雖然依舊可靠，但大多要犧牲掉一部分性能。英特爾為此設(shè)定了質(zhì)量閾值，會(huì)根據(jù)該閾值衡量芯片以確定要保留還是丟棄。然而，對(duì)晶圓進(jìn)行人工檢查無(wú)疑是個(gè)耗費(fèi)心神且極易出錯(cuò)的過(guò)程。

英特爾高級(jí)副總裁兼CTO Greg Lavender表示，“我們使用AI技術(shù)來(lái)選擇合適的高質(zhì)量芯片，這樣我們就能加快芯片生產(chǎn)速度，并讓投放市場(chǎng)的芯片擁有更佳質(zhì)量。當(dāng)然，我們還嘗試用AI解決其他問(wèn)題。比如，英特爾擁有數(shù)百名AI軟件工程師，可以向CTO直接報(bào)告。他們?nèi)粘９ぷ髦械闹匾糠郑褪菍?duì)我們的制造流程進(jìn)行檢查和測(cè)試。此外，他們還為英特爾開(kāi)發(fā)了產(chǎn)品內(nèi)置的很多AI功能，很多用戶對(duì)此可能根本沒(méi)有留意。”

一個(gè)典型用例就是英特爾提供惡意軟件測(cè)試，借此幫助OEM客戶保障安全。比方說(shuō)運(yùn)行在英特爾筆記本平臺(tái)上的威脅檢測(cè)技術(shù)（Intel Threat Detection Technology）。當(dāng)Windows系統(tǒng)在執(zhí)行代碼時(shí)，該項(xiàng)技術(shù)會(huì)檢查CPU中的指令流，并使用自適應(yīng)學(xué)習(xí)簽名算法查找與惡意軟件簽名相匹配的異常跡象。一旦找到匹配項(xiàng)，該工具就會(huì)攔截或阻止惡意軟件，并通過(guò)警報(bào)提醒Windows Defender當(dāng)前設(shè)備上發(fā)生了感染。

Lavender表示，“威脅檢測(cè)技術(shù)內(nèi)置于我們的所有客戶端CPU之上。這些感染可能通過(guò)供應(yīng)鏈滲透進(jìn)來(lái)，而在最終產(chǎn)品被組裝起來(lái)之后，發(fā)現(xiàn)并將其解決的唯一方法就是使用我們的工具。過(guò)去幾年來(lái)，我們一直在提供這些AI工具。如今世界范圍內(nèi)關(guān)于大語(yǔ)言模型的討論掀起熱潮，所以關(guān)注AI工具的朋友也越來(lái)越多。”

根據(jù)思科公司Bapat的介紹，檢查是供應(yīng)鏈管理中的一大重要組成部分。如果能在產(chǎn)品設(shè)計(jì)過(guò)程中采取正確步驟，檢查的難度也將顯著降低。他解釋道，“如果能在產(chǎn)品設(shè)計(jì)過(guò)程中嵌入儀器以生成檢測(cè)數(shù)據(jù)，借此監(jiān)控設(shè)備中的實(shí)際流量，那企業(yè)就能節(jié)約下大量成本。以往的產(chǎn)品物料清單和勞動(dòng)力負(fù)擔(dān)成本往往非常高昂，而其中的主體大多是產(chǎn)品質(zhì)量保證和監(jiān)管開(kāi)銷。而如今，AI已經(jīng)能幫助我們將成本不斷壓縮至更低的水平。”

產(chǎn)品優(yōu)化

預(yù)測(cè)和檢查當(dāng)然很重要，但除此之外，AI在根據(jù)特定客戶需求進(jìn)行供應(yīng)鏈定制時(shí)，同樣能發(fā)揮重要、甚至是極為關(guān)鍵的作用。Bapat在設(shè)計(jì)AI算法時(shí)就切實(shí)體會(huì)到了這一點(diǎn)。思科當(dāng)初的AI項(xiàng)目開(kāi)發(fā)和部署耗費(fèi)了9個(gè)月時(shí)間，但大家最終驚奇地發(fā)現(xiàn)，這樣的方案居然還得再做大量調(diào)試和優(yōu)化才能正常工作。回想整個(gè)過(guò)程，Bapat意識(shí)到無(wú)論技術(shù)本身有多么先進(jìn)，如果不先搞清楚最終用戶是誰(shuí)、他們要怎么使用技術(shù)方案，那一切預(yù)期結(jié)果都只能是天方夜譚。他還提到，雖然高層管理團(tuán)隊(duì)的話語(yǔ)權(quán)最重，但他們往往并不是最終用戶的主體。

“從那以后，我就一直強(qiáng)調(diào)無(wú)論是在銷售還是供應(yīng)鏈管理工作當(dāng)中，都必須在起步之初就對(duì)基礎(chǔ)業(yè)務(wù)建立起良好認(rèn)知。只有明確理解了實(shí)際需求，我們才能規(guī)劃好后續(xù)的數(shù)據(jù)與AI應(yīng)用路線。”

Bapat認(rèn)為，這一理念在供應(yīng)鏈管理中也同樣適用。“如果你真正關(guān)注最終消費(fèi)者，就應(yīng)該利用AI對(duì)其進(jìn)行細(xì)分、對(duì)齊，并結(jié)合應(yīng)用環(huán)境厘清實(shí)際需求。之后再回歸供應(yīng)鏈設(shè)計(jì)，我們才能發(fā)現(xiàn)其中的不同成本元素：勞動(dòng)力、生產(chǎn)、稅收、庫(kù)存，并做統(tǒng)一優(yōu)化。”

他還補(bǔ)充道，一旦針對(duì)供應(yīng)鏈流程進(jìn)行了優(yōu)化，接下來(lái)就可以部署并實(shí)施質(zhì)量預(yù)測(cè)與維護(hù)，再據(jù)此逆推至采購(gòu)環(huán)節(jié)。

“這也就是大家常說(shuō)的，供應(yīng)商是合作伙伴、而非競(jìng)爭(zhēng)對(duì)手。”

說(shuō)到這里，細(xì)心的朋友肯定意識(shí)到數(shù)據(jù)共享的難點(diǎn)所在——整個(gè)供應(yīng)鏈在本質(zhì)上是由多家獨(dú)立企業(yè)組成的，各方至少出于三個(gè)理由而不可能順暢共享數(shù)據(jù)。首先，各方可能擁有與一家或多家合作伙伴存在競(jìng)爭(zhēng)的業(yè)務(wù)線；第二，各方可能分別是一個(gè)或多個(gè)相互競(jìng)爭(zhēng)的供應(yīng)鏈中的組成部分；第三，各方會(huì)對(duì)自身信息嚴(yán)格保密，借此增強(qiáng)在談判桌上的話語(yǔ)權(quán)和影響力。

所以盡管目前這一代AI技術(shù)已經(jīng)能夠優(yōu)化甚至是定制供應(yīng)鏈，保證以適當(dāng)?shù)膬r(jià)格將適當(dāng)?shù)漠a(chǎn)品交付給適當(dāng)?shù)目蛻簦驗(yàn)槿鄙贁?shù)據(jù)共享這個(gè)前提，一切的一切還只能停留在理論可行的階段。

Bapat最后總結(jié)道，“這實(shí)際也可以看作是一種技術(shù)缺失，即需要一種技術(shù)來(lái)幫助各方組織放心將部分?jǐn)?shù)據(jù)與合作伙伴共享，同時(shí)保證涉及核心利益的關(guān)鍵部分不致泄露。要想達(dá)到這樣的理想效果，我們可能還需要5到10年的發(fā)展周期。”