幾天前和一位做AI的老大聊天，他說全球做人工智能的企業(yè)基本都不賺錢，但這并不妨礙人工智能成為最熱門的投資熱點，為什么，我們從倉儲，分銷和物流這個行業(yè)來來了解一下
人工智能在航運和物流中的應(yīng)用
需求預(yù)測:需求預(yù)測依賴于歷史數(shù)據(jù)，使用人工智能可以進一步加強對歷史和實時數(shù)據(jù)的分析，提供準(zhǔn)確的需求預(yù)測。有了更準(zhǔn)確的需求預(yù)測，托運人可以優(yōu)化庫存管理、分派和勞動力計劃，從而提高服務(wù)水平。麥肯錫在一份報告中表示，人工智能預(yù)測方法可以將供應(yīng)鏈網(wǎng)絡(luò)中的錯誤減少30-50%。
供應(yīng)計劃:供應(yīng)計劃是物流的重要組成部分。人工智能可以幫助基于實時數(shù)據(jù)的需求分析。企業(yè)可以動態(tài)調(diào)整其供應(yīng)計劃參數(shù)，以優(yōu)化供應(yīng)鏈流程，提高效率，并增加盈利能力。
倉儲自動化:由于當(dāng)前全球形勢，供應(yīng)鏈中對非接觸式流程的需求不斷增加，似乎推動了高級自動化業(yè)務(wù)流程的必要性。人工智能有可能徹底改變倉儲領(lǐng)域的自動化。將機器人技術(shù)與人工智能相結(jié)合，機器人可以跟蹤和定位庫存，并執(zhí)行通常需要額外勞動力來完成的挑選和包裝功能。自動化帶來了高效的資源分配，使勞動力能夠做更多有價值的活動，而不是手工瑣事。深度學(xué)習(xí)進一步促進了這些機器人的學(xué)習(xí)，使它們能夠在部署它們的場景中自主地做出活動決定。
智能計算機視覺:深度學(xué)習(xí)和人工智能使先進的掃描、監(jiān)控和自動化技術(shù)能夠通過圖像和視頻可視化許多物流場景，并進行相應(yīng)的直接操作。這改變了裝貨時貨物的尺寸或破損檢查、標(biāo)簽和堆疊安排。計算機視覺與深度學(xué)習(xí)結(jié)合在自動駕駛汽車上實現(xiàn)自動和智能導(dǎo)航，現(xiàn)在已成為現(xiàn)實。
工作流程自動化:工作流自動化是利用人工智能來簡化復(fù)雜和手工的后臺操作。在貨運代理中，文檔處理是一項乏味的工作，并且具有使用機器人過程自動化(RPA)和光學(xué)字符識別(OCR)進行自動化的巨大潛力。運輸文件并非都采用標(biāo)準(zhǔn)格式，而這正是此類技術(shù)能夠自動閱讀和理解打印或手寫文件的地方。這種工作流程自動化可以解放物流人員的大量工作時間，并分配他們做更多的增值活動。
預(yù)測物流:供應(yīng)鏈上的不同接觸點產(chǎn)生廣泛的數(shù)據(jù)。更好的機器學(xué)習(xí)算法可以提取對決策至關(guān)重要的物流預(yù)測洞察力。人工智能可以幫助做出與產(chǎn)能規(guī)劃、預(yù)測和網(wǎng)絡(luò)優(yōu)化相關(guān)的決策，從而簡化運營并提高整體供應(yīng)鏈績效。人工智能廣泛應(yīng)用于動態(tài)路線優(yōu)化、管理交付時間窗口、優(yōu)化燃油消耗和負載能力利用率等最后一英里交付活動，從而推動供應(yīng)鏈的數(shù)字化。
增強的貨運跟蹤:貨運可見性數(shù)據(jù)對整個供應(yīng)鏈的績效至關(guān)重要。人工智能跟蹤和跟蹤功能有助于準(zhǔn)確預(yù)測ETAs和ETDs。此外，對供應(yīng)鏈中斷、延誤和航路風(fēng)險發(fā)出警報的能力可以幫助企業(yè)提高靈活性，并采用備份措施，以避免重大損失。機器學(xué)習(xí)還可以幫助分析歷史數(shù)據(jù)，以確定航運模式，考慮各種因素，如天氣條件、季節(jié)性需求波動、貿(mào)易通道擁堵等。隨著語音助手或聊天機器人的廣泛使用，客戶或客服人員可以在幾秒鐘內(nèi)提取跟蹤信息。
倉庫里的人工智能(AI)和物聯(lián)網(wǎng)(IoT)
很簡單，是的，我們正處在倉庫真正應(yīng)用人工智能和物聯(lián)網(wǎng)的時刻。兩者都是強大的新工具，可以更好地使倉庫和配送中心的活動跟上快速變化的供應(yīng)鏈動態(tài)。
“不要被人工智能和物聯(lián)網(wǎng)所迷惑，”Nate Brown,CEO of EVS表示。“兩者都被用來解決以前的問題。他們只是做得更好。物聯(lián)網(wǎng)提供了以前無法獲得的數(shù)據(jù)，這是更深層次的見解。人工智能分析微觀決策，并優(yōu)化到以前不可能達到的水平。”
HighJump首席技術(shù)官肖恩埃利奧特(Sean Elliott)表示:“如果倉庫里沒有人工智能，物聯(lián)網(wǎng)就毫無意義。”“你需要結(jié)合新的數(shù)據(jù)來源，即物聯(lián)網(wǎng)，以及更好的解決方案，即人工智能，來理解數(shù)據(jù)，發(fā)展見解并根據(jù)這些知識采取行動。這兩項技術(shù)對于改善運營性能至關(guān)重要。”
此外，專家們認(rèn)為，這兩種技術(shù)對于適應(yīng)目前從預(yù)測驅(qū)動型向需求驅(qū)動型DCs（分銷中心）的轉(zhuǎn)變至關(guān)重要。
盡管如此，Softeon的首席營銷官Dan Gilmore表示，這兩種技術(shù)都還處于早期階段。
一些公司尚未推出商業(yè)產(chǎn)品。其他公司正在試運行中。還有一些公司在短時間內(nèi)提供了一種產(chǎn)品。展望未來，JDA及其合作伙伴已承諾在未來三年內(nèi)投入5億美元用于研發(fā)，銷售/全球合作伙伴和聯(lián)盟高級總監(jiān)史蒂夫·西默曼(Steve Simmerman)說。
顯然，人工智能和物聯(lián)網(wǎng)正在敲倉庫的門，您應(yīng)該喜歡這個敲門聲。
建立物聯(lián)網(wǎng)
讓我們面對現(xiàn)實吧，倉庫和分銷中心同事正面臨前所未有的壓力。
“訂單一整天都在源源不斷地涌來，挑戰(zhàn)在于找出如何最好地及時處理這些訂單，”曼哈頓聯(lián)合公司(Manhattan Associates)產(chǎn)品管理高級總監(jiān)亞當(dāng)克萊恩(Adam Kline)說道。
他接著說，即使倉庫管理系統(tǒng)(WMS)已經(jīng)就位，這些決策也是根據(jù)既定規(guī)則、既定能力和既定資源做出的。然而，這些訂單并不是靜態(tài)的。“系統(tǒng)需要智能地平衡能力和資源，才能最大化利益，”Klin說
Gilmore說:“只有人工智能和物聯(lián)網(wǎng)合作，才能根據(jù)當(dāng)前情況臨時做出決定。”
那么，這些物聯(lián)網(wǎng)數(shù)據(jù)到底從何而來?很多已經(jīng)在你的設(shè)施里了。
從傳送帶到自動引導(dǎo)車輛和自動存儲系統(tǒng)等物料處理設(shè)備都接收和發(fā)送有關(guān)其活動的數(shù)據(jù)。從掃描儀到語音系統(tǒng)的手持設(shè)備也做同樣的事情。
Epicor產(chǎn)品管理高級總監(jiān)Mark Jensen表示:“大多數(shù)設(shè)施都在引入越來越多的數(shù)據(jù)設(shè)備，這些設(shè)備正在發(fā)展成為一個新興的物聯(lián)網(wǎng)網(wǎng)絡(luò)。”很多時候，簡單的傳感器提供了以前無法用于決策的信息。智能手機是這個新網(wǎng)絡(luò)的一部分。
關(guān)于人的數(shù)據(jù)也很重要。盧卡斯系統(tǒng)公司(Lucas Systems)的項目工程總監(jiān)賈斯汀里特(Justin Ritter)解釋說:“人們在特定時刻在什么位置、他們在做什么，以及如何最好地利用數(shù)據(jù)，這些都很重要。”
正如曼哈頓的克萊恩所指出的，實時定位系統(tǒng)正在到位，以跟蹤人們以及他們對特定任務(wù)的可用性。事實上，有幾種類型的實時定位系統(tǒng)可用，包括智能手機、無源無線電信標(biāo)和RFID。
“根據(jù)皮特最近的掃描結(jié)果，很多機構(gòu)都知道他在哪里。但當(dāng)你使用實時定位系統(tǒng)時，你就能隨時知道皮特在哪里。
Gilmore補充說，還有人和機器人的問題。他稱其為配對能力，可以讓合適的人和合適的機器人使用物聯(lián)網(wǎng)數(shù)據(jù)完成訂單。吉爾摩補充道:“這是一個將地點，人和任務(wù)一起協(xié)同的問題。”“這里需要新的思維。
構(gòu)建人工智能
LeanDNA首席執(zhí)行官理查德萊博維茨(Richard Lebovitz)表示:“盡管獲取數(shù)據(jù)變得越來越簡單，但大多數(shù)機構(gòu)缺乏決定如何使用這些數(shù)據(jù)以及采取何種行動的能力。這一切都是要彌合預(yù)測和制造業(yè)實際情況之間的差距。”這就是人工智能的切入點。
EVS的Brown給出了倉庫人工智能的基本定義。“它學(xué)習(xí)并對當(dāng)前狀態(tài)做出反應(yīng)，而不僅僅是一套預(yù)先設(shè)定的規(guī)則，”他說。
HighJump公司的埃利奧特解釋說，人工智能和物聯(lián)網(wǎng)并不是一枚硬幣的兩面。“但它們確實存在共生關(guān)系。人工智能接收到的有關(guān)動作和互動的數(shù)據(jù)越多，它就越能了解如何適應(yīng)當(dāng)前條件，”他補充道。
雖然很多物聯(lián)網(wǎng)數(shù)據(jù)來自四面圍墻內(nèi)，但以晚入站加載為例。JDA的Simmerman說:“DC會收到由控制塔管理的物聯(lián)網(wǎng)信號的警報，負載將會延遲到達。”“人工智能獲取這些信息，并確定最佳時間，釋放和部署特定數(shù)量的勞動力來卸載卡車。人工智能還可以決定哪些貨物應(yīng)該直接用于訂單或存儲。這時，你對如何使分銷中心最有效地運行有了一個新的可見性和智慧水平，”Simmerman說。
要做到這一點，確實需要物聯(lián)網(wǎng)提供的數(shù)據(jù)粒度。盧卡斯的數(shù)據(jù)科學(xué)家Graham Yennie解釋道:“數(shù)據(jù)粒度是讓AI在新情況出現(xiàn)時進行學(xué)習(xí)的關(guān)鍵因素。”這種特殊形式的人工智能被稱為機器學(xué)習(xí)
將物聯(lián)網(wǎng)和人工智能結(jié)合在一起
物聯(lián)網(wǎng)和人工智能在分銷中心(Distribution Center)還有更大的用途。這兩種技術(shù)使得DC從預(yù)測驅(qū)動轉(zhuǎn)變?yōu)樾枨篁?qū)動成為可能。也就是說，當(dāng)它們與WMS、倉庫執(zhí)行系統(tǒng)甚至工作執(zhí)行系統(tǒng)相結(jié)合時。LeanDNA的Lebovitz說，從預(yù)測到需求驅(qū)動的運營是DCs向前發(fā)展的一個巨大但絕對必要的支點。
這一切都是為了應(yīng)對當(dāng)前從制造和分銷主導(dǎo)供應(yīng)鏈的轉(zhuǎn)變。越來越多的客戶已經(jīng)超越了低成本，供應(yīng)鏈效率成為主要驅(qū)動因素。
因此，一系列公司正在研究、試點并全面整合人工智能和物聯(lián)網(wǎng)在倉庫運營中的應(yīng)用。
盧卡斯系統(tǒng)(Lucas Systems)和EVS等公司正在進行盡職調(diào)查，以決定如何將這兩項技術(shù)與他們現(xiàn)有的軟件包集成。盧卡斯系統(tǒng)公司預(yù)計將在明年春天深入進行beta測試。與此同時，EVS正在用其WMS包測試客戶數(shù)據(jù)。
LeanDNA已經(jīng)將人工智能與制造業(yè)務(wù)的庫存分析結(jié)合起來。它的軟件被一系列公司使用，通過連接到他們的企業(yè)資源規(guī)劃(ERP)系統(tǒng)來簡化操作。
機器人軌道和機器人技術(shù)是HighJump努力將技術(shù)與WMS整合的關(guān)鍵。試點項目正在兩個地區(qū)進行。
Softeon的重點是跟蹤工人及其活動和設(shè)備，比如使用無源無線電信標(biāo)的移動機器人。機器人軌道也是一個重點。這兩款軟件都與Softeon的WMS集成，應(yīng)該可以更快更好地做出決策。
物聯(lián)網(wǎng)和人工智能都與曼哈頓（Manhattan）的倉庫執(zhí)行包集成在WMS中。訂單流、機器人技術(shù)和分銷控制都受益于近18個月前引入的功能。
Epicor的分銷管理軟件剛剛完成物聯(lián)網(wǎng)的beta測試。同時，在ERP系統(tǒng)的虛擬代理中完全集成了AI。
一年多前，JDA收購了Blue Yonder公司及其人工智能功能。這已經(jīng)成為了JDA數(shù)字化預(yù)測分析策略的支柱，該策略旨在創(chuàng)建該公司正在開發(fā)的東西——一種自學(xué)習(xí)供應(yīng)鏈的狀態(tài)。物聯(lián)網(wǎng)是其長期戰(zhàn)略的一部分?？刂扑?、云計算和倉庫任務(wù)處理尤為重要。
物聯(lián)網(wǎng)和人工智能在倉庫運營中的應(yīng)用可能還處于早期階段。但是發(fā)展的速度可能超乎您的預(yù)期。
機器人過程自動化(RPA，Robotic Process Automation))和智能過程自動化(IPA,Intelligent Process Automation)
四分之一的《財富》500強企業(yè)將人工智能投資轉(zhuǎn)向更普通的短期或戰(zhàn)術(shù)IPA項目，“效率明顯提高”，大約一半的人工智能平臺提供商、全球系統(tǒng)集成商和管理服務(wù)提供商將在其投資組合中強調(diào)IPA。
基于這些IPA用例的成功，IDC預(yù)測，到2022年，75%的企業(yè)將把智能自動化嵌入到技術(shù)和流程開發(fā)中，使用基于人工智能的軟件發(fā)現(xiàn)運營和體驗洞察力，以指導(dǎo)創(chuàng)新。
到2024年，人工智能將成為參與很多業(yè)務(wù)，導(dǎo)致25%的人工智能解決方案作為“結(jié)果即服務(wù)（outcome as a service）”，推動大規(guī)模創(chuàng)新和卓越的商業(yè)價值。人工智能將通過重新定義用戶體驗成為新的用戶界面，其中超過50%的用戶觸摸將由計算機視覺、語音、自然語言和AR/VR增強。在未來幾年內(nèi)，我們將看到人工智能和計算機視覺、自然語言處理和手勢等新興用戶界面嵌入到每一種產(chǎn)品和設(shè)備中。
新興技術(shù)是高風(fēng)險技術(shù)。Forrester公司警告說，2020年，三場高調(diào)的”災(zāi)難”將“破壞了聲譽”，因為人工智能故障和傷害可能性將有所增加:面部識別的錯誤使用和過度個性化等等。
盡管如此，F(xiàn)orrester還是強調(diào)了積極的方面，他相信“這些糾紛案不會減緩明年人工智能的應(yīng)用計劃。”相反，他們將強調(diào)設(shè)計、測試和部署負責(zé)任的人工智能系統(tǒng)的重要性，以及考慮偏見、公平性、透明度、可解釋性和問責(zé)性的健全人工智能治理。”
IDC預(yù)測，到2022年，可能由于一些的“公關(guān)災(zāi)難”，超過70%的G2000公司將有正式的項目來監(jiān)控他們的“數(shù)字可信度”，因為數(shù)字信任成為了一種關(guān)鍵的企業(yè)資產(chǎn)。
Forrester表示，領(lǐng)導(dǎo)力很重要，擁有首席數(shù)據(jù)官(CDOs)的公司在其洞察計劃中使用人工智能、ML和/或深度學(xué)習(xí)的可能性，已經(jīng)是沒有CDOs的公司的1.5倍。
到2020年，首席數(shù)據(jù)和分析官(chief data and analytics officers，cdao)和首席信息官(CIO)等對人工智能持認(rèn)真態(tài)度的高管將確保數(shù)據(jù)科學(xué)團隊擁有他們所需的數(shù)據(jù)。Forrester表示，真正的問題是“從復(fù)雜的應(yīng)用程序組合中尋找數(shù)據(jù)，并說服各種數(shù)據(jù)看護人同意。”
IDC指出，“智能自動化的有效使用需要IT部門在數(shù)據(jù)清理、整合和管理方面付出巨大努力。”在遺留系統(tǒng)中解決過去的數(shù)據(jù)問題可能是一個巨大的進入障礙，特別是對于大型企業(yè)。”
Forrester表示，2020年，“科技精英（Tech Elite）”將提高人工智能和設(shè)計技能的融合，將以人為本的設(shè)計技能與人工智能開發(fā)能力相結(jié)合將是關(guān)鍵。IDC預(yù)測，到2024年，75%的企業(yè)將投資于員工再培訓(xùn)和發(fā)展，包括第三方服務(wù)，以解決采用人工智能帶來的新技能需求和工作方式。
構(gòu)成“勞動力”的要素將繼續(xù)擴大，IDC預(yù)測，隨著智能自動化在整個企業(yè)的擴展，IT組織將管理和支持越來越多的人工智能RPA機器人勞動力。勞動力的另一個補充將是聊天機器人，在企業(yè)中協(xié)助完成各種任務(wù)。但Forrester預(yù)測，每5個人工智能會話交互中就有4個無法通過圖靈測試。
已經(jīng)完成的工作也將繼續(xù)擴大。IDC表示，隨著計算能力從數(shù)據(jù)中心向邊緣計算移動，IT將面臨管理和控制邊緣處理設(shè)備的挑戰(zhàn)。到2023年，近20%使用人工智能優(yōu)化處理器和協(xié)同處理器處理人工智能工作負載的服務(wù)器將部署在邊緣。到2025年，50%的計算機視覺和語音識別模型將在邊緣(包括端點)上運行。
人工智能將無處不在，IDC估計，到2025年，至少90%的新企業(yè)應(yīng)用程序?qū)度胧饺斯ぶ悄芄δ?。然而，IDC補充說，真正具有顛覆性的人工智能主導(dǎo)的應(yīng)用將只占總數(shù)的10%左右。
所以我們只要再等5年，就能看到人工智能的“真正顛覆性”潛力最終實現(xiàn)，到2020年，“隨著預(yù)期回歸現(xiàn)實，人工智能的繁榮將會加劇。”Forrester預(yù)測2020年人工智能融資將達到另一個新的高峰，但它斷言這將是最后一個高峰——“全球有2600多家公司，人工智能創(chuàng)業(yè)生態(tài)系統(tǒng)即將是一個飽和的市場。”
人工智能將如何提升供應(yīng)鏈管理?
物流已經(jīng)成為供應(yīng)鏈和商業(yè)模式不可分割的一部分。與過去不同的是，企業(yè)現(xiàn)在開始關(guān)注于他們所期待的新時代技術(shù)的發(fā)展。人工智能(AI)就是這樣一種技術(shù)，它有潛力利用物流來克服目前的挑戰(zhàn)。零售物流面臨的挑戰(zhàn)最大，因為它直接迎合消費者，并使其更加復(fù)雜。物流目前需要預(yù)測消費者需求，商品需求，一個更簡單的過程，和流線型的工作流程，以保持不受阻礙和盈利。
人工智能處理文檔（AI+RPA）
過去，世界各地的組織都在努力管理物流文書工作，因為這些文書工作容易出錯，成本高，耗時長。如果采用人工智能，無需人工干預(yù)，就可以自行輸入數(shù)據(jù)和人工智能接口，從而實現(xiàn)過程自動化和節(jié)約資金。此外，從這些數(shù)據(jù)中獲得的見解使公司能夠提高他們的支付和文檔方法，并保持對它們的跟蹤。
預(yù)測分析
人工智能的主要優(yōu)點是對客戶需求的預(yù)測分析。將人工智能整合到物流中可以讓制造商和零售商了解消費者的需求。零售商將能夠了解特定時間或地區(qū)對特定商品的需求，并據(jù)此進行采購。來自零售商的數(shù)據(jù)將幫助供應(yīng)鏈中的所有其他實體重新定義它們的庫存。
加強管理
除了客戶需求，人工智能還可以幫助組織改善物流管理系統(tǒng)，因為這將使他們能夠?qū)崟r跟蹤自己的資產(chǎn)。從運輸?shù)綆齑?，一切都可以根?jù)市場需求進行分類。適當(dāng)?shù)馁Y產(chǎn)評估將使資源和投資最優(yōu)化。
籌劃物流
繁瑣和平凡的任務(wù)可以轉(zhuǎn)移到AI界面，每次都能以同樣的效率完成。由于人工智能可以解讀更大的數(shù)據(jù)集，企業(yè)可以獲得更多的投標(biāo)，并根據(jù)它選擇最可靠和最有利可圖的物流合作伙伴。
人工智能如何推動物流行業(yè)下一階段的增長?
為什么物流公司正面臨一個前所未有的變化的時代，因為新技術(shù)使更高的效率和更多的合作運營模式成為可能。這是物流行業(yè)擁抱人工智能的最佳時機，因為數(shù)字化已經(jīng)形成，客戶期望也在不斷發(fā)展。
人工智能可以幫助物流行業(yè)重新定義今天的行為和實踐，從預(yù)測到預(yù)測的規(guī)劃，從標(biāo)準(zhǔn)化到個性化的服務(wù)。它還為物流公司提供了優(yōu)化網(wǎng)絡(luò)協(xié)調(diào)的能力，這是僅靠人類思維無法達到的效率。
人工智能(AI)越來越多地出現(xiàn)在我們的個人生活中，并迅速被企業(yè)用于提高效率和創(chuàng)造新價值。世界各地的許多物流公司都擁抱數(shù)字化轉(zhuǎn)型，從傳統(tǒng)的企業(yè)資源規(guī)劃系統(tǒng)過渡到高級分析、增加自動化、硬件和軟件機器人以及移動計算。
在人工智能的幫助下，物流行業(yè)可以將其運營從反應(yīng)性行動轉(zhuǎn)變?yōu)榍罢靶院皖A(yù)測性范式，這可以在后臺辦公室、運營和面向客戶的活動中以有利的成本產(chǎn)生更高的洞察力。例如，人工智能技術(shù)將使用先進的圖像識別技術(shù)來跟蹤貨物和資產(chǎn)的狀況，為運輸帶來端到端自動化，或在世界貨運量出現(xiàn)波動之前預(yù)測它們。
隨著職業(yè)世界的數(shù)字化，越來越多的公司將人工智能(AI)添加到他們的供應(yīng)鏈中，以最大限度地利用他們的資源，減少時間和金錢花在決定和何時發(fā)送一個包裹到某個地方。
優(yōu)化庫存
庫存優(yōu)化是指維持一個特定的庫存水平，可以消除缺貨的情況，同時持有庫存的成本不損害底線。物流在不降低材料成本或過程成本的情況下縮小產(chǎn)品價值方面起著重要作用。該技術(shù)還可以確保和管理供應(yīng)商庫存和可用的卡車數(shù)量，并優(yōu)化物流模式。如果它滿足需求和供給方程，它就成功了。
簡化流程（AI+RPA）
海關(guān)申報嚴(yán)重依賴手工流程，涉及法規(guī)、行業(yè)和客戶的知識。交叉引用和驗證是一個費力的過程。自然語言處理將修改并使人工智能軟件從各種格式的文件中提取相關(guān)信息，并提交一份聲明。
應(yīng)對不可預(yù)見風(fēng)險
通過訓(xùn)練，人工智能可以從應(yīng)急計劃中學(xué)習(xí)，這可以保證未來的糾正行動。使用人工智能搜索互聯(lián)網(wǎng)，觀察趨勢，可以預(yù)測某一類產(chǎn)品的需求增長，或提前識別任何風(fēng)險。
當(dāng)涉及到物流業(yè)務(wù)時，要預(yù)料到意外情況，因為一系列的情況可能會影響產(chǎn)品的預(yù)期交付日期。颶風(fēng)和洪水、航空公司破產(chǎn)和員工罷工等自然災(zāi)害都會影響公司物流工作流程的自然進程。
作者：曾志宏，上海趨研科技聯(lián)合創(chuàng)始人，北科大畢業(yè)，新加坡國立大學(xué)MBA，服務(wù)于GE，Rolls-Royce，JCI，Whirlpool等跨國企業(yè)供應(yīng)鏈部門，致力于國際物流行業(yè)流程自動化，AI+軟件機器人RPA方案，以及數(shù)字供應(yīng)鏈，智慧物流等的推廣和傳播。
