來源丨Forbes
作者丨Mark Minevich
編譯丨科技行者
2021年9月某一天，加利福尼亞州洛杉磯港口的一艘貨船升起飄揚的美國國旗。在供應鏈危機期間，創(chuàng)紀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)準備的禮物和玩具。隨著貨運量短期暴增、新冠疫情相關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。
當下，全球面臨的“供應鏈”難題并不是一個完整且獨立的問題，而是暗藏在整條供應鏈的幾乎各個環(huán)節(jié)之上。更可怕的是，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挑戰(zhàn)已經(jīng)成為現(xiàn)實，半導體行業(yè)、個人防護設備行業(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%的供應鏈領導者認為自己的運營體系已經(jīng)為未來的挑戰(zhàn)做好準備。到底是翻開時代的新篇章還是徹底墮入黑暗與災難，也許就取決于當下一搏。
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，劃分誰該負責也有意義；但更重要的是，我們要怎么解決掉當前的危機、并防范未來隨時可能再度爆發(fā)的供應鏈災難。
圖：現(xiàn)代造船廠鳥瞰圖與通信網(wǎng)絡概念圖：物流、工業(yè)4.0與工廠自動化。
AI正是解決之道
根據(jù)Infoholic Resaerch發(fā)布的預測，物流與供應鏈市場中的AI技術將在2017年至2023年之間保持42.9%的年均復合增長率，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，誰就能讓自己的供應鏈體系發(fā)揮出最大潛能、克服當前危機。我們可以使用AI技術通過新的分銷模式（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、合作伙伴及供應商間的互聯(lián)，以利用整個供應鏈生態(tài)系統(tǒng)中的自動化元素。
認知自動化
認知自動化方面的創(chuàng)新強調“以低少人力實現(xiàn)更高產出”。認知自動化平臺能夠在一定的邊界和業(yè)務規(guī)則背景之下，做出實時建議、預測結果并自主作出供應鏈決策，進而建立起先進的自主供應鏈技術體系。認知自動化有望將以往只能手動完成的重復性任務，轉變?yōu)榫哂凶吭叫阅艿母咚阶詣踊鞒獭Ｗ鳛橐淮筇囟☉妙I域，復雜、極易受人為錯誤影響的報關流程對人員的法規(guī)知識要求極高，而認知自動化也許正是解鎖報關效率的關鍵。
流程優(yōu)化預測
由預測性洞見驅動的企業(yè)預測、籌備與發(fā)現(xiàn)能力，有望徹底消除產品交付速度低下的問題，也能幫助企業(yè)通過流程調整防止業(yè)務中斷。這類技術還提供先進的規(guī)則解決方案，能夠更好地感知需求與供應變化、加快響應能力。此外，相關廠商還不斷加強全球各供應鏈參與者之間的交互，借此預測交付路線，更高效地運送、提取并交付貨物。除此之外，供應鏈中常被忽視的干擾因素也將被納入掌控，例如預測機械磨損、提高整體設備效率指數(shù)并預測/優(yōu)化車隊燃料使用方式等。
供應鏈彈性
AI技術還有望勾勒出新的供應鏈沖擊應對前景，例如建立起一套“自我修復”供應鏈數(shù)據(jù)集，利用AI技術幫助實時發(fā)現(xiàn)并糾正數(shù)據(jù)問題。以此為基礎，整個供應鏈的敏捷性、靈活性及端到端控制能力都將有所提升，將供應鏈績效、風險、機會與事件的實時可見性變?yōu)榭赡埽罱K幫助領導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，在生產流程中的各個階段提供協(xié)助，全面覆蓋從原料/零件質量監(jiān)控到產品組裝、再到最終消費者交付等環(huán)節(jié)。有人認為，目前全球供應鏈中的“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
沃爾瑪攜手福特
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用規(guī)模。
DHL建立基于機器學習的空運延誤預測工具
機器能夠分析58個不同數(shù)據(jù)點，并提前一周預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。
聯(lián)邦快遞發(fā)布SameDay Bot當日達機器人
SameDay Bot搭載有激光雷達與標準攝像頭，能夠將包裹運送至最后一英里。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開發(fā)出可在惡劣物流環(huán)境下自動揀選并放置貨品的軟件
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物體執(zhí)行搬運操作。
Nuro送貨機器人
Nuro制造的R-1機器人能夠將產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。
Robby Technologies自動駕駛汽車
在先進AI技術的支持下，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。
DigitalGlobe拼車用衛(wèi)星影像
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記、國道信息及交通模式等變化。
Alloy.ai銷售點預測方案
Aooly.ai設計出一套機器學習平臺，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測未來需求。以此為基礎，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預測下一場疫情
上述解決方案對緩解我們當前面對的供應鏈問題、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難“根本無法預測”，但事實未必如此。
格拉斯哥大學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)出一套機器學習模型。這套模型能夠預測動物病毒略過人體、不產生實際危害的可能性。這樣一種強大的預測能力將給全世界帶來重大影響。如果科學家和政府能夠提前預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)以預測、預防、檢測、準備并應對全球風險。來自格拉斯哥大學等地的研究成果將被輸入至這處中心，確保：1）我們能夠提前預防全球健康危機；2）避免這類突發(fā)災難演變成全球經(jīng)濟危機；3）避免削弱全球供應能力；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更多企業(yè)探索將AI添加至供應鏈管理平臺。此舉將幫助各類公司建立起更具彈性、更加敏捷的供應鏈，確保在一切業(yè)務條件下始終保持蓬勃發(fā)展。為了幫助全球供應鏈各個環(huán)節(jié)內的每一家參與企業(yè)，充分利用AI的力量已經(jīng)刻不容緩。
