《锦素机器学习优化供应链设计.docx》由会员分享，可在线阅读，更多相关《锦素机器学习优化供应链设计.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、机器学习优化供应链机器学习使人们可以发现供应链数据中的模式，依靠算法迅速确定对供应链成败最重要的 因素，并在此过程中不断学习。发现供应链数据中的模式，这有可能重塑任何企业。机器学习算法每天都在发现供应链数 据中的这些新模式，不需要人为干预或者分类定义来指导分析。算法对数据进行迭代查 询，很多算法利用基于约束的模型来发现核心因素集，预测准确性很高。影响库存水平、 供应商质量、需求预测、从采购到付款、从订购到收款、生产计划、运输管理和其他方面 的关键因素首次为人所知。因此，机器学习带来的新知识和新洞见正在重塑供应链管理。以下是机器学习重塑供应链管理的10条途经：1. 机器学习算法和运行此类算法的A
2、PP能迅速分析体量庞大、多种多样的数据集，提高需求预测的准确性。管理供应链的一大挑战是预测产品的未来需求。现有技术包括移 动平均线等基线统计分析方法和高级仿真建模。事实证明，机器学习能非常有效地考虑到 现有技术无法追踪或量化的因素。以下例子显示了有多少因素被用来完成需求预测和Lennox如何利用机器学习。Case Study: LennoxMachine Learning Example: Adding Value to Demand Modeling / Promotional Forecastingand Demand Datasetsand Demand Datasets2. 机器学习能
3、为协同供应链网络带来很多好处，包括减少运输本钱、改善供应商交货 执行情况和最大程度降低供应商风险。以下是机器学习如何被用来识别多个托运人网络之 间的横向协同。Cargostream Collaboration AnalysisBenin sSlovakia.ViCfirMMunichLzgchj 7 Czech RepublicShipper AC4Upper-K Andris 短Ubcigtum iLuxembourglodz-PoSftnd Huhhowt,. .Belgium V/dJebroek. Flanders. Antwerp, Beiun - Warsaw. V/oj Mazo
4、wiec Run$t Flinders, Antwerp, Belgium - Sochaczew, Woj. Marowiecki18器, Poland Gaazdsbcrgen,. fgiuE Willebroek, Flanders. Antwerp, lodz, Woj AAMzkie. lodz . Fldndefi. Antwerp, Beum - StrykA1*/. Woj AAxkee. Po V/dlebroek. FUrxSen. Antwerp,- Soch4ic2cw. Woj KUxowiKATHOUEK UNNEWlTHT LEUVENNetherlandsShi
5、pments over Time Collab.5s euaEES 方主 E3NUneNameHamburg0200 200 300 400Number of ShipmentsDay of ReferenceDateTimefudujdxsWeight BradietsOM 006 1089M OOOSZ s 000000z ox 00002A005I 2 805 二0001 9工00001二 00$ 9M 0005 : 059 ox 8609 gxoooQoosm 9X00SEiXJ0E OOOEOOS2 夕 00SZO002 s ooozfl 9X8SI-Osn IWOSZKWOI机器学
6、习及其核心构造非常适合于提供以前技术无法提供的关于改善供应链管理表 现的洞见。事实证明，结合非监督学习、监督学习和强化学习的优点，机器学习能非常有 效地不断寻找最能影响供应链表现的重要因素。在以下分类中定义的每个端点，都是完全 由基于算法的逻辑推导而出，确保算法可以在一家全球企业中推而广之。TAXONOMY OF MACHINE LEARNING METHODOLOGIESMeaningful ComptessionMeaningful ComptessionStructureDiscoveryImage ChuifistkmCustomer RetentionRecommeiMkr Syst
7、emsDu9no乂3Game AlDimensionafttyClMsifiutionCustomer Se9mentdtionReal-Time D BionsPopiddfran Growth PvedktionFtatuieElKiUtonIdentity FraudDetection FUnsupervisedLearningSupervisedLearningAdvet tiling FopuUrityWeather ForeastmgClusteringTargeted MarketingRegressionMatiiet ForecastingLipecUntyRobot Hav
8、igationReinforcementLearningSkll AcquKiUonlearning TasksFigure 10: An overview of machine learning techniques; Source: Jha, V.3. 机器学习擅长视觉模式识别，在整个供应链网络实体资产的物理检查和维护保养方面提供了很多潜在的应用。事实证明，利用在多个数据集中迅速找出类似模式的算法进行 设计，机器学习还能非常有效地自动对物流枢纽进行入站质量检查，隔离受损的运输货 物。IBM Watson平台的机器学习算法能确定集装箱和/或产品是否受损，根据受损时间进 行分类，推荐最正确的纠
9、正措施来修复资产。Watson结合视觉和基于系统的数据，进行实时追踪、报告和推荐。HOW IBM WATSON LEARNS VISUAL INSPECTION OF LOGISTICS ASSETSCameras along train tracks collect images & upload these to an enterprise image storeCameras along train tracks collect images & upload these to an enterprise image storeRe-train & improve confidenceD
10、ivide raw image into grdCreate classifiers to determine visualrecognition: where & what to look forStress Oiled Corrosion Missing fractures surfaces of metal parts partsAnomalies are displayed in a digital dashboardfor maintenance teams to take actionAnomalies are displayed in a digital dashboardfor
11、 maintenance teams to take actionAJ identifies different damage types andclassifies them into the learned categoriesFigure 45: IBM Watson visual recognition enables maintenance with Al visual inspection; Source: IBM4. 把机器学习和相关技术结合起来，在整个供应链运营中获得更好的情景智能，这可以减少库存和运营本钱，缩短对客户的响应时间。机器学习在物流控制塔运营中被采用，以提供如何改善
12、供应链管理、协作、物流和仓库管理各方面的新洞见。下列图显示了从机器学习获得的情景智能如何简化运营。SEEING, SPEAKING & THINKING LOGISTICS OPERATIONSAl driven mspKtionMa9ahng AGVsV$ion-bd$i inteMigent sortingAuionomous &!r，ery fletVi$K)ib35i inventory managwnentCo(vfMfiofMll)f enabled WMS systwnAutonomous delivery fleetVi$ion-tasd inUllint sortingAl
13、driven in$pctionConverMti&nally enabled WMS systemCnverMtirwHy enabled WMS system I f flSn*b3sed inventory mn9onent预测新产品的需求，包括最能推动新销量的因素，这是机器学习能发挥巨大作用 的一个领域。从询问渠道合作伙伴、间接和直接销售团队他们将卖出多少新产品，到利用 高级统计模型，企业有很多方法来预测新产品的需求。事实证明，机器学习能非常有效地 考虑到以前未知的需求影响因素。5. 企业在物联网传感器提供的使用数据中寻找新的模式，以此延长机械、发动机、运输和仓库设备等供应链重要资产的
14、生命周期。制造业每年产生的数据量超过其他所有行 业。事实证明，机器学习能非常有效地分析通过机器得到的数据，确定哪些因素对机器性 能的影响最大。另外，机器学习也提高了衡量设备综合效率（OEE ）的准确性。OEE是很 多制造商和供应链运营的一个重要指标。8.在自主的情况下找到供应商质量水平的模式，为每个供应商建立追踪数据层次结 构，改善供应商质量管理和合规性。平均来看，普通企业80%的产品零部件依赖于外部供 应商。对于航空航天、国防、食品饮料和医疗产品等受到严格监管的行业，供应商质量、 合规性以及追踪数据层次结构至关重要。机器学习可以独立定义产品层次结构，简化追踪 报告，节省制造商在这些方面投入的数千个人工工时。9 . 通过考虑和优化诸多限制因素，机器学习可以提高生产计划和工厂调度的准确性。 对于采用接单生产和备货型生产流程的制造商来说，机器学习可以比人工操作更有效地平 衡各自的限制因素。利用机器学习，制造商能减少定制产品所用零部件的供应链延迟。10 .机器学习与高级分析、物联网传感器和实时监测的结合，可以让很多供应链首次实 现端到端可见性。如今，很多供应链需要的是全新的操作平台或架构，这些平台或架构以 实时数据为基础，能提供以前的分析工具发现不了的模式和洞见。机器学习是未来供应链 平台必不可少的一个要素，将重塑供应链管理的各个方面。