人工智能如何处理工厂和供应链中的浪费

如果我们想要一个没有浪费的世界，我们可能需要人类大脑以外的其他东西来实现它。

与当今商业的许多其他方面一样，答案在于人工智能——在这种情况下，它能够消除制造过程中的工业废物。

Stephen Pratt 是 Noodle.ai 的首席执行官，该公司采用人工智能来简化工业流程运营。他将这项新兴技术视为“恢复工厂和供应链应有的运作方式”的工具。这意味着实现“从原材料到货架的无缝流动。”

当然，消除工厂内外的浪费一直是供应链高管几十年来的痴迷。著名的丰田生产系统，它确定了 muda 的七种形式 是日语中废物的意思，其起源可追溯到 1940 年代后期。最近，向工厂供应零件和向仓库供应成品的精益和准时制 (JIT) 理论消除了管理人员认为的过剩库存。 （不幸的是，在 COVID-19 大流行期间，许多零售商没有足够的产品来满足对消费品激增的需求。一个人的“精益”供应链就是另一个人的缺货。）

人们不得不问，以前从系统中清除废物的理论是否产生了比工厂中的实际结果更多的书籍和学术论文。据普拉特称，世界银行估计当今全球工业​​废物比城市固体废物大 18 倍——“我们称之为垃圾的东西”。

公平地说，精益、JIT、六西格码方法论、约束理论和其他先进的计划工具都在工厂内外的管理实践中留下了印记。生产浪费已经大大减少，但今天仍然是一个价值 2 万亿美元的问题。 （普拉特在下面分解了这个数字。）“完美的流动状态远未达到，”他说。 “很多供应链都有固定的业务规则，但询问任何库存计划人员，他们都会告诉你，他们唯一知道的就是这些规则是错误的。”

人工智能带来了一种新的废物控制方法。普拉特说，不同之处在于使用复杂的算法来预测多余的零件、产品和实践何时威胁到堵塞工作。此类警报使人们能够在问题影响产品流之前采取行动阻止问题发生。

普拉特说，专门使用人工智能来解决生产废料的历史还不到十年，但已经证明“非常有效”。以前的制造应用程序，包括物料需求计划 (MRP) 和企业资源计划 (ERP)，受到计算机速度缓慢和数据昂贵的阻碍。

“这些技术存在的祸根在于，它们假设了产量和交货时间的平均值，”普拉特解释说。 “这就像谈论地球上一个人的平均鞋码。平均和现实之间的差异大约是全世界浪费的一半。”

丰田的七种muda 正如日本工业工程师大野耐一所确定的那样，运输、库存、运动、等待、生产过剩、过度加工和缺陷。借助人工智能，Pratt 将概念扩展到工厂之外，描绘了他认为当今供应链中四大浪费领域：

• 有缺陷的产品。 一个在生产过程中一直存在的有缺陷的物品必须被扔掉。普拉特说，制造商每年的成本约为 8,610 亿美元。
• 工厂故障。 计划外停机是“一个大问题”，每年造成 6890 亿美元的损失。
• 分发错误。 工厂生产出完美无瑕的产品，但由于当前的 I.T.系统无法满足时间、地点和数量的交付目标。库存过剩的成本：每年约 4460 亿美元。
• 空货架。 缺少某些东西可能看起来不像是一种浪费。但是，零售商担心在客户想要购买时出现缺货——这种情况发生在大约 9% 的时间——导致他们在供应链中充斥着库存。因此，普拉特说，“他们生产的东西比他们需要的要多。”

不断增长的计算能力第一次使有效攻击所有这四个领域成为可能。普拉特指出，如今用于此类计算的普通计算机比 2000 年世界上最快的超级计算机快 2,000 倍。

人工智能的角色正在从描述性分析迅速转变为规范性分析。今天的 AI 驱动系统可以扫描异常情况，提醒管理人员它们的紧迫性，预测此类事件的后果，并建议纠正措施。此外，普拉特说，“它告诉您如何调整工厂，以免生产有缺陷的产品。”

这并不意味着人们完全不在画面中。 Pratt 将理想的系统视为将人工智能的蛮力计算能力与人脑的创造力和洞察力相结合的系统。无论如何，人工智能在实现其在制造环境中的承诺之前还有很长的路要走，更不用说更大的世界了。

与任何尖端技术一样，对人工智能的接受将是渐进的。但普拉特认为，由于沃尔玛等大型零售商对供应商完美表现的要求，其成熟度正在加速。他说，他们是否能够满足这些标准“可能是存在与灭亡之间的区别”。