人工智能如何解决供应链危机

COVID-19 大流行已成为多个行业创新的试验场。这并不奇怪。纵观历史，危机催生了创新。现在，在我们的全球供应链遭受灾难性破坏的情况下，世界再次被邀请进行创新。

我们现在遇到的问题似乎是一个无望的瓶颈，我们需要做出的改变来解决它需要一些时间来实现价值。但是，人工智能与其他技术和创新相结合，可以为从制造车间到零售货架的整个供应链带来一些持久的改进。以下是一些场景。

改善工厂车间

供应链瓶颈的新闻报道往往集中在港口关闭期间滞留在海上的船舶。但供应链经理知道，改善供应链可以延伸到工厂车间，在那里采购原材料并将其制造成产品。与其他技术相连的人工智能可以产生很大的不同。例如，对原材料供应的数据驱动预测可以帮助优化制造计划决策以及劳动力计划，以减少倦怠。此外，工厂车间的智能传感器可以提高生产效率，并对供应和需求波动做出响应。智能传感器还可以在重要部件磨损时向制造商发出警告，使制造商能够在中断发生之前采取主动纠正措施。

我对企业将虚拟现实、混合现实和增强现实等沉浸式技术与人工智能（例如深度强化学习与 3D 模拟的结合）相结合以改进制造流程的潜力感到非常兴奋。企业可以使用人工智能来模拟不同的生产场景，并以更省时、更具成本效益的方式优化工厂车间。此外，通过 3-D 模拟和强化学习，制造商可以优化整个生产过程，而物理制造实验可能只针对特定过程进行优化。随着 Metaverse 的承诺实现，这种人工智能的虚拟应用可以帮助改变工厂车间，而不仅仅是提高效率。

应对干扰

AI 可以使用数据和分析来识别和绘制受供应链中断影响的库存。如果企业缺乏对运输其材料的船舶的可见性，那么它应该利用危机作为一个机会，证明优先利用数据、物联网和高级分析（例如机器学习和模拟）进行供应链数字化转型的合理性。企业需要始终知道其货物在哪里，以成功衡量供应方的限制对其运营和满足市场需求预期的能力的影响。正如我们在汽车行业看到的那样，对于依赖于全球运营的许多参与者的复杂供应链来说尤其如此。汽车制造商和零售商正在努力追踪从一个国家到另一个国家的半导体供应链中的瓶颈。缺乏透明度使他们几乎不可能采取措施，例如确定如何打破瓶颈或预测库存何时可能恢复正常。透明的数据共享和人工智能可以帮助解决这个问题。

响应消费者需求

记住，没有消费者需求就不会有供应链危机，这很有启发性。人工智能可以通过数字货架技术帮助供应链生态系统中的每个人更加符合消费者的需求。数字货架泛指店内和网上的产品展示，它通过实时数据连接到零售商的整个运营和供应链。借助数字货架，企业可以随时了解每家商店的准确库存水平。

以 Amazon.com Inc. 的杂货店为例。遍布 Amazon Go 商店的传感器在数字货架上提供不断更新的情报，这使零售商可以根据区域需求自定义库存水平，并对产品需求的突然激增或减少做出反应。在更大范围内，沃尔玛公司也在构建这种能力。

数字货架的概念已经存在了几年，但大流行使它变得更加紧迫和及时。这是因为消费者需求的快速和不可预测的变化以及大流行带来的在线/离线商务的激增已经消除了企业管理库存水平的任何误差幅度。

数字货架不会解决供应链瓶颈，但它将帮助企业更顺畅地管理供应链的一个关键要素——最后一英里的交付。

管理劳动力短缺

供应链危机加剧的原因之一是缺乏可用劳动力，例如卸货的仓库工人和运输产品的卡车司机。人工智能可以帮助企业管理紧张的劳动力供应，特别是如果公司在如何使用它来寻找承包商劳动力方面发挥创意。许多企业在寻找临时帮助来管理产能激增时仍处于黑暗时代：他们拿起电话并致电人力资源公司。这是一种非常低效的方法。如果企业要通过利用由数据和 AI 提供支持的单一门户来找到所需的资源，该怎么办？假设企业及其人员配备合作伙伴使门户网站了解有关其人员配备需求和资源的信息，人工智能可以根据需求范围、与可用人员和资源的接近程度以及时间范围等因素匹配资源。如果可用的资源为零，人工智能将无法解决问题——但如果由正确的平台启用，它肯定会有所帮助。

为下一次危机做准备

人工智能可以帮助企业进行场景规划练习并为关键业务决策提供信息。大流行为企业敲响了警钟，为下一次中断计划做好准备——无论是另一场大流行、自然灾害、内乱还是任何其他中断。人工智能可以帮助公司提前预测短缺和供应问题，然后以弹性策略做出响应——例如，在港口关闭时重新安排基本材料的交付。这将需要拥有数据并能够模拟弹性响应。人工智能还可以帮助供应链上的企业预测特定中断（例如自然灾害中断咖啡生产）是过渡性的还是长期的，并根据该数据模拟响应场景。

与人工智能驱动的工厂模拟类似，企业可以使用数字孪生为下一次中断进行场景规划。正如《麻省理工科技评论》所指出的那样，“如果台湾发生干旱，缺水导致微芯片制造停工怎么办？数字孪生可以预测这种情况发生的风险，追踪它对您的供应链的影响，并 - 使用强化学习 - 建议采取什么行动来最大限度地减少危害。”

没有简单的方法可以摆脱供应链危机。人工智能本身也不会提供解决方案。我建议企业首先将供应链危机分解为更小的痛点，然后想办法解决它们，就像这篇文章所做的那样。问：“我们如何保护我们的业务免受下一次中断的影响？”可能是一个太宽泛的问题。相反，专注于更具体、更容易解决的问题，例如“我如何才能更有效地调整我的卡车驾驶车队以应对需求激增？”回答这个问题将有助于企业了解人工智能的明确和引人注目的角色。

Ahmer Inam 是全球数字和技术服务公司文思海辉的首席人工智能官。

COVID-19 大流行已成为多个行业创新的试验场。这并不奇怪。纵观历史，危机催生了创新。现在，在我们的全球供应链遭受灾难性破坏的情况下，世界再次被邀请进行创新。

我们现在遇到的问题似乎是一个无望的瓶颈，我们需要做出的改变来解决它需要一些时间来实现价值。但是，人工智能与其他技术和创新相结合，可以为从制造车间到零售货架的整个供应链带来一些持久的改进。以下是一些场景。

改善工厂车间

供应链瓶颈的新闻报道往往集中在港口关闭期间滞留在海上的船舶。但供应链经理知道，改善供应链可以延伸到工厂车间，在那里采购原材料并将其制造成产品。与其他技术相连的人工智能可以产生很大的不同。例如，对原材料供应的数据驱动预测可以帮助优化制造计划决策以及劳动力计划，以减少倦怠。此外，工厂车间的智能传感器可以提高生产效率，并对供应和需求波动做出响应。智能传感器还可以在重要部件磨损时向制造商发出警告，使制造商能够在中断发生之前采取主动纠正措施。

我对企业将虚拟现实、混合现实和增强现实等沉浸式技术与人工智能（例如深度强化学习与 3D 模拟的结合）相结合以改进制造流程的潜力感到非常兴奋。企业可以使用人工智能来模拟不同的生产场景，并以更省时、更具成本效益的方式优化工厂车间。此外，通过 3-D 模拟和强化学习，制造商可以优化整个生产过程，而物理制造实验可能只针对特定过程进行优化。随着 Metaverse 的承诺实现，这种人工智能的虚拟应用可以帮助改变工厂车间，而不仅仅是提高效率。

应对干扰

AI 可以使用数据和分析来识别和绘制受供应链中断影响的库存。如果企业缺乏对运输其材料的船舶的可见性，那么它应该利用危机作为一个机会，证明优先利用数据、物联网和高级分析（例如机器学习和模拟）进行供应链数字化转型的合理性。企业需要始终知道其货物在哪里，以成功衡量供应方的限制对其运营和满足市场需求预期的能力的影响。正如我们在汽车行业看到的那样，对于依赖于全球运营的许多参与者的复杂供应链来说尤其如此。汽车制造商和零售商正在努力追踪从一个国家到另一个国家的半导体供应链中的瓶颈。缺乏透明度使他们几乎不可能采取措施，例如确定如何打破瓶颈或预测库存何时可能恢复正常。透明的数据共享和人工智能可以帮助解决这个问题。

响应消费者需求

记住，没有消费者需求就不会有供应链危机，这很有启发性。人工智能可以通过数字货架技术帮助供应链生态系统中的每个人更加符合消费者的需求。数字货架泛指店内和网上的产品展示，它通过实时数据连接到零售商的整个运营和供应链。借助数字货架，企业可以随时了解每家商店的准确库存水平。

以 Amazon.com Inc. 的杂货店为例。遍布 Amazon Go 商店的传感器在数字货架上提供不断更新的情报，这使零售商可以根据区域需求自定义库存水平，并对产品需求的突然激增或减少做出反应。在更大范围内，沃尔玛公司也在构建这种能力。

数字货架的概念已经存在了几年，但大流行使它变得更加紧迫和及时。这是因为消费者需求的快速和不可预测的变化以及大流行带来的在线/离线商务的激增已经消除了企业管理库存水平的任何误差幅度。

数字货架不会解决供应链瓶颈，但它将帮助企业更顺畅地管理供应链的一个关键要素——最后一英里的交付。

管理劳动力短缺

供应链危机加剧的原因之一是缺乏可用劳动力，例如卸货的仓库工人和运输产品的卡车司机。人工智能可以帮助企业管理紧张的劳动力供应，特别是如果公司在如何使用它来寻找承包商劳动力方面发挥创意。许多企业在寻找临时帮助来管理产能激增时仍处于黑暗时代：他们拿起电话并致电人力资源公司。这是一种非常低效的方法。如果企业要通过利用由数据和 AI 提供支持的单一门户来找到所需的资源，该怎么办？假设企业及其人员配备合作伙伴使门户网站了解有关其人员配备需求和资源的信息，人工智能可以根据需求范围、与可用人员和资源的接近程度以及时间范围等因素匹配资源。如果可用的资源为零，人工智能将无法解决问题——但如果由正确的平台启用，它肯定会有所帮助。

为下一次危机做准备

人工智能可以帮助企业进行场景规划练习并为关键业务决策提供信息。大流行为企业敲响了警钟，为下一次中断计划做好准备——无论是另一场大流行、自然灾害、内乱还是任何其他中断。人工智能可以帮助公司提前预测短缺和供应问题，然后以弹性策略做出响应——例如，在港口关闭时重新安排基本材料的交付。这将需要拥有数据并能够模拟弹性响应。人工智能还可以帮助供应链上的企业预测特定中断（例如自然灾害中断咖啡生产）是过渡性的还是长期的，并根据该数据模拟响应场景。

与人工智能驱动的工厂模拟类似，企业可以使用数字孪生为下一次中断进行场景规划。正如《麻省理工科技评论》所指出的那样，“如果台湾发生干旱，缺水导致微芯片制造停工怎么办？数字孪生可以预测这种情况发生的风险，追踪它对您的供应链的影响，并 - 使用强化学习 - 建议采取什么行动来最大限度地减少危害。”

没有简单的方法可以摆脱供应链危机。人工智能本身也不会提供解决方案。我建议企业首先将供应链危机分解为更小的痛点，然后想办法解决它们，就像这篇文章所做的那样。问：“我们如何保护我们的业务免受下一次中断的影响？”可能是一个太宽泛的问题。相反，专注于更具体、更容易解决的问题，例如“我如何才能更有效地调整我的卡车驾驶车队以应对需求激增？”回答这个问题将有助于企业了解人工智能的明确和引人注目的角色。

Ahmer Inam 是全球数字和技术服务公司文思海辉的首席人工智能官。