人工智能（AI）正在改變供應(yīng)鏈，使組織能夠做出數(shù)據(jù)驅(qū)動(dòng)的決策，實(shí)現(xiàn)流程自動(dòng)化，并優(yōu)化績(jī)效。這是麻省理工學(xué)院全球SCALE網(wǎng)絡(luò)最近舉辦的一次網(wǎng)絡(luò)研討會(huì)的主要信息，會(huì)上，教員和研究人員分享了將AI應(yīng)用于供應(yīng)鏈管理的真實(shí)世界案例的見(jiàn)解。

小組成員在這個(gè)背景下將AI定義為機(jī)器和算法執(zhí)行與人類思維相關(guān)的認(rèn)知功能的能力，如感知、學(xué)習(xí)、與環(huán)境交互、解決問(wèn)題以及解釋數(shù)據(jù)以做出決策。他們強(qiáng)調(diào)，成功的AI在供應(yīng)鏈中的應(yīng)用利用了從數(shù)據(jù)中學(xué)習(xí)的生物啟發(fā)算法。

雖然擴(kuò)展和解釋AI系統(tǒng)存在挑戰(zhàn)，但等領(lǐng)先公司正在成功部署AI來(lái)進(jìn)行端到端的供應(yīng)鏈計(jì)劃和優(yōu)化。其他突出的例子包括新秀麗的智能運(yùn)輸優(yōu)化和基于AI的社會(huì)公益資源分配。研討會(huì)涵蓋了三個(gè)主要主題：

• DELL的端到端供應(yīng)鏈計(jì)劃AI

• Samsonite 送貨路線優(yōu)化的生物啟發(fā)式AI

• 平衡AI決策的效率和可解釋性

主要觀點(diǎn)

1. DELL以AI為驅(qū)動(dòng)的數(shù)字化供應(yīng)鏈轉(zhuǎn)型專注于準(zhǔn)時(shí)、完整地交付"完美訂單"。AI應(yīng)用于需求預(yù)測(cè)、規(guī)范分析和供應(yīng)鏈監(jiān)控。

2. 蟻群優(yōu)化（一種生物啟發(fā)式AI算法）使Samsonite大幅降低了最后一英里交付的運(yùn)輸成本和車隊(duì)規(guī)模。

3. 雖然AI模型的效率和可解釋性之間往往存在權(quán)衡，但在實(shí)踐中，可以通過(guò)調(diào)整模型參數(shù)和成本來(lái)實(shí)現(xiàn)這兩個(gè)目標(biāo)，例如優(yōu)化住房資源分配。

4. 端到端供應(yīng)鏈可視化需要利用內(nèi)部結(jié)構(gòu)化數(shù)據(jù)（例如來(lái)自ERP系統(tǒng)的數(shù)據(jù)）和外部非結(jié)構(gòu)化數(shù)據(jù)來(lái)推動(dòng)基于AI的決策。外生因素很重要。

5. AI在優(yōu)化供應(yīng)鏈中的資源和產(chǎn)能分配問(wèn)題方面具有巨大潛力，例如貨運(yùn)收益管理。公平性和可持續(xù)性目標(biāo)可以被納入AI模型。

6. 很難概括AI性能的提升，因?yàn)榻Y(jié)果在很大程度上取決于特定的業(yè)務(wù)環(huán)境以及AI應(yīng)用程序的設(shè)計(jì)方式。建議測(cè)試多個(gè)AI和ML模型，以了解哪種模型最有效。

DELL以AI驅(qū)動(dòng)的數(shù)字化供應(yīng)鏈轉(zhuǎn)型

麻省理工學(xué)院數(shù)字化供應(yīng)鏈轉(zhuǎn)型實(shí)驗(yàn)室主任Maria Jesus Saenz分享了DELL如何將AI應(yīng)用于端到端供應(yīng)鏈規(guī)劃和績(jī)效管理。戴爾的轉(zhuǎn)型之旅專注于提供五個(gè)核心體驗(yàn)，重點(diǎn)是向客戶"做出正確承諾"。

這意味著在下單時(shí)確定預(yù)期交貨日期，然后主動(dòng)監(jiān)控和管理訂單直至履行。AI以三種關(guān)鍵方式應(yīng)用：

1）訂單之前-使用AI進(jìn)行需求預(yù)測(cè)并預(yù)測(cè)供應(yīng)鏈制約因素，以做出準(zhǔn)確的交貨承諾 2）訂單期間-AI實(shí)現(xiàn)供應(yīng)鏈的實(shí)時(shí)可見(jiàn)性和異常管理，確保訂單順利進(jìn)行 3）訂單之后-AI驅(qū)動(dòng)根本原因分析，確定未能履行承諾的原因

完美訂單指數(shù)等KPI衡量所有供應(yīng)鏈階段的訂單滿足承諾交付日期的百分比。AI洞察推動(dòng)糾正措施和供應(yīng)鏈合作伙伴的激勵(lì)措施。

DELL成功應(yīng)用AI的關(guān)鍵包括關(guān)注戰(zhàn)略目標(biāo)而非僅僅是技術(shù)能力，嚴(yán)格量化AI帶來(lái)的業(yè)務(wù)價(jià)值，并建立變革管理和數(shù)據(jù)流程以在整個(gè)供應(yīng)鏈中擴(kuò)展AI應(yīng)用。

生物啟發(fā)式AI用于送貨路線優(yōu)化

薩拉戈薩物流中心的Yasel Costa博士介紹了一個(gè)案例研究，將AI應(yīng)用于優(yōu)化Samsonite在智利的最后一英里配送路線。面臨的挑戰(zhàn)包括動(dòng)態(tài)訂單量、多個(gè)送貨時(shí)間窗口和延遲交貨的懲罰，涉及復(fù)雜的車輛路徑問(wèn)題。

現(xiàn)有的人工流程難以處理每天350多個(gè)訂單和交付區(qū)域的問(wèn)題規(guī)模，導(dǎo)致了額外的車輛和成本。研究人員應(yīng)用了基于蟻群優(yōu)化（ACO）的AI模型，該模型從螞蟻在巢穴和食物來(lái)源之間尋找有效路線的方式中獲得靈感。

在ACO算法中，人工螞蟻構(gòu)建候選送貨路線，信息素痕跡標(biāo)記最佳解決方案。經(jīng)過(guò)多次迭代，路線被優(yōu)化以最小化總行駛距離和所需車輛數(shù)量。與Samsonite的人工基線相比，ACO模型將配送車隊(duì)規(guī)模減少了50%，成本降低了30-38%。

ACO方法的優(yōu)勢(shì)包括能夠有效地探索大的解決方案空間，并處理現(xiàn)實(shí)世界車輛路徑問(wèn)題的動(dòng)態(tài)、隨機(jī)性質(zhì)。該模型可以輕松調(diào)整以處理訂單量和交付限制的變化。

更普遍地說(shuō)，生物啟發(fā)式AI方法正在證明對(duì)供應(yīng)鏈和物流中的復(fù)雜優(yōu)化問(wèn)題是成功的。進(jìn)化啟發(fā)的遺傳算法是另一個(gè)例子。越來(lái)越多的AI應(yīng)用正在嵌入從自然系統(tǒng)中學(xué)到的知識(shí)，以推動(dòng)更有效的解決方案。

平衡AI效率和可解釋性

盧森堡大學(xué)的Cagil Kocyigit博士研究了將AI用于資源分配決策時(shí)效率和可解釋性之間的權(quán)衡。在供應(yīng)鏈管理等許多領(lǐng)域，優(yōu)化效率（例如最大化收入同時(shí)最小化成本）固然重要，但也必須擁有可解釋的AI模型，讓人類了解AI如何做出決策。

神經(jīng)網(wǎng)絡(luò)等更先進(jìn)的AI模型通常比線性回歸等簡(jiǎn)單模型能實(shí)現(xiàn)更好的性能，但可解釋性和可解釋性較差。如果模型設(shè)計(jì)不當(dāng)，人們也越來(lái)越擔(dān)心AI會(huì)perpetuating偏見(jiàn)或歧視。

Kocyigit博士分享了一個(gè)案例研究，應(yīng)用可解釋的AI為洛杉磯無(wú)家可歸者分配有限的住房資源。目標(biāo)是優(yōu)化住房分配，最大限度地增加成功擺脫無(wú)家可歸狀態(tài)的人數(shù)，同時(shí)確保不同人口群體的公平分配。

研究人員開(kāi)發(fā)了一個(gè)AI模型，該模型構(gòu)建了一個(gè)住房申請(qǐng)人的排隊(duì)隊(duì)列，按照他們?cè)讷@得給定住房資源的情況下擺脫無(wú)家可歸狀態(tài)的可能性排序。這些概率是用可解釋的邏輯回歸模型估計(jì)的。通過(guò)調(diào)整模型參數(shù)以在各組之間實(shí)現(xiàn)結(jié)果平等來(lái)實(shí)現(xiàn)公平性。

與現(xiàn)有的人工政策相比，這個(gè)可解釋的AI系統(tǒng)預(yù)計(jì)每年將使300人擺脫無(wú)家可歸狀態(tài)。通過(guò)精心設(shè)計(jì)模型和算法，研究人員實(shí)現(xiàn)了效率和可解釋性的雙重目標(biāo)。

更廣泛地說(shuō)，將排隊(duì)模型與可解釋的機(jī)器學(xué)習(xí)相結(jié)合的框架可以適用于供應(yīng)鏈和物流中的許多分配問(wèn)題，例如在運(yùn)輸網(wǎng)絡(luò)中動(dòng)態(tài)匹配貨運(yùn)載荷與承運(yùn)商，同時(shí)納入可持續(xù)性目標(biāo)。

現(xiàn)場(chǎng)問(wèn)答討論環(huán)節(jié)

網(wǎng)絡(luò)研討會(huì)以現(xiàn)場(chǎng)問(wèn)答環(huán)節(jié)結(jié)束，引出了觀眾提出的一些發(fā)人深省的問(wèn)題：

Q:在供應(yīng)鏈背景下，AI和數(shù)據(jù)科學(xué)有什么區(qū)別？

小組成員認(rèn)為，數(shù)據(jù)科學(xué)和AI在供應(yīng)鏈應(yīng)用中越來(lái)越緊密地結(jié)合在一起。數(shù)據(jù)科學(xué)側(cè)重于從供應(yīng)鏈數(shù)據(jù)中獲得洞察，而AI則用于從這些數(shù)據(jù)中自動(dòng)學(xué)習(xí)模式并做出決策。領(lǐng)導(dǎo)者應(yīng)該關(guān)注能夠改進(jìn)供應(yīng)鏈績(jī)效的用例，而不是糾結(jié)于數(shù)據(jù)科學(xué)和AI之間的技術(shù)差異。

Q: 當(dāng)數(shù)據(jù)經(jīng)常被孤立和不完整時(shí)，企業(yè)如何通過(guò)AI實(shí)現(xiàn)端到端的供應(yīng)鏈可視化？

小組成員建議利用來(lái)自ERP和WMS等系統(tǒng)的內(nèi)部結(jié)構(gòu)化數(shù)據(jù)，也挖掘來(lái)自供應(yīng)商電子郵件、新聞和社交媒體等來(lái)源的非結(jié)構(gòu)化數(shù)據(jù)。AI能夠?qū)⑦@些不同的數(shù)據(jù)源拼接在一起，提供端到端供應(yīng)鏈的實(shí)時(shí)圖景。擁有彌補(bǔ)數(shù)據(jù)差距的流程對(duì)于建立對(duì)AI驅(qū)動(dòng)的可視性的信任也很重要。

Q: 在需求預(yù)測(cè)等領(lǐng)域應(yīng)用AI，企業(yè)應(yīng)該期望有多大的提升？

小組警告不要概括AI性能的改進(jìn)，因?yàn)檫@在很大程度上取決于公司的具體環(huán)境、數(shù)據(jù)以及AI模型的設(shè)計(jì)和調(diào)整情況。最佳實(shí)踐是確定一系列AI用例，快速實(shí)驗(yàn)以量化價(jià)值，并擴(kuò)展成功的概念驗(yàn)證。從業(yè)者應(yīng)該測(cè)試多種AI建模方法，以確定最適合他們需求的方法。

Q: 在供應(yīng)鏈中需要平衡責(zé)任和道德的AI開(kāi)發(fā)有哪些最佳實(shí)踐？

小組成員強(qiáng)調(diào)要仔細(xì)評(píng)估訓(xùn)練數(shù)據(jù)的潛在偏差，努力開(kāi)發(fā)可解釋和可解釋的AI模型，并建立人工監(jiān)督和干預(yù)能力。領(lǐng)導(dǎo)者應(yīng)主動(dòng)評(píng)估AI系統(tǒng)的道德風(fēng)險(xiǎn)，并確保與組織價(jià)值觀和行為準(zhǔn)則保持一致。從一開(kāi)始就嵌入負(fù)責(zé)任的AI開(kāi)發(fā)實(shí)踐是關(guān)鍵。

結(jié)論

這次網(wǎng)絡(luò)研討會(huì)描繪了AI在供應(yīng)鏈管理中當(dāng)前和未來(lái)潛力的令人興奮的前景。從端到端規(guī)劃，到交付優(yōu)化，再到AI驅(qū)動(dòng)的資源分配，領(lǐng)先企業(yè)已經(jīng)在利用AI實(shí)現(xiàn)效率、敏捷性和彈性方面的突破性改進(jìn)。

成功的關(guān)鍵是專注于戰(zhàn)略性的、價(jià)值驅(qū)動(dòng)的用例，確保具備正確的數(shù)據(jù)和可擴(kuò)展的AI基礎(chǔ)設(shè)施，并主動(dòng)應(yīng)對(duì)負(fù)責(zé)任和道德的AI開(kāi)發(fā)和部署的挑戰(zhàn)。

麻省理工學(xué)院全球供應(yīng)鏈專家強(qiáng)調(diào)，供應(yīng)鏈中的人工智能不是一個(gè)神奇的黑匣子，而是一個(gè)必須由明確的愿景和變革管理計(jì)劃驅(qū)動(dòng)的推動(dòng)者。在學(xué)術(shù)界和工業(yè)界的正確領(lǐng)導(dǎo)和合作下，AI將成為未來(lái)幾年供應(yīng)鏈轉(zhuǎn)型的核心。