供應鏈管理導入AI之應用價值與實例
供應鏈管理（SCM）幾乎與所有行業有關，但與醫療保健、金融和零售業相比，
較少得到AI新創公司和供應商公司的關注。企業越來越關注AI應用，從充分利
用工業物流、倉儲和運輸系統收集的大量數據。
SCM導入AI之應用價值，在三方面：
>需求預測分析
>AI倉庫管理
>採購中聊天機器人
一、需求預測分析
LLamasoft供應鏈管理
LLamasoft成立於2003年，位於密歇根州安娜堡市，目前擁有500多名員工，專
為供應鏈規劃及軟體設計、視覺化應用設計。
以下是Llamasoft供應鏈管理產品的行銷視頻：
https://vimeo.com/258803810
該公司開發Demand Guru平台，提供預測需求建模軟體，使用機器學習來識別
隱藏模式（例如季節性需求或外部天氣、需求和其他影響之間的相關性）在
歷史需求數據中，幫助企業確定降低成本和提高整個供應鏈營運效率的方法。
例如:
>銷售家具企業(如IKEA)能夠使用Demand Guru平台，並預測其實體商店中展示
的不同模型的日常需求。
>使用所有模型的歷史銷售數據，包括購買日期和時間，購買的商品數量等信息，
Demand Guru中的機器學習模型可能潛在地“學習”季節性特定趨勢（例如特定
假期的銷售額增加）。此外，該平台能夠考慮天氣數據和新聞事件，以找到與
銷售模式的相關性，例如確定工作日的天數占更多銷售額。
另一特色，Demand Guru提供LLamasoft數據立方體，該公司聲稱這是一個策劃
天氣和經濟時間序列數據集的集合，可以讓平台的學習能力從識別因果關係開
始，以預測未來需求。這可能是使用美國特定城市的溫度和降雨量等數據，或
者是特定行業的併購數據。
以下視頻概述Llamasoft的Demand Guru平台在預測SCM需求的能力：
https://www.youtube.com/watch?v=mxaVVhTJsSM
Schneider Electric全球供應鏈採用Llamasoft平台的應用案例：
挑戰：
>Schneider希望降低全球240個製造工廠和110個配送中心現有供應鏈流程的成本，
並分析吸收他們剛收購的新業務部門的潛在機會
所採取的行動：
>Llamasoft與Schneider簽訂合同，建立供應鏈預測模型，為Schneider龐大的原
材料供應鏈自動創建最佳路線選擇。
>Schneider最近收購的一些新業務部門的企業供應鏈數據（如運輸費率和政策、
產品運輸路線數據等），該公司現有的供應鏈數據主要存在於27個傳統的ERP系統中。
>Schneider的數據工程師首先構建了一個數據提取工具，可以從所有ERP系統收集
企業數據，驗證並“清理”數據，以便輸入Llamasoft平台。
結果說明：
>Llamasoft聲稱他們的定制模型需要大約2-4小時來分析200,000個運輸政策數據點，
130,000個流量和路由限制，以及150多個初始方案（施耐德提供的數據），並且
Schneider年度節省932萬美元。
>例如，直接從製造工廠而不是通過其中一個配送中心重新配送貨物，以節省材料
處理和庫存貯藏成本。
Aera Technology (FusionOps)
Aera Technology（前身為FusionOps）於1999年在舊金山成立，目前擁有約153名員工。
該公司提供預測分析軟體，採用機器學習（由領域專家協助）用於供應鏈管理中的
應用程式，協助企業進行自動化規劃和優化現有供應鏈流程。
例如:
>美國的汽車製造商由於跨國生產零件，需要將其發送到配送中心和經銷商。Aera的
供應鏈管理平台可以使製造商輕鬆追踪整個供應鏈，從微型螺絲到大型發動機等產品，
並從平台獲得可操作說明，旨在降低成本和提高效率。
>該公司聲稱其平台使用機器學習來查找供應鏈數據中的模式（例如歷史發貨記錄或
配送中心的庫存記錄），這些模式可能有助於提供洞察力，使製造商能夠更快地交付
零件並降低庫存。
以下Insight平台（現在是Aera平台的一部分）的視頻演示，企業如何使用該軟體操作
的儀表板、報告和指標：
https://www.youtube.com/watch?v=EqxAwLN9c9o
Aera與Mahindra USA（印度汽車公司Mahindra＆Mahindra在北美拖拉機製造部門）合作，
幫助減少庫存，並更快地向客戶交付零件。
挑戰:
自2011年以來，Mahindra的產品組合從10個增加到55個左右，經銷商數量增長了4倍，
超過500個。該公司認為，他們需要統一可操作介面，以提高這種規模的供應鏈效率。
所採取的行動:
>Aera的平台輸入了來自Mahindra的許多內部團隊的數據，包括財務、運營、規劃和
業務管理。該公司聲稱，它的平台能夠使用機器學習技術，並提供有關降低Mahindra
供應鏈成本。例如，該平台可以潛在地識別哪些國際和國內貨物可以合併以降低成本。
結果說明：
>Aera聲稱，該平台的整合幫助Mahindra將其庫存月減少了35％。
二、AI用於倉庫管理
自20世紀50年代以來，自動導引車（AGV）一直在工業環境中運行，直到最近幾年導入
進行自主導航。
隨著人工智慧和導航技術的逐步改進，例如同步定位和繪圖以及機器視覺，AGV可以在
建築物之間移動來實現跨傳統製造邊界的自動化材料處理。現今AGV透過稱為倉庫執行
系統（WES）的連接軟體層，將與來自現有倉庫管理和控制系統的數據結合在一起，具
有更加自動化的潛力。
WES導入AI使現有的物流系統隨著時間的推移更加高效，成為許多頂級AGV運營商的戰略
決策。
Dematic IQ (Former Reddwerks)
Dematic於1891年在密歇根州Grand Rapids成立，Dematic於1891年在全球擁有4400多名
員工，專注於供應鏈管理應用提供自動化軟體。
2015年Dematic收購了Reddwerks（WES空間的早期參與者），創立自己的品牌，幫助倉庫
管理操作識別倉庫機器人有效率的揀選或優化訂單工作流程。
以下案例，Dematic與一家美國服裝零售製造商合作，通過使用Dematic IQ WES來支援他
們的3,900家實體零售店（更換商店中的商品）。
挑戰：
>服裝零售商需要將八個獨立商店品牌的商店進行改為一個配送中心，這意味著配送中心
需要具有高密度的貯藏，同時確保快速的產品補充。
所採取的行動：
>Dematic WES用於優化整個配送中心的操作流程，從訂單接收（從客戶ERP系統中的數據）
到裝運和調度（使用WMS的數據）。
結果說明:
>Dematic零售店補貨系統幫助零售商每天在其商店中補充多達600,000件，以滿足所有八
個品牌（包括高峰時期）所有補貨的需求，該系統降低了處理成本並擴大貯藏容量。
以下Dematic視頻概述WES平台的功能：
https://www.youtube.com/watch?v=SBhdEh8Q_9k
Swisslog
Swisslog擁有118年歷史的公司，成立於瑞士Buchs，目前擁有2300多名員工，隸屬德國
機器人製造商Kuka擁有，後來Kuka被中國電器商美的(Midea)集團所併購。
AI的新興應用領域在倉庫管理系統（WMS），用來監控和提高倉庫的靈活性。 AI增強的
WMS機器學習具有發現和檢測異常來優化的潛力。Swisslog使用“倉庫學習”優化內部
物流系統，透過從客戶訂購行為、公司的機器使用和資源使用等數據中學習並優化工作
流程。
例如:
>Swisslog”倉庫學習”能夠考慮來自電子商務的營銷活動、特定日期的天氣狀況或生產
物流等因素的數據，以預測客戶訂單的可能性，例如，如果電子商務公司在前一周為一
家銷售雨傘的公司進行營銷活動。該平台可能會在未來一周（有陰雨天氣預報）提示庫
存管理人員，他們的倉庫可能必須增加現有的雨傘庫存以滿足需求。
>未來倉庫管理平台更接近完全自動監控，並且AI優化企業的運營。
以下Swisslog視頻展示了”倉庫學習”：
https://www.youtube.com/watch?v=y3b9lH76YSg
三、採購中的聊天機器人
Chyme by Univired
德州的新創公司Univired，推出了聊天機器人Chyme，可以打開人工操作員和銷售/營銷
自動化服務之間的對話界面，如SAP的SalesForce。
根據Univired的案例研究，其聊天機器人用於飲料產業的採購管理。飲料製造商過去要
求員工致電服務台操作員以獲取有關其採購需求的信息。
大多情況為等待時間來取得回音。據報導，向員工和供應商推出的Chymebot解決方案能
夠提供有關訂單和發貨狀態、庫存情況、庫存價格、供應商狀態和承辦細節的查詢答案。
下面視頻顯示SAP Sales Assistant如何有助於自動化採購銷售：
https://www.youtube.com/watch?v=mJInH5Ah-aA
聊天機器人在採購中的成功整合仍存在一定的局限性，包括聊天機器人的表達錯誤，
由於系統的性質和明顯缺乏傳統人性化，可能會影響與客戶之間的關係。
>希望利用聊天機器人進行採購的企業，可以考慮以下因素來做出更好的決策：
雖然這樣做相對簡單，但集成聊天機器人並不能保證人性化的通訊功能可以立即實現，
還需要長期的努力，可能需要調整現有數據系統以確保準確的結果。
>人類在未來兩到五年內仍可能被取代，聊天機器人可能有助於自動執行日常任務，
或回覆更複雜的查詢需求。
https://bit.ly/2my5IuV