何其 歐陽鈺霓

摘 要：隨著經濟全球化的發(fā)展和科技水平的不斷提高，企業(yè)開始了在企業(yè)供應鏈方面的競爭。在人工智能技術的幫助下，各個企業(yè)可以在復雜而龐大的供應鏈中對他們的商業(yè)伙伴乃至競爭對手進行更加深入、有預見性和可信度的觀察，使企業(yè)在供應鏈管理的過程中能夠精簡活動以及加強協(xié)作，使其變得更加高效、透明與協(xié)作，也能更好地提高物流決策的有效性和準確性。本文將簡要介紹人工智能如何從需求預測的角度促進供應鏈提高效率、準確性，從而促進商業(yè)產業(yè)化的可行性和前景。

關鍵詞：人工智能;供應鏈管理;需求預測

一、背景

供應鏈是由供應商、制造商、倉儲、分銷中心、零售商和消費者所構成的巨大網絡鏈條，包括了從原材料采購、半成品制造、成品制造以及產品的運輸與產品的銷售等各個環(huán)節(jié)。而供應鏈管理則是一個高度集成的管理模式，跨越了多個企業(yè)和部門，以信息流、資金流和物流為線索，包含了原料采購、訂單的處理、生產的計劃、庫存的管理、運輸、銷售等商品在生產和銷售中的各個環(huán)節(jié)。

隨著經濟全球化的發(fā)展和科技水平的不斷提高，企業(yè)也開始了在企業(yè)供應鏈方面的競爭，致力于以最低的成本、最短的物流時間，使顧客滿意、向市場提供合適的產品，以取得和保持競爭優(yōu)勢。而人工智能技術的引入改變了組織管理、跟蹤供應鏈中商品和服務的流動格局。在人工智能技術的幫助下，各企業(yè)可以開展更深入的、有預測性的、可靠的觀察方式來檢測他們的業(yè)務伙伴，甚至讓競爭對手并入同一個復雜而龐大的供應鏈。使得企業(yè)在供應鏈管理的過程中能夠簡化活動以達到更高效透明的合作關系，便于更好地提高物流決策的有效性和準確性。

人工智能應用的發(fā)展是一個從部分輔助到逐步替代的過程。人工智能應用在生產生活中各場景下表現(xiàn)為：通過計算機實現(xiàn)原來必須由人完成的事情或者替換掉原有的方法。通過深度學習、機器學習、NLP平臺、預測性應用程序接口等核心技術，在此過程中人工智能的介入程度逐漸加深，由部分輔助逐步過渡到部分替代。

從供應鏈的角度我們將會談到人工智能在供應鏈的生產與銷售環(huán)節(jié)之中需求預測的重要性以及可實施性。從產業(yè)經濟來看，供應鏈最終的驅動力來自消費市場，消費需求拉動是供應鏈發(fā)展的源動力，從經濟向數(shù)字化、智能化發(fā)展的趨勢來看，智能供應鏈將會成為未來智能經濟的基本組成部分。但是供應鏈流程設計的服務本身也是一個產品，這種基于系統(tǒng)和改善整體供應鏈流程的過程性服務產品是需要足夠的投入成本以及購買能力的，這本身就為人工智能在供應鏈產品化落地方面設置了準入門檻。這樣的門檻篩選掉了小微企業(yè)，篩選掉了小成本個體經營戶，瞄準的就是大型企業(yè)，尤其是生產類的企業(yè)。在這一類企業(yè)的經營之中，供應鏈效率的提升會對企業(yè)經營帶來擴大效應。這種高端化、定制化、高科技嵌入化平臺的打造，屬于過程服務與系統(tǒng)產品兼?zhèn)涞奶厥猱a品類別。

在確定了用戶主要類別之后，我們應該想的是人工智能在供應鏈的那幾環(huán)有最明顯的優(yōu)化作用，通過不斷迭代的算法與數(shù)據(jù)分析，我們主要從對于供應鏈下游端口——生產與銷售鏈條中對于需求的預測和生產運輸過程中生產流程的同步化設計與優(yōu)化兩點進行產品化分析。

二、需求預測

1.供應鏈中需求預測環(huán)節(jié)的意義

（1）對企業(yè)

①針對預測出的需求，通過調整產能（如季節(jié)性勞動力）、轉包、建立庫存、延期交貨來實現(xiàn)供給管理。

②針對預測出的需求，通過短期價格折扣和促銷來實現(xiàn)需求管理。庫存積壓或是庫存不足大概率會帶來企業(yè)的成本損失，如果準確地預測需求就可以為生產提供好的建議并且極大地減少生產過剩和生產不足的問題。

③物流與供應鏈中常把產品分為功能型和創(chuàng)新型，但是兩種類型的產品并不是涇渭分明的。人工智能技術對于不同類型的產品，在進行了小范圍特征識別與預訓練模型的應用之后，可以覆蓋預測不同類型產品的需求。提高供應鏈整體效率與交互程度，總體優(yōu)化供應鏈。

（2）對用戶

①減少顧客因為庫存的過多或積壓導致出現(xiàn)無處買貨、物流速度慢或商品變質等問題。

②顧客的潛在需求被預見，能被及時地滿足。

③短期價格折扣和促銷能刺激顧客消費，充分激發(fā)顧客購買力。

2.如何做

（1）數(shù)據(jù)支撐——“線上+線下”

人工智能的技術運用到產業(yè)中有個必備的條件就是大量的數(shù)據(jù)，這也是為什么我們常說“大數(shù)據(jù)”也是人工智能的基礎技術，數(shù)據(jù)資源是人工智能的三大基礎條件之一。人工智能往后的運用例如模擬人腦進行預測等更高端的應用都是基于深度學習的模型訓練，這正是建立在大量樣本數(shù)據(jù)基礎之上的。

樣本數(shù)據(jù)的數(shù)量和質量，都將影響到模型擬合的程度，不能離開數(shù)據(jù)來談論人工智能應用。在學術界的AI無疑有很多最新的應用與設計，但是產業(yè)中真正能夠被應用到的人工智能技術其實只是學術界的一部分，兩者之間的有效轉化也是提升人工智能應用的必備條件之一。兩界的數(shù)據(jù)積累差距因互聯(lián)網而有所縮小但并未消除。除了計算設施以及研發(fā)經費等因素的影響，訓練數(shù)據(jù)的可獲得性是科技巨頭，尤其是互聯(lián)網巨頭最明顯的優(yōu)勢之一。雖然借助互聯(lián)網的發(fā)展和普及，學術界與產業(yè)界在數(shù)據(jù)積累方面的差距有所減少，但并未消除。目前人工智能應用相對成熟的是基于社會和媒體的互聯(lián)網大數(shù)據(jù)。得益于互聯(lián)網、移動互聯(lián)網的迅速發(fā)展，線上數(shù)據(jù)的獲取難度大幅降低，每個瞬間都會有無數(shù)的文本、語音、圖片和視頻等非結構化數(shù)據(jù)產生，為人工智能應用的實現(xiàn)提供了充足的養(yǎng)料。

在電子信息的時代，雖然線上數(shù)據(jù)十分重要，人工智能借助算法讀取線上數(shù)據(jù)的同時，為了讓AI更貼近人類生活并且對人類世界的特性有一定的讀取和了解，在設計抓取數(shù)據(jù)并進行分析的算法時也不應忽視線下數(shù)據(jù)的價值。同時必須承認，線下的生活以及生產場景，同樣存在海量的數(shù)據(jù)，尤其是隨著傳感器成本的下降和物聯(lián)網的推進。但線下數(shù)據(jù)存在的問題是，如何確定數(shù)據(jù)的可信度呢？

（2）模型的擬合優(yōu)度需要確定多維的因子

我們期望AI能夠擁有兼?zhèn)淙四X與環(huán)境預測、數(shù)據(jù)統(tǒng)計、趨勢預測的功能，但是AI在初期對于供應鏈能夠做得首先應該從數(shù)據(jù)入手，這可能需要我們在歷史銷售記錄之中最大化地提取有效的信息以便對未來趨勢進行部分刻畫（我們將試圖從歷史銷售記錄中提取出有用信息，以便預測未來的銷售數(shù)據(jù)。當然，理想情況下我們還可以使用其他可用的數(shù)據(jù)源，例如天氣數(shù)據(jù)，作為現(xiàn)有數(shù)據(jù)的補充）。但我們對于AI的期待還在于對于人類未知的災難或者是需求的特殊性進行一個短期的、有效的、迅速的預測與對策判斷。這不僅需要構建算法來對歷史的重大金融災難、政治災難等人為災難進行因果提取，還需要從中找到人的思維容易忽略的規(guī)律來進行現(xiàn)實推演。

在生產過程之中可以基于歷史生產數(shù)據(jù)，對于生產過程的每一個環(huán)節(jié)的產品質量狀態(tài)建模。同時在生產過程中也對實時數(shù)據(jù)進行分析，通過下游的銷售鏈實時數(shù)據(jù)和生產過程之中的產品合格比率、出品率等實時數(shù)據(jù)進行準確的監(jiān)控。在生產過程中還可以對未來可能出現(xiàn)的故障或者是生產需求的峰值、谷點進行警示和預測性的維護建議。統(tǒng)計學之中的時間序列分析需要利用SPSS來建模并且進行定義，如果有足夠的數(shù)據(jù)與算法支撐，我們可以樂觀地估計AI可以有效地進行時間序列預測需求并對應商品的特點進行變化。

（3）預訓練模型

預訓練模型是使自然語言處理由原來的手工調參、依靠 ML專家的階段，進入到可以大規(guī)模、可復制的大工業(yè)施展的階段。預訓練模型通過自監(jiān)督學習從大規(guī)模數(shù)據(jù)中獲得與具體任務無關的預訓練模型，利用預訓練模型進行的小樣本訓練利用遷移學習的思想凍結了用于特征提取部分網絡的參數(shù)，通過調整分類網絡參數(shù)來學習需求的分類標準。第二個步驟是微調，針對具體的任務修正網絡，此類模型可經過微調之后，用于支持分類、序列標記、結構預測和序列生成等各項技術，并構建文摘、圖片檢索、視頻注釋等應用。與訓練特征提取網絡部分的數(shù)據(jù)相比，訓練好的分類器需要的樣本要遠遠少于前者，所以利用小樣本進行訓練的代價較小，配合下游任務可以實現(xiàn)更快的收斂速度，并且有效地提高模型性能，讓模型基于一個更好的初始狀態(tài)進行學習，對于數(shù)據(jù)稀缺的行業(yè)或者是數(shù)據(jù)獲取有一定難度的產品落地有一定幫助。

3.企業(yè)實例

北京曠視科技有限公司是全球領先的人工智能產品和解決方案公司，人工智能行業(yè)的務實者和領跑者，支撐人工智能革命關鍵的深度學習是曠視的核心競爭力。曠視公司目前專注于算法能創(chuàng)造極大價值的領域：個人物聯(lián)網、城市物聯(lián)網和供應鏈物聯(lián)網。曠視向客戶提供包括算法、軟件和硬件產品在內的全站式、一體化解決方案。

我們選取在人工智能產業(yè)化行業(yè)尖端企業(yè)——曠視公司為例，進行人工智能商業(yè)產業(yè)化的分析。曠視公司的核心技術為：（1）新一代AI生產力平臺：Brain++提供的能力既能覆蓋算法、算力、數(shù)據(jù)的全流程，加速開發(fā)流程，提升優(yōu)化和部署效率，利用提供企業(yè)級AI解決方案;也能實現(xiàn)技術到價值的鏈接，滿足各層次企業(yè)對AI能力建設的需求，讓企業(yè)更聚焦于業(yè)務變革。（2）核心算法：曠視的“AI算法”以深度學習為技術，面向廣泛“圖像或視頻”的分析和理解，以解決真實問題為向導，追求軟硬結合的極致性能，向客戶交付工業(yè)級的產品和服務。通過其核心技術，人工智能在供應鏈得到了有效地運用，以充足的數(shù)據(jù)作為信息資源的支撐，通過深度學習提高效率和安全性，從而總體優(yōu)化供應鏈并達到供應鏈的市場需求預測。

曠視科技公司旗下的智慧物流園區(qū)解決方案正是企業(yè)需求預測一個非常好的實例。智慧物流園區(qū)跨越了“四堵墻”的局限，將商品的運轉和場內場外車輛人員的流動等更多場景相連接，進行了更智能的調度和預測，甚至能自動決策。這個方案基于新型信息技術的融合應用，以AI技術為代表，對“庫內運營和園區(qū)管理”雙向優(yōu)化，打造“安全、智慧、共享、綠色”的智慧物流園區(qū)解決方案。在庫內運營方面，建立多種“柔性機器人和智能裝備”的全面互聯(lián)，配合機器人物聯(lián)操作系統(tǒng)與智慧軟件貫通，實現(xiàn)業(yè)務模式創(chuàng)新和效率提升;在園區(qū)管理方面，構建“人-車-貨-庫”感知和管理，針對園區(qū)內“基礎設施、環(huán)境、建筑”等方面進行運維管理。

這一方案的核心優(yōu)勢有：

（1）輕資產投入：硬件投入較少，主要利用現(xiàn)有的數(shù)據(jù)采集終端。

（2）輕流程再造：現(xiàn)有運營流程只需要從全鏈路上稍加調整。

（3）高度協(xié)同：靜態(tài)存儲能力、動態(tài)吞吐能力、變化的訂單量、實時的運營情況，都變成大量可見數(shù)據(jù)，通過智慧物流園區(qū)系統(tǒng)，協(xié)同子系統(tǒng)內部的運作，實現(xiàn)系統(tǒng)效率最優(yōu)。從而提高供應鏈的整體效率與交互程度，優(yōu)化整體物流。

（4）效率與安全并重：通過邊緣計算快速判斷決策，全息的感知設備減少傳統(tǒng)感知設備的盲區(qū)，兼具數(shù)據(jù)和算法的優(yōu)勢以達到有效預測。

同時，該企業(yè)旗下的智慧倉儲解決方案則是人工智能利用數(shù)據(jù)資源的重要實例。智慧倉儲從按訂單生產到即時消費、即時物流，以“智能倉儲、無人配送和物流機器人”等為代表的智慧物流技術，將成為智能工廠與智能物流中心的核心要素，助力倉儲、物流、制造和供應鏈，邁進“數(shù)字化、智能化和智慧化”。智慧倉儲解決方案基于曠視新一代AI生產力平臺Brain++，持續(xù)算法創(chuàng)新，大量通過數(shù)據(jù)化方式，賦能傳統(tǒng)物流裝備，率先打造“曠視河圖”操作系統(tǒng)，聚合全產業(yè)鏈伙伴，形成智慧倉儲解決方案，能有效幫助企業(yè)在倉儲物流環(huán)節(jié)實現(xiàn)降本增效、簡化管理。

這一方案的核心優(yōu)勢有：

（1）共享生態(tài)：通過產業(yè)鏈伙伴的合作簡化業(yè)務場景，攜手共建生態(tài)、共享信息推動供應鏈的合作與產業(yè)發(fā)展。

（2）全生命周期管理：面向“工業(yè)物流和商業(yè)物流”場景，提供“咨詢-規(guī)劃-仿真-實施-交付-運維”的全流程的服務體系，全流程標準化，通過數(shù)據(jù)化方式，實現(xiàn)流程再造和有序運營。

（3）人機協(xié)同，眾智創(chuàng)新：依托平臺向上延展的業(yè)務系統(tǒng)，向下對接兼容的智能物流設備，為物流實現(xiàn)全場景的智能化管理。

（4）自研創(chuàng)新，產權升級：堅持核心智能設備的研發(fā)與創(chuàng)新，依托曠視河圖構建百億智能設備的機器人物聯(lián)網生態(tài)系統(tǒng)，更好地進行需求預測。

三、智能化倉儲管理

人工智能對于優(yōu)化倉儲管理大致分為三個方面：

1.物流基礎設施的優(yōu)化

在智能化倉儲的布局之中利用人工智能等技術在倉儲、分撿、揀選、搬運等環(huán)節(jié)充分利用算法驅動的機器人替代倉儲作業(yè)人員，讓倉儲作業(yè)完全實現(xiàn)智能化、無人化，提升倉儲效率，在物流基礎設施方面廣泛應用“弱人工智能”的機器人。

2.供應鏈中的物流運作過程將由人工智能來計算、重建

作為供應鏈的重要組成部分，物流運作的速率決定了整個供應鏈運作過程的效率。隨著人工智能技術的不斷發(fā)展，物流操作過程將通過智能計算被劃分為多個模塊，并在算法的計算和迭代下進行重新分配。這些模塊不僅相互繼承，而且通過在物流過程跟蹤系統(tǒng)中嵌入人工智能芯片，與各個模塊中的各個功能點建立聯(lián)系，快速計算和反映大量的物流數(shù)據(jù)和信息。物流運作流程通過人工智能的改造不僅可以使物流運作流程自動化，還同步實現(xiàn)了倉儲分布式工作的計算與物流存儲的分離。

3.促成供應鏈閉環(huán)的形成

智能化倉儲落地的最好例子之一就是京東的供應鏈管理，在此方面，京東利用基于庫存管理、品類管理、價格管理、供應商、銷售商的協(xié)同管理等高質量數(shù)據(jù)的各種人工智能算法，實現(xiàn)供應鏈協(xié)同效率的大幅提升。人工智能可以促進企業(yè)建立智能存儲平臺，該平臺將優(yōu)化整合企業(yè)內外部資源，完善物料流程，加快物料供應鏈各環(huán)節(jié)的同步和速度，使整個供應鏈的響應活動數(shù)字化、精準化、智能化。

參考文獻：

[1]羅文波，陳幼平，艾武，婁平.基于多智能體的供應鏈管理系統(tǒng)角色建模與設計[J].計算機工程與應用，2003（19）：227-229.

[2]張德海，邵培基，劉德文.面向物流服務供應鏈的商業(yè)智能系統(tǒng)設計[J].管理學報，2007（03）：288-292.

[3]肖煥彬，初良勇，林赟敏.人工智能技術在供應鏈物流領域的應用[J].價值工程，2019，38（25）：154-156.

[4]王釗.人工智能在物資供應鏈中的應用與研究[J].中國石油和化工標準與質量，2019，39（12）：167-168+170.

[5]任成元.人工智能驅動的供應鏈創(chuàng)新[J].中國物流與采購，2019（24）：34-35.

作者簡介：何其（2000.08- ），女，湖南長沙人，四川大學商學院2018級管理科學專業(yè)本科在讀，研究方向：城市文化產業(yè)創(chuàng)新、決策分析、物流與供應鏈等;歐陽鈺霓（2000.07- ），女，湖北武漢人，中山大學嶺南學院2018級國際商務專業(yè)本科生，研究方向：市場營銷等