AI與數字孿生聯手,改善全球運營態勢
2022-05-28
來源:IT互鏈
供應鏈體系正在運用人工智能(AI)解決問題,改善全球運營態勢。
在整個供應鏈中,AI增強技術正在提升生產力、減輕全球勞動力短缺影響,并幫助企業找到更好、更安全的商品運送方法。從生產車間到消費者手中,AI對供應鏈的滲透將全面爆發。
另一方面,企業可以利用數字孿生預測可能發生的業務中斷及其影響,進而檢測并解決組織中的潛在漏洞。此外,數字孿生也有望成為優化供應鏈網絡、規程及庫存的有效工具。
隨著越來越多組織積極擁抱數字化,到2026年,全球工業4.0市場總規模預計將達到2100億美元。供應鏈中的數字孿生與AI正是制造業數字化轉型的重要方面之一,其不僅有助于提高效率和盈利能力,同時也將把客戶體驗推向新的水平。供應鏈行業中的數字孿生,堪稱以技術方式實現數字化轉型的輔助“專家”。
何謂供應鏈中的數字孿生?
真實供應鏈會使用虛擬仿真模型評估供應鏈動態,并預測供應鏈數字孿生中的流程是否成功。計劃中和已發布的工作訂單、銷售訂單、待批事項、需求/供應的實時數據和快照等,都能成為數字孿生模型的重要信息來源。而這些信息的具體采集,往往離不開以下要素:
物聯網設備(例如傳感器)
物流與運輸數據庫
運營數據庫
供應商信息(例如CRM數據、賬單、發票等)
用戶體驗(例如在絤評論、客戶服務工單)
數字孿生技術中使用的主要是歷史數據。但在某些情況下,數字孿生也完全可以吸引實時數據作為素材。數字孿生的含義就是“物理項目或活動的虛擬表示,作為物理對象的實時數字副本。”這里所說的“實時數據”,是指收集后立即交付使用的信息。
數字孿生技術如何顛覆供應鏈?
分析師們可以運用數字孿生技術更好地理解供應鏈行為,預見到發生概率極低的極端情況,并制定行動計劃以節約成本、提高流程效率。
1. 優化整體供應鏈流程
數字孿生流程能夠幫助組織及時發現趨勢,并模擬不同流程變化帶來的影響:
何謂供應鏈中的數字孿生?數字孿生模型能夠通過結果預測將業務連續性與轉型風險降至最低,從而增強供應鏈流程的設計測試能力。在流程轉換之前,可以使用數字孿生模型計算收益、節約以及可能的投資回報。例如,企業可以創建數字孿生模型,通過模擬生產、庫存和產品交付等眾多場景重新審視自己的全球運營體系。
數字孿生還能幫助供應鏈企業在緊急狀況下測試并確定最佳行動方案,并在虛擬環境中開展替換試驗,借此顯著提高組織穩定性。
2. 發現瓶頸
數字孿生提供的端到端視圖能夠全面、永久覆蓋整個供應鏈中的流程和瓶頸,以更少的人為干預尋求更加敏捷的解決方案。通過收集數據,數字孿生將幫助我們發現供應鏈交付中的各潛在弱點。例如,貨運數字孿生將依靠收集自傳感器的數據持續更新運輸流程,并通過分析發現運輸和交付中存在的效能提升空間和既有瓶頸。
3. 規劃交通與設施布局
在為最終消費者提供產品和服務的同時,數字孿生還能夠分析供需關系的變化如何影響供應鏈的物理位置與支持體系。在實時數據和數字孿生的支持下,供應鏈管理者能夠更快更好地安排運輸資源。
4. 優化庫存
為了避免斷貨并降低總體制造和倉儲成本,供應鏈數字孿生可以吸納來自需求預測程序的數據,借此同時解決“單梯隊”(即優化單一倉庫中的庫存)與“多梯隊”(優化跨多倉庫庫存)挑戰,最終實現對整個供應鏈網絡的庫存優化。
AI對供應鏈業務的影響
根據麥肯錫公司的預測,通過將AI技術納入供應鏈,全球組織每年將獲得1.3萬億至2萬億美元的經濟價值。而根據普華永道的數據,到2030年,AI技術有望為全球經濟貢獻超過15.7萬億美元。
下面來看AI技術影響供應鏈的五種具體方式:
1. AI能夠處理大量數據,借此改善需求預測。以此為基礎,由傳感器收集到的大量數據終于能夠轉化為價值,將現實世界實時展現在我們面前、供管理者做出明智決策。
2. AI提供的洞察力將幫助我們提高生產效率。
在自動計算的支撐下,AI能夠顯著提高倉儲效率,大大優化線上商家的資源調度能力。
我們還可以使用AI檢查供應鏈管理績效,并提出具有廣泛效應和適用性的新思路。AI利用強化學習、無監督學習、有監督學習等技術方法,為我們提示出供應鏈績效中影響最大的各項要素和挑戰。
3. 聊天機器人正重新定義客戶服務:根據埃森哲的調查,聊天機器人已經可以管理80%的消費者交互內容。客戶和物流供應商也有望使用AI實現個性化程度更高的互動體驗。
4. 人工智能在供應鏈中的下一個大動作將是自動駕駛汽車。盡管自動駕駛卡車還要一段時間才能上路人,但物流業務確實在逐步引入高科技駕駛以提升運輸效率和安全性。未來,輔助制動、車道輔助和高速公路自動駕駛等方案都將給供應鏈運營帶來前所未有的增強。
5. 機器人也是人工智能討論中不可或缺的重要環節。根據Tractica Research公布的數據,到2022年底,全球倉儲和物流機器人的銷售額將達到224億美元。
我們總能在倉庫中看到雜亂無章、隨意堆放在眾多貨架和通道中的商品。但這只是表面現象,其放置背后其實有著嚴密的邏輯。收到訂單后,距離目標商品最近的機器人將前往并拿取貨物,再將其運送到人工打包員手中。整個過程完全自動化,枯燥低效的人工揀貨由此成為歷史。
在供應鏈管理中使用AI技術的收益
下面來看AI在物流與供應鏈中帶來的具體收益:
1. 降低運營成本
通過將AI技術整合進物流和供應鏈體系,我們能夠將更多任務交給AI系統自動執行,由此節約運營成本。從客戶服務到倉庫,整個自動化智能流程可以長時間無差錯運行,從而減少錯誤和事故數量、將成本控制到以往難以想象的水平。
2. 使用聊天機器人提升客戶服務體驗
聊天機器人可以提供更多豐富功能(例如增強搜索、庫存更新以及相關商品推薦等)以改善客戶服務,這也是AI在供應鏈中的另一個重要用途。借助聊天機器人,企業無需對客服人員開展大量培訓,這不僅能節約資金、還能保證客戶在機器人的引導下準確無誤地檢索產品目錄。
3. 縮短運送時間
人工智能可以簡化工作負載、消除可能導致配送延誤的諸多瓶頸,由此縮短最終客戶交付時間。此外,集成有AI元素的系統也能快速選出運送速度最快、最具成本效益、安全性最高的物流路線,從而進一步改善運輸乃至供應鏈體系。
4. 降低風險
基于AI的自動化系統可以保障良好的倉儲管理與規劃效果,借此改善員工及貨品安全。零售行業的AI還可以評估工作場所內的安全數據,提醒生產商注意一切可能的危險因素。如此一來,生產商就能快速、主動做出響應,在嚴格遵守安全法規的同時切實維護倉庫安全。
當AI與數字孿生聯手,能不能帶來更順暢的供應鏈運營體驗?
1. AI驅動數字孿生有助于應對氣候變化
根據當前研究,新一代供應網絡必須針對氣候變化做出前瞻性設計,否則未來很可能遭遇一系列現實問題。
英偉達就在這方面做出了自己的努力。英偉達企業級數字孿生技術已經得到洛克希德馬丁、愛立信等行業巨頭的應用。如今,英偉達還計劃在項目中為整個地球創建數字孿生副本,配合AI等現代技術提前幾十年預測未來的氣候變化結果。
在此類供應鏈工具的加持之下,AI與ML將幫助用戶將精力集中在最可能造成嚴重破壞的元素上,更加有理有據地爭取高管層支持、驅動科學理性的決策判斷。
2. AI支持下的數字孿生有助于發掘事件相關性
單純為供應鏈創建數字孿生,還不足以讓其中的數據為普通消費者所用。在這方面,將AI納入功能體系就顯得非常重要,可確保工具就真正重要的問題向用戶發出提醒。通過篩選和提煉,擺在用戶面前的就只剩下必須立即處理、否則可能影響供應鏈正常運行的大麻煩。
3. AI驅動數字孿生有助于指導決策
雖然AI無法取代人類的主導決策地位,但AI與數字孿生的協同確實更擅長檢測出人類難以察覺的數據模式。數字孿生中的AI組件不僅能提前向用戶發出問題預警,同時也能給出積極的緩解甚至消除策略。
展望未來:供應鏈中的數字孿生與AI技術
通過分析不斷變化的客戶偏好與體驗,數字孿生已經能夠在供應鏈業務中幫助企業提前預判、及時介入。對企業來說,這些信息有助于加快產品交付、提升數據質量、縮短開發周期。此外,自然語言處理(NLP)、對象視覺識別、音頻分析和信號處理等復雜技術同樣能夠在數字孿生建模中有所作為,帶來超越人類直覺的有力支持。
此外,通過在移動應用中引入AI和大數據等供應鏈管理手段,組織可以有效預測需求、提高準確性、理解采購周期、預估未來的倉儲容量,最終攻克看似無章可循的運營難題。
AI在供應鏈的改進中也將持續貢獻力量,包括帶來AI驅動型自動駕駛汽車,最終給整個供應鏈的全面自動化鋪平道路。此外,對現有數據的挖掘和分析,也將成為我們對日益復雜的全球供應鏈進行成本與效率優化的最佳途徑。
由此看來,數字孿生技術所關注的不只是我們生產了什么,也更加關注我們為誰而生產。
- 供應鏈/生態
- 科研/技術服務
- 機械裝備
- 觀點
- CIO
- 交通物流
- AI
- 自動駕駛汽車
- 數字孿生
- 英偉達
- 機器人
- 物聯網
推薦
-
一年一度的中國數字化年會將于11月28日-30日再次攜手成都,為數字化轉型決策者們打造一場不可錯過的年度數字化盛宴!
-
在這個日新月異的變革時代,我們將于11月28日-30日在成都舉辦“2024中國數字化年會”,匯聚行業精英與各界力量,共同探討數字化時代下的轉型策略與路徑。
-
11月28日-30日,中國數字化年會將于成都正式開幕,本屆年會以數智萬象 無界新生”為主題,設置2場主論壇、1場高峰論壇、5場專題論壇、4項特色活動、2場頒獎典禮等14項活動,以及2天數字化轉型供需對接展。
-
零次方科技發布了其首款人形機器人,可以在多種不規則路面、復雜地形中長時間穩定行走,且具備優秀的抗干擾性能,即使受到各方向的強沖擊也能保持穩定站立。
-
近日,第四屆“青年科學家502論壇”在南方科技大學舉行,美國國家工程院外籍院士沈向洋做了《通用人工智能時代,我們應該怎樣思考大模型》的主題演講,并給出了他對大模型的10個思考。
-
深度解析Meta Reality Labs的生態布局
我要評論