【準(zhǔn)時(shí)達(dá)寧創(chuàng)】AI助力 供應(yīng)鏈動態(tài)ETA預(yù)測與管理創(chuàng)新 研究報(bào)告

1 3 4 4 4 8 11 11 12 14 18 20 222 3 6 7 8 9 10 12 15 16 17 19 20 11表2供應(yīng)鏈中云計(jì)算的應(yīng)用場景與優(yōu)勢 13;題也因?yàn)樵鲩L的停滯而逐步暴露。對穩(wěn)定且清晰的國際格局中展開，而其工作所采取的方法，也都隱含著這樣一個(gè)基于這個(gè)時(shí)代的假設(shè)。那么隨著新時(shí)代的到來，我們將面對一幅怎樣的圖景？在這個(gè)時(shí)代下諸多假設(shè)，是否會有新的4興起，更向人們展現(xiàn)了一種接近、甚至可能超越人類理性的工具。如何運(yùn)用類似這樣強(qiáng)大的技術(shù)，接起來并交換數(shù)據(jù)，在智能家庭、智能工廠等數(shù)字化的生態(tài)系統(tǒng)中應(yīng)用廣泛；云計(jì)算，通過大規(guī)模著這些技術(shù)的成熟，應(yīng)用場景也逐漸豐富，對于供應(yīng)鏈管理、供應(yīng)鏈管理的核心挑戰(zhàn)，數(shù)字技術(shù)、人工智能翻譯來自于英文的ArtificialIntelligence.Artificial原意指人解決問題的能力，包括記憶、觀察、想象、思考、判斷等。人類早在遠(yuǎn)古時(shí)期，就有用機(jī)器代替部5AI的孕育階段態(tài)并不存在。原始人類的生存和繁衍，更主要還是依靠本能以及直覺。經(jīng)過萬古長夜，人類不斷通過對于客觀世界經(jīng)驗(yàn)的歸納、總結(jié)、反思逐步形成一套體系化的思維，并通過語言進(jìn)行記錄和傳播法，構(gòu)建了人類思維從特殊推導(dǎo)一般的基礎(chǔ)。歸納法和演繹法也構(gòu)成了人類認(rèn)識世界的基礎(chǔ)思維體成功創(chuàng)造世界第一臺加法器；英國數(shù)學(xué)家和發(fā)明家巴貝奇（C.Babb∨,∧,?)。經(jīng)歷了上述階段，人類的思維的要素以及運(yùn)行的規(guī)則被符號化，給機(jī)器執(zhí)行人類思6心理活動；神經(jīng)生理學(xué)家麥克洛奇和.皮茨建立了神經(jīng)網(wǎng)絡(luò)模型，用微觀人工智AI的演化階段在今年大爆發(fā)后，人類也開始暢想——AI是否會涌現(xiàn)出情感、意識等一系列人類精神所獨(dú)有的能7通用型AI（ArtificialGeneralIntellig統(tǒng)，它可以像人類一樣進(jìn)行感知、推理、學(xué)習(xí)、決策、規(guī)劃等多種任務(wù)，能夠在不同的領(lǐng)域和情境知識的決策支持，生成式AI可以提供基于數(shù)據(jù)的決策參考，通用型AI可以綜合考慮多種因素做出更為智能的決策。8應(yīng)用領(lǐng)域人工智能技術(shù)隨著計(jì)算科學(xué)的發(fā)展，大數(shù)據(jù)的沉淀，以及大算力的成熟，應(yīng)用領(lǐng)域正在不斷豐富。當(dāng)前的人工智能，主要在計(jì)算機(jī)學(xué)習(xí)、自然語言處理、認(rèn)知推理、機(jī)器人學(xué)、博弈與理論、機(jī)言處理會將AI應(yīng)用到人機(jī)交互的對話當(dāng)中，比如當(dāng)前火爆全網(wǎng)的當(dāng)下產(chǎn)業(yè)界討論最多的集中在機(jī)器學(xué)習(xí)這一學(xué)科方向。機(jī)器學(xué)習(xí)之所以如此火爆，主要在于它是一種可以讓機(jī)器自動學(xué)習(xí)的技術(shù)。與傳統(tǒng)的程序設(shè)計(jì)方法不同，機(jī)器學(xué)習(xí)旨在讓機(jī)器從數(shù)據(jù)中學(xué)習(xí)規(guī)律與模式，并且在未知的條件與數(shù)據(jù)下，進(jìn)行預(yù)測與決策。能夠?qū)崿F(xiàn)機(jī)器的自動學(xué)習(xí)，背后也9AIGCChatGPT許會持續(xù)帶來意想不到的驚喜和驚嚇。這種思想簡言之就是將“參數(shù)至上和數(shù)據(jù)至上”的思想發(fā)揮在供應(yīng)鏈的應(yīng)用現(xiàn)相應(yīng)的應(yīng)用。比如在需求預(yù)測以及庫存管理的工作中，通過機(jī)器學(xué)習(xí)和數(shù)據(jù)分析技術(shù)對歷史數(shù)據(jù)和市場趨勢進(jìn)行分析，可以有效的幫助企業(yè)預(yù)測需求波動，進(jìn)而規(guī)劃庫存水平。在物流路線規(guī)劃工領(lǐng)域的感知、認(rèn)知、決策等能力，在倉儲管理過程當(dāng)中，可以幫助倉儲管理工作有效進(jìn)行盤庫等工算革命帶來了數(shù)字技術(shù)和全新商業(yè)創(chuàng)造性思維的再結(jié)合。經(jīng)過多年發(fā)展，逐步衍生出公有云、私有云計(jì)算依靠其強(qiáng)大的數(shù)據(jù)分析能力對供應(yīng)鏈產(chǎn)生了深遠(yuǎn)的供應(yīng)鏈公司使用由第三方設(shè)計(jì)、托管和維護(hù)的應(yīng)用程序或網(wǎng)絡(luò)應(yīng)用基礎(chǔ)設(shè)施即服務(wù)技術(shù)和能源管理基礎(chǔ)設(shè)施基礎(chǔ)設(shè)施即服務(wù)技術(shù)和能源管理基礎(chǔ)設(shè)施管理和數(shù)據(jù)分析技術(shù)擴(kuò)大。前五大提供商的主導(dǎo)地位在公共云領(lǐng)域更加明顯，控制著超過四分之三的市場。從地理位置上看，全球所有地區(qū)的云市場都保持強(qiáng)勁增長。這表明了云服務(wù)在未來將被更加廣泛使用，助力企設(shè)備利用率，并自動化耗時(shí)的手動任務(wù)。消除了代價(jià)高昂的賬單錯(cuò)誤，簡化了流程，所有相關(guān)方都供應(yīng)鏈中云計(jì)算的使用場景與優(yōu)勢應(yīng)用類型場景詳情優(yōu)勢運(yùn)輸管理管理卡車和其他車輛的運(yùn)動和分配。使用云計(jì)算為不同部門和利益相關(guān)者提供了比較和整合數(shù)據(jù)的能力，以創(chuàng)建更協(xié)同的工作流程并通過物聯(lián)網(wǎng)（IoT）傳感器等技術(shù)，云計(jì)算實(shí)現(xiàn)了自產(chǎn)品庫存的順暢管理至關(guān)重要，云計(jì)算幫助制造商和分銷商在任何時(shí)候都能夠獲得所需數(shù)量的關(guān)鍵商品。制定未來計(jì)劃和預(yù)測售門戶、零售地點(diǎn)、批發(fā)供應(yīng)商等。預(yù)測和預(yù)測未來可能發(fā)生的情況是供應(yīng)鏈管理中最重要的功能之一。預(yù)測未來銷售能力有助于調(diào)通過云計(jì)算，所有文檔和持續(xù)數(shù)據(jù)收集可以實(shí)現(xiàn)可訪問性，從而實(shí)現(xiàn)和諧的供應(yīng)鏈。管理維護(hù)和設(shè)備故障云計(jì)算使供應(yīng)鏈公司能夠?qū)⑵湮锢砘A(chǔ)設(shè)施統(tǒng)一到在管道和輪胎制造、化學(xué)工業(yè)以及整個(gè)供應(yīng)鏈中，都有采用技術(shù)的實(shí)例，可以提高機(jī)器的投資回報(bào)率。同時(shí)消除由于設(shè)備故障或損壞導(dǎo)致的產(chǎn)品缺與此同時(shí)，云服務(wù)雖然帶來便利和效益，但也面臨著眾多風(fēng)險(xiǎn)和限制，特別是在數(shù)據(jù)和網(wǎng)絡(luò)安云，發(fā)生在我國云平臺上的網(wǎng)絡(luò)安全事件或威脅數(shù)量居高不下。這導(dǎo)致許多企業(yè)仍然觀望，因?yàn)樵朴?jì)算存在風(fēng)險(xiǎn)擴(kuò)大化和安全風(fēng)險(xiǎn)等問題。數(shù)據(jù)的價(jià)值只有在跨企業(yè)訪問時(shí)才會增加。隨著這些數(shù)據(jù)的價(jià)值增加，運(yùn)輸公司的責(zé)任也會增加。物流專業(yè)人員將需要加強(qiáng)其內(nèi)部數(shù)據(jù)安全網(wǎng)絡(luò)，以確保數(shù)要制定復(fù)雜的實(shí)施方法。但有些供應(yīng)鏈系統(tǒng)不適合進(jìn)行云遷移，因?yàn)樗鼈冃枰罅慷ㄖ坪蛡€(gè)性化的獨(dú)特過程或者與其他技術(shù)系統(tǒng)緊密集成。對于那些只希望將特定的供應(yīng)鏈活動移至云端的公司，他們的部署策略可能會與完全轉(zhuǎn)向云端的公司不同。所以，在考慮采用供應(yīng)鏈中的云計(jì)算時(shí)，還應(yīng)考慮操作云平臺和技能需求。近些年受疫情影響，越來越多的貿(mào)易企業(yè)對海運(yùn)過程的透明度和準(zhǔn)確度提出了更多的挑戰(zhàn)。這到達(dá)時(shí)間)作為衡量貨物運(yùn)輸可靠性和管理水平的重要依據(jù)，預(yù)測包括內(nèi)陸碼頭等物流節(jié)點(diǎn)的處理時(shí)間和運(yùn)輸時(shí)間。而海上運(yùn)輸，不同于航空和道路運(yùn)輸，面臨著更多復(fù)雜且不確定的影響因素。對于長距離海上運(yùn)輸，物流更容易受天氣、港口擁堵程度、季節(jié)、路線選擇、突發(fā)狀況等一系列因素至是天，所以在多式聯(lián)運(yùn)中，海運(yùn)也成為最難把控的運(yùn)輸風(fēng)險(xiǎn)點(diǎn)。由此，按時(shí)運(yùn)輸和交付大型、長定性也降低了計(jì)劃預(yù)測的可靠性，降低了內(nèi)陸運(yùn)輸運(yùn)營商的生產(chǎn)力水平和客戶體驗(yàn)。此外，客戶為避免生產(chǎn)過程中斷維持高水平庫存，船舶到達(dá)的延遲增加的運(yùn)營成本，都間接帶來了額外的供應(yīng)鏈問題:船舶軌跡預(yù)測（船舶下一個(gè)將?？吭谀膫€(gè)港口）以及到達(dá)這個(gè)港口的船舶預(yù)計(jì)到港時(shí)間。為機(jī)器學(xué)習(xí)被廣泛用于解決交通預(yù)測問題，主要通過學(xué)習(xí)歷史數(shù)據(jù)來建立預(yù)測模型。另作為機(jī)器學(xué)習(xí)技術(shù)之一的神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型，是解決現(xiàn)實(shí)生活中復(fù)雜問題的理想方法。盡管多元線性回歸通常也被作為預(yù)測的方法之一并能行速度通常會受眾多因素影響而不斷變化，輸入變量和輸出變量之間的關(guān)系并非一直呈線性。而神經(jīng)網(wǎng)絡(luò)則可以描述輸入和輸出變量之間的非線性函數(shù)，因?yàn)樗鼈兡軌蚴褂枚鄠€(gè)神經(jīng)元進(jìn)行計(jì)算。神經(jīng)網(wǎng)絡(luò)能夠通過使用算法，對原始數(shù)據(jù)中的隱藏模式和上圖分別展示了第三方船舶數(shù)據(jù)供應(yīng)商所提供的船舶ETA與通過人工神經(jīng)網(wǎng)絡(luò)模型對于船舶準(zhǔn)確的集裝箱船舶ETA是保證港口作業(yè)管理高效的重要信息。船舶到達(dá)時(shí)間的變動會對港口運(yùn)營工作產(chǎn)生一定的影響，甚至?xí)?dǎo)致海運(yùn)供應(yīng)鏈的中斷。因此，需要通過智能系統(tǒng)準(zhǔn)確預(yù)測船舶的ETA。本文提出了一種基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，結(jié)合AIS數(shù)據(jù)，對于集裝箱船舶在長距研究結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)可以通過利用船舶歷史航行數(shù)據(jù)對長距離海運(yùn)中的目的地及相對應(yīng)的ETA進(jìn)行預(yù)測。我們所提出的預(yù)測模型有助于改善港口運(yùn)營規(guī)劃，有效管理多式聯(lián)運(yùn)中的航運(yùn)風(fēng)險(xiǎn)，提升海運(yùn)貿(mào)易分析準(zhǔn)確性。具體而言，船舶預(yù)計(jì)目的地和ETA的有效預(yù)測能夠有助于有甚至避免港口擁堵。另一方面，船舶和卡車的周轉(zhuǎn)時(shí)間將會減少，碼頭的裝卸作業(yè)效率提高，同時(shí)或提前到達(dá)所造成的損失。此外，改善運(yùn)營規(guī)劃或?qū)p少船舶碳排放量，減少污染。盡管機(jī)器學(xué)習(xí)方法為構(gòu)建高效的預(yù)測模型提供了一個(gè)很好的機(jī)會，但它們的訓(xùn)練也需要大量的數(shù)據(jù)集。更多數(shù)量的數(shù)據(jù)集有助于提高模型準(zhǔn)確性，從而獲得更好的預(yù)測結(jié)果。未來的研究還可以將該方法推廣到其他不同航線。例如，將天氣因素納入模型并考慮比較不同類型船舶的預(yù)測模型也將會是一個(gè)有趣的供應(yīng)鏈軟件中的很多任務(wù)需要處理大量的數(shù)據(jù)和復(fù)雜的決策，而人工智能技術(shù)可以通過學(xué)習(xí)和VMI、WMS、TMS等。但是當(dāng)企業(yè)需要進(jìn)一步定制或強(qiáng)化其輸出時(shí)，往往會面臨很多的困難。人降低供應(yīng)鏈成本（如成本較高的貨物運(yùn)輸算法可視化）的同時(shí)，為解決客戶需求提供了更多的可能性和延展性。雖然倉庫管理系統(tǒng)（WMS）現(xiàn)在已被廣泛應(yīng)用，但這并不意味著倉庫優(yōu)化完成了更高水平的提升。下一階段的倉儲管理將使用通過人工智能技術(shù)，對各方面實(shí)時(shí)決策和流程優(yōu)化。不同于制造環(huán)節(jié)中一段時(shí)間的流程優(yōu)化，倉庫實(shí)際的復(fù)雜性對其提出了更大的挑戰(zhàn)。特別是在處理電子商務(wù)或消費(fèi)品的倉庫中，由于產(chǎn)品組合的不斷變化，必須為實(shí)時(shí)處理的數(shù)百或數(shù)千個(gè)產(chǎn)品創(chuàng)建一條裝配線。而現(xiàn)在的WMS系統(tǒng)要求各個(gè)階層的人員根據(jù)復(fù)雜的信息作出響應(yīng)的決策。這能確保數(shù)據(jù)和庫存的完整性和細(xì)節(jié)性，但并非是一個(gè)清楚明了的溝通信息，對這些信息的解讀也會直接影響到下一個(gè)決策制定。人工智能技術(shù)的應(yīng)用，會絕大部分接管原本需要人工決策的功能水平。下面我們將從分析，監(jiān)測和預(yù)測倉庫的運(yùn)行狀態(tài)，同時(shí)也對倉庫的物流運(yùn)作進(jìn)行優(yōu)化管理，提高倉庫的運(yùn)行效率和安全性。其次，人工智能技術(shù)通過對物流運(yùn)作時(shí)的數(shù)據(jù)進(jìn)行分析，優(yōu)化和預(yù)測物流運(yùn)作的路徑和異常情況等作出預(yù)警，對倉庫門禁、監(jiān)控等進(jìn)行控制造商之一。在智能倉儲解決方案上，N公司利用人工智能和模擬技術(shù)為供應(yīng)鏈提供了比以往更高效和智能的服務(wù)，以保證企業(yè)始終能夠滿足顧客的期望。從車輛首次進(jìn)入分銷中心，人工智能就通過計(jì)算機(jī)視覺對收貨過程進(jìn)行了優(yōu)化。企業(yè)可以探測和辨別到達(dá)的車輛，并在其卸貨時(shí)對貨箱進(jìn)行計(jì)數(shù)和標(biāo)簽讀取，快速識別。通過智能預(yù)測，人工智能也能為企業(yè)分析潛在客戶需求,何時(shí)需求等整輸送帶的速度，以最大化員工生產(chǎn)力和運(yùn)行安全性，提高或降低傳送速度；當(dāng)包裹傾斜或靠得太近時(shí)，計(jì)算機(jī)視覺應(yīng)用程序通過自動調(diào)整，避免擁堵。同樣，智能自動化可以優(yōu)化品控流程，檢測給供應(yīng)鏈優(yōu)化的開始。高倉庫貨物吞吐量。企業(yè)可以在數(shù)字世界中開發(fā)、測試和管理人工智能驅(qū)動下的倉庫，并可以將這些優(yōu)化帶入到現(xiàn)實(shí)作業(yè)中。實(shí)時(shí)的人工智能模型也會因此被重新訓(xùn)練，以應(yīng)對新產(chǎn)品和新流程的引入應(yīng)用。部署完人工智能應(yīng)用程序后，機(jī)器人可以安全地對產(chǎn)品進(jìn)行排序、存儲、檢索和托盤大大減輕了員工的繁瑣人力勞動，提高了運(yùn)轉(zhuǎn)效率和貨物吞吐量。同時(shí)，這些機(jī)器人通過模擬和訓(xùn)練，會以最佳路線在虛擬倉庫中查找產(chǎn)品，將所學(xué)應(yīng)用到真實(shí)的倉庫作業(yè)中，最后在更短時(shí)間內(nèi)完而對于供應(yīng)鏈管理者而言，對AI的期待絕不在于一寧波（中國）供應(yīng)鏈創(chuàng)新學(xué)院戰(zhàn)略合作與發(fā)展辦負(fù)責(zé)人/研究寧波（中國）供應(yīng)鏈創(chuàng)新學(xué)院戰(zhàn)略合作與發(fā)展辦公室項(xiàng)目主管柴寧波（中國）供應(yīng)鏈創(chuàng)新學(xué)院院長/博導(dǎo)郭杰群外部技術(shù)顧問南方科技大學(xué)研究副教授寧波（中國）供應(yīng)鏈創(chuàng)新學(xué)院特聘準(zhǔn)時(shí)達(dá)項(xiàng)目團(tuán)隊(duì)準(zhǔn)時(shí)達(dá)國際供應(yīng)鏈管理有