人工智能近年來的迅猛發(fā)展,，預(yù)示著其將為倉庫運(yùn)作方式帶來革命性的變革,。但在企業(yè)決定在運(yùn)營實(shí)踐中引入并實(shí)施這一新技術(shù)之前，必須要確保已擁有相關(guān)數(shù)據(jù)及所需人才。

對(duì)相關(guān)企業(yè)而言,，即時(shí)關(guān)注并對(duì)供應(yīng)鏈技術(shù)的進(jìn)步具有敏感性幾乎已經(jīng)成為必須,。機(jī)器人技術(shù),、自動(dòng)化,、數(shù)據(jù)分析和工業(yè)物聯(lián)網(wǎng)等各種新技術(shù)，正在逐步展示出其在提升貨物運(yùn)輸，處理,，存儲(chǔ)和配送效率方面的潛力,。這些新技術(shù)的不斷涌現(xiàn)，使得我們很難確認(rèn)究竟應(yīng)把注意力集中在哪一方面,。

在這其中一項(xiàng)值得仔細(xì)研究的新技術(shù)是人工智能(AI),。簡(jiǎn)單而言， 人工智能是計(jì)算機(jī)系統(tǒng)發(fā)展到一定階段的產(chǎn)物,，即代為執(zhí)行通常需要人類智能參與的任務(wù)（如視覺感知,、語音識(shí)別、決策和語言翻譯）,。人工智能出現(xiàn)于1956年,，但絕大多數(shù)情況下，我們都必須將智能程序明確地輸入到計(jì)算機(jī)中,。

近年來,，機(jī)器學(xué)習(xí)作為一種典型的人工智能技術(shù)。機(jī)器學(xué)習(xí)主要是探索如何可以使計(jì)算機(jī)程序通過對(duì)輸入數(shù)據(jù)的學(xué)習(xí)來提高其輸出性能,。這些程序可以嵌入在機(jī)器中，也可以在服務(wù)器或云端操作,。亞馬遜(Amazon),、谷歌、Facebook,、微軟(Microsoft)等大型科技公司已經(jīng)將機(jī)器學(xué)習(xí)融入到他們的產(chǎn)品和服務(wù)中,，為用戶提供：相關(guān)度更高的網(wǎng)絡(luò)搜索內(nèi)容，更好的圖像與語音識(shí)別技術(shù)以及更智能化的設(shè)備,。

機(jī)器學(xué)習(xí)與數(shù)據(jù)分析（收集,、轉(zhuǎn)換及數(shù)據(jù)分析的流程）之間有一些相似之處。兩者都需要一個(gè)經(jīng)過清理的,、多樣化的,、大型的數(shù)據(jù)庫才能有效地運(yùn)作。然而,，主要的區(qū)別在于,，數(shù)據(jù)分析允許用戶從數(shù)據(jù)中得出結(jié)論，進(jìn)而要求用戶采取相應(yīng)措施來改善其供應(yīng)鏈,。相比較而言,，對(duì)于已處于可解決范疇內(nèi)的問題，機(jī)器學(xué)習(xí)可以基于“訓(xùn)練數(shù)據(jù)庫”自動(dòng)執(zhí)行操作（本文后續(xù)關(guān)于監(jiān)督學(xué)習(xí)的部分將對(duì)此進(jìn)行討論）,?；谄湓试S任務(wù)自動(dòng)執(zhí)行這一特性，人工智能 — 尤其是機(jī)器學(xué)習(xí) — 對(duì)許多供應(yīng)鏈管理人員來說都是一項(xiàng)值得關(guān)注的重要技術(shù)。對(duì)于今天的許多企業(yè)來講,，制定并實(shí)施供應(yīng)鏈相關(guān)的人工智能戰(zhàn)略,，將使其隨著技術(shù)的逐漸成熟，提升自身的生產(chǎn)力,、速度與效率,。

一、人工智能的發(fā)展現(xiàn)狀

人工智能近期的迅猛發(fā)展,，得益于以下因素的共同作用,。第一，各種設(shè)備的互通互連而產(chǎn)生的數(shù)據(jù)量的增長(zhǎng)以及促使日常生活數(shù)字化的高級(jí)傳感器的使用的增長(zhǎng),。第二,，從移動(dòng)設(shè)備到云計(jì)算，各種設(shè)備的計(jì)算能力也在持續(xù)增長(zhǎng),。因此,，機(jī)器學(xué)習(xí)可以運(yùn)行在最新的硬件運(yùn)算設(shè)備上，同時(shí)獲取大批量,、多樣化及高質(zhì)量的數(shù)據(jù)庫,，進(jìn)而自動(dòng)執(zhí)行各種任務(wù)。

案例一：

下面是一個(gè)眾多消費(fèi)者將逐漸熟悉的場(chǎng)景,。如果你有一個(gè)iphone而且每天早晨通勤上下班,， 最近一段時(shí)間你可能留意到了以下情況：當(dāng)你坐進(jìn)汽車的時(shí)候，你的手機(jī)將自動(dòng)提示你開車去公司將需要多少時(shí)間,，根據(jù)實(shí)時(shí)的路況信息給出最佳行車路線的建議,。當(dāng)這一現(xiàn)象第一次發(fā)生時(shí)，你可能會(huì)有這樣的疑惑：“手機(jī)怎么會(huì)知道我要去上班,？感覺很酷,，但也有一點(diǎn)點(diǎn)恐怖”。

因?yàn)閮?nèi)置了機(jī)器學(xué)習(xí)功能,，手機(jī)可以根據(jù)你過去做過的事情來預(yù)測(cè)你將要什么,。如果你換了新工作或者開車去了另外一個(gè)目的地，設(shè)備會(huì)自動(dòng)調(diào)整它的預(yù)測(cè),，并根據(jù)新的目的地發(fā)出新的通知,。這一應(yīng)用場(chǎng)景的特別強(qiáng)大之處在于：設(shè)備對(duì)用戶來說越來越有幫助，而用戶或軟件開發(fā)人員不必采取任何行動(dòng),。

另一個(gè)場(chǎng)景是自動(dòng)駕駛汽車,。目前路面上行駛的的自動(dòng)駕駛汽車正在被用來收集數(shù)據(jù)，用來改進(jìn)下一代自動(dòng)駕駛汽車的技術(shù),。當(dāng)人工操作人員直接對(duì)車輛進(jìn)行控制時(shí),，相關(guān)的數(shù)據(jù)就會(huì)與其他車輛的數(shù)據(jù)匯集起來并進(jìn)行對(duì)比分析,，以確定在何種情況下自動(dòng)駕駛汽車將切換到由人工駕駛模式。這樣的數(shù)據(jù)收集與分析將使得自動(dòng)駕駛汽車變得更加智能,。

Ng強(qiáng)調(diào),，雖然人工智能已經(jīng)有很多成功的實(shí)施案例,，但大多數(shù)都是在監(jiān)督學(xué)習(xí)的場(chǎng)景下展開應(yīng)用。在這一模式下,，每一個(gè)訓(xùn)練輸入數(shù)據(jù)庫與正確的輸出決策相關(guān)聯(lián),。機(jī)器學(xué)習(xí)算法通過比對(duì)這個(gè)訓(xùn)練庫的信息來根據(jù)新的輸入數(shù)據(jù)做出決策。監(jiān)督學(xué)習(xí)的一些常見應(yīng)用包括照片標(biāo)記,、貸款處理與語音識(shí)別,。在每一個(gè)應(yīng)用案例中，系統(tǒng)都會(huì)接收輸入信息 — 比如照片標(biāo)簽應(yīng)用中的圖片 — 并基于它從訓(xùn)練數(shù)據(jù)庫中學(xué)到的信息做出決定或做出反應(yīng),。

如果擁有一個(gè)足夠大的輸入數(shù)據(jù)庫,，并用對(duì)應(yīng)的人工響應(yīng) (或輸出) 做以注釋 ，那么就可以構(gòu)建一個(gè)人工智能應(yīng)用程序,，允許計(jì)算機(jī)系統(tǒng)接收新的輸入數(shù)據(jù)并自行做出決定。這可以使過去不容易自動(dòng)化的流程變的可以自動(dòng)運(yùn)作,，最終提升倉庫啊的運(yùn)營效率,。而實(shí)現(xiàn)這一目的的關(guān)鍵就是輔助做出決策的數(shù)據(jù)庫的大小、質(zhì)量與多樣性的程度,。訓(xùn)練輸入數(shù)據(jù)庫越大,、越多樣化，機(jī)器學(xué)習(xí)算法做出的決策就越優(yōu)化,。

二,、選擇可參照案例

當(dāng)考慮在供應(yīng)鏈中應(yīng)用人工智能的各種方案時(shí)，直接應(yīng)用相應(yīng)技術(shù)然后確定應(yīng)用方案或許很有吸引力,。但是,，如果你首先分析一下公司業(yè)務(wù)面對(duì)的挑戰(zhàn)與機(jī)遇，然后再選擇相匹配的人工智能技術(shù)來解決相關(guān)問題,，這樣的流程會(huì)有助于你選擇更有效率,、更適合的應(yīng)用方案,。

就倉庫及其運(yùn)作而言，人工智能的應(yīng)用應(yīng)該以企業(yè)所關(guān)注并不斷優(yōu)化的關(guān)鍵性能指標(biāo)(KPI)為指導(dǎo)（訂單準(zhǔn)確性,、安全性,、生產(chǎn)率、履行時(shí)間,、設(shè)施損壞或庫存準(zhǔn)確性等）,。倉庫通常已經(jīng)擁有大量與KPI指標(biāo)相關(guān)的數(shù)據(jù)，這些都可以被人工智能應(yīng)用程序用于自動(dòng)完成任務(wù)或做出決策,。然而,，這些數(shù)據(jù)由于數(shù)據(jù)類型的原因并不能直接用于人工智能技術(shù)，并且通常分布在不同的倉庫管理系統(tǒng)中,。因此,，在正式應(yīng)用之前，許多人工智能應(yīng)用程序需要對(duì)不同倉庫管理信息系統(tǒng)中的數(shù)據(jù)進(jìn)行整合,。

下面的3個(gè)案例（生產(chǎn)力,、設(shè)備利用率、效率）說明了人工智能在倉儲(chǔ)運(yùn)營場(chǎng)景中的應(yīng)用潛力,。雖然這些案例可能并不適用于所有倉庫,，但它們確實(shí)展示了企業(yè)如何將自己已有的數(shù)據(jù)整合成可以應(yīng)用機(jī)器學(xué)習(xí)技術(shù)的形式。

案例一,、生產(chǎn)力

在揀選訂單的環(huán)節(jié),，所有的倉庫都存在不同員工的生產(chǎn)力不同這一現(xiàn)象（有效率最高的訂單揀選員也有變現(xiàn)一般的員工）。但是相對(duì)于使用系統(tǒng)引導(dǎo)進(jìn)行揀選的倉庫而言,，員工在生產(chǎn)力方面的差異在不使用系統(tǒng)引導(dǎo)的倉庫中表現(xiàn)更為明顯,。

對(duì)于那些不使用系統(tǒng)引導(dǎo)進(jìn)行揀選的倉庫，機(jī)器學(xué)習(xí)提供了一個(gè)可以更好推廣最高效員工經(jīng)驗(yàn)的機(jī)會(huì),，并將系統(tǒng)引導(dǎo)模式引入到所有員工的工作中,。如果聯(lián)系到上文提到的監(jiān)督學(xué)習(xí)，最高效員工的揀選列表將作為人工智能應(yīng)用的輸入數(shù)據(jù),；這些員工在揀選列表中貨物的順序決策即為輸出數(shù)據(jù)（基于條碼掃描或其他可獲取信息）,。除了最短揀選距離這一指標(biāo)之外，避免擁擠通常是提升生產(chǎn)力的另外一個(gè)重要指標(biāo),。因?yàn)樽罴褣x員工通常會(huì)同時(shí)考慮這兩個(gè)因素,，因此上面的輸入輸出數(shù)據(jù)庫應(yīng)該已包含這些信息。

基于這些精準(zhǔn)標(biāo)注的數(shù)據(jù),，機(jī)器學(xué)習(xí)算法在接收新的訂單數(shù)據(jù)后案最佳原則進(jìn)行歸類,。通過這種方式，算法可以復(fù)制最有效員工的揀選操作,，并提高所有員工的生產(chǎn)力,。

案例二,、設(shè)備利用率

某一倉庫一天內(nèi)需要搬運(yùn)的容器或托盤數(shù)量與所需的搬運(yùn)設(shè)備數(shù)量之間有一定的關(guān)系。在大多數(shù)情況下,，兩者之間是一種線性關(guān)系,。但是，某些因素（例如操作人員的技能水平或貨物的混合存放等）也可能會(huì)影響到所需搬運(yùn)設(shè)備的佘亮,。

在這種情況下,，輸入數(shù)據(jù)就需要包括所有可能影響設(shè)備需求的數(shù)據(jù)（從倉庫管理系統(tǒng)中調(diào)用的揀選訂單清單以及從員工管理系統(tǒng)中獲取的操作人員生產(chǎn)力水平等信息）。輸出信息包括從升降搬運(yùn)車管理系統(tǒng)中獲得的搬運(yùn)設(shè)備使用率信息,。

基于這一精準(zhǔn)標(biāo)注的數(shù)據(jù)庫,，機(jī)器學(xué)習(xí)算法將可以接收未來數(shù)星期或數(shù)月的訂單預(yù)測(cè)信息和現(xiàn)有員工的技能水平信息，進(jìn)而預(yù)估出所需搬運(yùn)設(shè)備的數(shù)量,。升降搬運(yùn)車車隊(duì)經(jīng)理將在同設(shè)備供應(yīng)商的協(xié)商中采納這些信息作為決策參考,，以確保通過短期租賃或新設(shè)備購買的方式來確保在某一期限內(nèi)獲取合適數(shù)量的搬運(yùn)設(shè)備進(jìn)行揀選操作。

案例三,、效率

一個(gè)好的貨位策略應(yīng)該是將高需求的SKU盡量集中放在最佳位置但同時(shí)又要適當(dāng)?shù)姆稚[放,，以降低擁堵程度來提高揀選效率。但由于需求的不斷變化以及SKU的數(shù)量（某些倉庫中可能有數(shù)千個(gè)SKU）,，倉庫很難僅僅依靠員工來判斷SKU的需求量來實(shí)現(xiàn)最佳存放,。因此一些倉庫運(yùn)營商會(huì)使用貨位分配軟件來幫助確定SKU擺放位置。這些軟件會(huì)提供操作界面允許客戶修改運(yùn)作規(guī)則,。當(dāng)接收到銷售歷史數(shù)據(jù)或未來銷售預(yù)測(cè)信息后,，軟件就會(huì)推薦相應(yīng)的貨位策略。但是,，負(fù)責(zé)軟件的人員經(jīng)常會(huì)依據(jù)自己的經(jīng)驗(yàn)來修改策略,，而這些經(jīng)驗(yàn)卻往往不能反應(yīng)出揀選操作的真實(shí)情況。

在這種情況下,，輸入數(shù)據(jù)就是軟件所推薦的貨位策略,。輸出數(shù)據(jù)是最終決定執(zhí)行的策略。機(jī)器學(xué)習(xí)算法可以和貨位分配軟件結(jié)合,，通過對(duì)實(shí)施最終貨位擺放策略的員工的傾向性進(jìn)行不斷的學(xué)習(xí)，最終實(shí)現(xiàn)自動(dòng)調(diào)整,。

三,、制定策略

明確倉儲(chǔ)相關(guān)領(lǐng)域可以從人工智能技術(shù)獲益之后，制定相關(guān)的應(yīng)用策略將非常重要,。在其發(fā)表于《哈佛商業(yè)評(píng)論》的文章中,，Andrew Ng對(duì)高管們應(yīng)該如何定位公司的人工智能策略提出了一些有益的看法。他寫道,，制定一個(gè)成功戰(zhàn)略的關(guān)鍵是“理解在哪里創(chuàng)造價(jià)值,，什么是很難復(fù)制的”,。

Ng指出，人工智能研究人員經(jīng)常發(fā)布和分享他們的想法,，并公布他們的代碼,，因此我們可以很便捷地接觸到最新理念及進(jìn)展。相反,，“稀缺資源”是數(shù)據(jù)和人才,，而這兩點(diǎn)對(duì)企業(yè)制定人工智能策略獲取競(jìng)爭(zhēng)優(yōu)勢(shì)極為關(guān)鍵。在數(shù)據(jù)源已經(jīng)被精確連接到了對(duì)應(yīng)的輸出信息的情況下,，復(fù)制一款軟件比獲得原始數(shù)據(jù)要簡(jiǎn)單的多,。因此，具有鑒別與獲取有價(jià)值的數(shù)據(jù)并有能力根據(jù)實(shí)際情況修改軟件參數(shù)以最大化利用這些數(shù)據(jù)的人員,，將是制定人工智能策略過程中關(guān)鍵而具有差異性的組成部分,。也就是說，如果一個(gè)企業(yè)向推進(jìn)人工智能在倉儲(chǔ)場(chǎng)景下的應(yīng)用,，那么它就必須將重點(diǎn)放在提高數(shù)據(jù)和人才的質(zhì)量這兩方面,。

關(guān)于數(shù)據(jù)，要明確的一個(gè)關(guān)鍵問題是：哪些數(shù)據(jù)是你的公司所獨(dú)有而且可以用來提高與業(yè)務(wù)相關(guān)的KPI,？這一點(diǎn)明確之后,，就需要提高倉儲(chǔ)管理系統(tǒng)中的數(shù)據(jù)的質(zhì)量。這一步通常被稱為數(shù)據(jù)管控,，來確保供應(yīng)鏈運(yùn)作相關(guān)的數(shù)據(jù)具有一個(gè)可以“真實(shí)反映客觀事實(shí)的來源”,。

舉例來講。叉車司機(jī)的信息可以存儲(chǔ)在不同的信息系統(tǒng)中,，包括人力資源系統(tǒng),、員工管理系統(tǒng)、倉庫管理系統(tǒng),、叉車車隊(duì)管理系統(tǒng)等,。如果司機(jī)信息被分別錄入以上系統(tǒng)，那么同一員工的姓名及身份號(hào)碼就可能出現(xiàn)不匹配的情況,。比如,，一個(gè)人可以在WMS中被標(biāo)識(shí)為Jo Smith， #01425; 在LMS系統(tǒng)中為Joanne Smith, #1425; 而在車隊(duì)管理系統(tǒng)中則只登記為Joanne Smith,，同時(shí)沒有認(rèn)可身份號(hào)碼,。

對(duì)于跨系統(tǒng)整合數(shù)據(jù)的機(jī)器學(xué)習(xí)應(yīng)用案例來說，數(shù)據(jù)必須是干凈的,。具有良好數(shù)據(jù)管控能力的企業(yè)可以將其中某一系統(tǒng)定義為存有主要數(shù)據(jù)的系統(tǒng),，并在需要時(shí)通過應(yīng)用程序編程接口（API）將這一數(shù)據(jù)導(dǎo)入其他任意系統(tǒng)中。

如果需要整合來源于多個(gè)系統(tǒng)的數(shù)據(jù),，那接下來要面對(duì)的挑戰(zhàn)就是數(shù)據(jù)集成,。也就是說,，要確保所有來源于不同倉儲(chǔ)運(yùn)作相關(guān)的系統(tǒng)中的數(shù)據(jù)可以被整合成一種可以用來機(jī)器學(xué)習(xí)的形式。這就需要與供應(yīng)商緊密合作,，以了解對(duì)方的運(yùn)營能力以及整合來自車隊(duì)管理,、員工管理、倉庫管理,、企業(yè)資源管理等不同系統(tǒng)的數(shù)據(jù)的潛力,。這就為支持?jǐn)?shù)據(jù)分析以及客戶定制化的人工智能應(yīng)用奠定了數(shù)字化基礎(chǔ)。在技術(shù)上具有挑戰(zhàn)性,，但許多系統(tǒng)中嵌入的API接口簡(jiǎn)化了這一任務(wù),。

一個(gè)更大的挑戰(zhàn)可能來自于人才領(lǐng)域。在你的公司中有多少人專職進(jìn)行管控,、集成于抓取正在創(chuàng)建的數(shù)據(jù)信息,？如果答案是“還不夠”，那么你就要考慮設(shè)置一個(gè)高管級(jí)別的職位,，致力于在董事會(huì)層面來積極推動(dòng)以公司數(shù)據(jù)資產(chǎn)為來源來建立企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì),。

這種高級(jí)別的助推策略，可以從確定公司如何在這一領(lǐng)域構(gòu)建能力開始,。對(duì)大多數(shù)公司來講,，也可以通過內(nèi)部員工和外部顧問的組合來實(shí)現(xiàn)。甚至有一些眾籌的機(jī)器學(xué)習(xí)平臺(tái)（例如Kaggle和Experfy）可以協(xié)助你將你在數(shù)據(jù)方面要面對(duì)的挑戰(zhàn)與世界各地的專家之間建立起聯(lián)系,。因?yàn)榻裉炷闼@得的數(shù)據(jù)可能會(huì)對(duì)未來的機(jī)器學(xué)習(xí)應(yīng)用產(chǎn)生深遠(yuǎn)影響,，因此建立數(shù)據(jù)能力是一個(gè)優(yōu)先需要考慮的事項(xiàng)。許多大型企業(yè)已經(jīng)在內(nèi)部成立了專門部門來引導(dǎo)人工智能及數(shù)據(jù)分析方面的工作,，這一需求也使得這一領(lǐng)域的專業(yè)人才變的炙手可熱,。

四、感想總結(jié)

雖然供應(yīng)鏈經(jīng)理需要評(píng)估各種技術(shù)以及指導(dǎo)以科技為基礎(chǔ)的革新,，但人工智能不應(yīng)因此被忽略,。但它也不應(yīng)該被視作可以瞬間完成供應(yīng)鏈變革的萬靈藥。相反地,，人工智能應(yīng)該被定義為一個(gè)可以提升與企業(yè)成功密切相關(guān)的KPI指標(biāo)的工具,。使用這一工具并不需要成為人工智能領(lǐng)域的專家，但必須確保你的企業(yè)滿足了前文所提到的三個(gè)基本要求：確定與提升企業(yè)績(jī)效相關(guān)的高價(jià)值應(yīng)用案例,；創(chuàng)立可以整合這些高價(jià)值數(shù)據(jù)的數(shù)字基礎(chǔ)設(shè)施,；開始建立一個(gè)由內(nèi)部與外部專家組成的專業(yè)團(tuán)隊(duì)。