人工智能为供应链提供了巨大的潜力 有助于减少中断并提高效率
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
然而，到目前为止，很少有实际的例子和案例来说明如何有效地实现数据驱动的方法。
剑桥大学制造研究所(IfM)的亚历山德拉布林图普博士解释了她的研究如何解决这一差距，并为该组织揭示了宝贵的经验教训。
供应链分析并不是一个新概念——事实上，制造业长期以来一直是数据驱动技术的热情采用者。那么，除了花哨的新名字，真正的新功能是什么呢？
三个新兴发展的结合正在改变游戏规则：
计算能力使我们能够实时执行困难的计算
强大的新算法可以自动进行分析和决策
至关重要的是，新的和以前未开发的数据源已经出现
我们还应该记住，“供应链分析”是一个通用术语，指的是多种功能。每个组织都没有解决方案：这取决于供应链的性质、组织战略和优先级以及可用的信息。
不是每个特性都适合每个组织——它们不应该被认为是待办事项！相反，公司可以选择要开发的功能来满足特定的供应链功能和业务需求。
然而，组织可以解决四个常见问题，以了解如何在自己的环境中最好地部署供应链分析和人工智能。
本文首次发表于《制造商》杂志5月刊。点击此处订阅
1.有多少数据，来自什么来源？
你的数据来自哪里？传统上，在供应链中，我们使用企业资源计划(ERP)系统来获取结构化的数据源(这些数据源大多是手工填充的，但也来自一些自动化的流程)。
现在，我们有了更多来源的数据：通过传感器和物联网连接提供数据状态、位置和状况状态更新的智能产品、GPS位置跟踪数据，甚至非常规来源(如社交媒体)。
这些数据大多可以实时获得，并且可以从您的直接组织边界之外收集，无论是从供应链合作伙伴、外部组织还是客户那里。
2.数据将如何提供有价值的信息？
数据量可能会非常庞大，因此了解并关注真正增加价值的内容非常重要。您将如何使用数据来更好地理解正在发生的事情？
考虑如何集成来自不同来源的数据以提供动态概述也很重要。例如，这可以使预测分析减少中断。
3.数据如何改善决策？
提高数据可用性有可能进一步提高系统意识。但是，您将如何利用新发现的知识-数据将用于改进哪些决策？
你能决定如何优化当前的流程或未来如何重新设计系统吗？重点主要是简化日常操作、战术领域还是战略决策？数据可以在整个供应链中一起使用来提高效率吗？
4.这如何支持任务的自动化或半自动化？
数据分析可以发现隐藏的模式和趋势，并采取行动改善供应链运作。
通过数据识别的日常运营任务的自动化或半自动化可能会对供应链的优化产生革命性的影响。
实践中的供应链分析：一个真实的例子
IfM的制造分析研究团队与汽车和航空航天行业、快速消费品和其他行业的合作伙伴开展了多项供应链分析研究。
本文就为大家讲解到这里了。