输入搜索关键词

主页 > 观世界之趋势 >

AI物流系列报导Part5扩大利基
时间:2019-01-03 10:29       来源:文 | 本刊编辑部

【导语】本作者是编辑部特约撰稿人,曾就职于国际快递公司,担任供应链分析与管理工作,期间游历于各大物流企业与货主企业,学习企业经营理念并将其融会贯通,自创一派,尔后担任各大企业供应链物流顾问工作,对台湾地区物流发展有先进独特的眼光,总是能够洞烛机先,预测未来。近年来,先天下之忧而忧,感叹台湾地区物流业停滞不前,提出科技创新发展物流,希望能为台湾地区产业注入活水。本篇为最终报道。

 
 

人类社会好玩的地方,就是永远会产生问题,也总会有聪明的人找出解决的方法,有的问题可能会经过好几十年的持续累积,在新的杀手级应用出现后,问题可被有效解决。现阶段,我们已经没有时间慢慢评估是否实施AI,因为AI已经是企业生存的关键因素,随着芯片普及于各种装置,五年后企业经营的面貌会与现在有很大的不同。目前已有不少企业开始做各种AI的想法和创意,这些应用大概可归纳为连结现况、库存改善、经验传承、扩大利基,我们希望藉由这些案例的分享,让物流企业了解新的竞争态势,早日踏上AI浪潮。


 

连结现况

连结现况的目的就是要知道外面发生了甚么事,这些事会如何的影响我们自己的供应链。目前在业界上比较成功的是DHL的Resilience360系统,这个系统利用AI文字分析技术,持续监测常见的社群媒体、公开网站所发生的事(精确地说,就是系统会自动分析相关网站内的文字),例如是否有人抱怨DHL的配送慢,或是运务员服务态度不佳、发生台风、地震、疫情…等一切可能影响DHL供应链运作的事件。

做这件事的短期效益,就是DHL可以在大事件发生之前,就做好缓冲处理,减缓外部事件对自己供应链的冲击;此外,可以很清楚的知道消费者都在讨论什么事,都在讨论什么商品,把消费者喜欢的商品预先布署在适当的供应链节点。

长期而言,则是可以协助客户做到真正的供应链事件管理,因为现在的客户要的不仅是物流服务,而是需要让整个供应链运作更稳定的整体解决方案。

库存改善

“库存”一直是各企业最头痛的难题,在这个新产品辈出、生命周期缩短,消费者口味多变且缺乏忠诚度的状况下,库存要放什么、放多少、放那些地方,使用传统的预测模型,已无法满足现今需求。我们先看下以下例子:

空调商品有很高的季节性需求变化,而且因为每年都在推出新产品,使得维修备品种类越来越多,如果仅根据销售记录做被动型预测,使得预测的结果永远跟不上实际的变化。

在电子商务系统中,普遍都会有部分商品相当热销,但是却有更多商品的销售量很小,但是又不能把这些销售量不多的商品全部下架,因为会造成商品的丰富性降低,使得消费者不想进到网站来消费。这类低度销售的商品就是长尾型需求(long-tail demand)商品,对电商企业而言最难处理的也就是这类商品,因为最难做销售预测,也很难配置库存数量。

在1960年代,Granarolo仅是意大利一家小型的牛奶供应商,当时要做销售规划是相当单纯的,但是当公司成长为跨国企业,上百种不同乳制品,以及不同的销售通路、运输模式时,其导入的销售预测系统也不再管用,因为这些系统大多仅能使用有限的资料作推估,也没办法同时考量汇率波动、气候等因素,因此预测结果相当不准。

不过,不要期待太高,就算导入AI来做库存管理,也不可能短期做到精准,但是可以做到“越来越准”。Amazon目前在物流中心内,大量地使用AI机器人做货件搬运,除了速度快,更重要的是信息更新的实时性。


美国居家DIY零售大厂Lowe’s,在其店内配置了AI机器人,这些机器人一方面可以回答消费者问题、带领消费者到指定的储位挑选商品,更可在自动执行货架的库存扫描,采用影像辨识方式,分析每个储位上面的错误商品或是库存不足状况。


 
传统使用人工方式做日常盘点,很难做到实时化的数据更新,往往都是拣货时才发现储位上的库存数量与系统资料不符。上述例子告诉我们,AI协助解决库存问题的方式,短期就是通过实时化数据更新,让实体库存数据与ERP系统的数据相符;长期则是可通过AI模型,利用更多参数做到更好的库存规划。

经验传承

利用AI的学习模型,学习特定领域人类专家的判断方式,除了有助于经验传承,更可减轻第一线执行“诊断、分类”的工作负担,例如物流业的退货分析、以及医院内初步的病患筛检,这样的好处,就是让人力资源多配置于后端的“问题解决”。
 
美国食药署(FDA)在今年四月已核准利用AI做视网膜病变的确诊辅助,也就是说,病人仅需在指定的设备前扫描一下眼睛,就可通过AI软件确认患者是否有视网膜病变,类似的医疗应用预计会越来越普遍,人类医师就可以专注于“治疗”。
 
台湾的疾病管制署在今年也成功利用AI作为疟疾病患血液分析工具,让以往这种需要人类专家判读的工作,转由AI来处理,准确度超过九成,一方面可让人类专家届龄退休,一方面又可留下专家的专业知识。


 
任何产业都会有类似问题,如果将诊断、评估这类初级工作,让AI来取代,至少可节省1/3人力。问题的诊断与评估涉及许多的经验与知识,通常不是新进人员可胜任的工作,而且要训练出这样的专家需花多年时间,容易衍生留才问题。
 
日本电子业利用AI技术,将微型摄影机配置在人类专家眼镜上,监测整个“检验”过程,例如品检员会如何翻转待测物体,看那些地方的瑕疵,看的顺序如何,都会被AI模型学下来,然后用来协助培训新进检测人员;另外也有日本工厂在作业人员身上配置定位器,分析技术人员会在哪些产线区域巡逻,以便教导新进人员在产线巡逻的重点。

扩大利基

传统的零售业促销管理是单纯是靠节日,例如端午、中元、中秋前夕,零售企业总会用尽各种促销手法;如果不是一般节日,企业也学会了自订节日或是延用欧美国家的节日,例如淘宝的“双十一购物节”、万圣节等。但是这类极短期促销手法,经常会造成物流企业极大的负担,而且很容易引发供应链上的“长鞭效应”,供应链各环节都极大化的布署库存以因应下游客户的需求。
 
因此如何扩大销售,但是让这些扩大的销售量尽可能平准地分散在每一天,就得考虑更多因素,例如天气与社群讨论。Walmart早在2014年开始就与IBM合作,利用机器学习方经找出销售量与气候的关系,结果发现当天气属于多云且有风的状况下,消费者喜欢买牛排;如果天气较热且干燥时,消费者喜欢买汉堡。而现今科技预测三天内天候状况已经相当准确,利用这些AI与大数据,Walmart就不用在拘泥于80年代所使用“every day low price”来吸引消费者上门,因为在这些天候状况下,消费者会自己上门,根本不需要用低价策略。
 
而随着物联网装置的成本降低,有越来越多的空调系统供应商在主机内配置音频侦测器,利用音频侦测器可持续搜集客户使用空调系统的频率与习惯,然后将这些数据回传至AI模型持续训练,当侦测器听到特定频率的声音时,就知道空调系统可能即将发生故障,这时候就可帮客人做预防性维修,如此可大幅缩短维修时效、降低备品库存,同时又可提高客户满意度。
 
达美乐的小型配送车就是用来做自动配送,解决配送人员不足的问题,因为其车辆比一般的自驾车小很多,因此在道路行驶上就可避免许多可能的法律争议或是政府管制,而且因为车辆较小,单一店面就可配置较多自动车。有了这些自动配送车,配送就不会再是Pizza店的瓶颈问题,自然可扩大销售利润。因此,以往物流是企业用来降低成本的手段,现在的AI搭配物流,则是企业用来扩大营运的策略。

最后一种扩大利基的方法,就是利用AI装置延伸企业服务,例如Amazon的智慧音箱,目前可用来报新闻、说故事、听音乐。当然,Amazon主要的野心就是让消费者可对智慧音箱下达购物指令,然后直接连结其电商系统,不用担心消费者上比价网站到处看。
 
把硬件装置延伸到消费者家里有很多积极的商业意义,通过声音分析,我们可以知道家庭成员有几位,通过声音分析,我们也可知道不同的消费者何时在家、生活习性如何,甚至当有一天,这些延伸装置都有摄影机,且可在家自由行走时,家中有几台电视、冰箱、配置如何都可自动分析。
 
这些AI装置进入家庭后,就可为厂商提供持续性服务,例如SONY的AIBO狗,除了本机之外,消费者每月还需支付约3000日币的软件服务费作为AIBO的模型更新。

把AI导入正途

我们可以预期,AI的运算速度一定会随着科技的演进越来越快,预测的精准度也会随着累积的大数据增加而越来越精准,会让客户与供应商的黏着度越来越高,且扩大零售商机。当供应商的装置(如智慧音箱、智慧家电、智慧机器人)进入家庭之后,家里的大小事、生活习性、空间摆设、作息时间,供应商都可掌握得清清楚楚,如果暂时不考虑隐私的问题,供应商与消费者间的无形距离会越来越缩短,这对文明社会是好事,表示供应商所生产的都可满足消费者需求,没有过多的浪费。
 
质疑AI的人会说,AI现阶段看似聪明,但实际上仍相当愚昧,因为AI会将人类的指令视为目标去执行,且不考虑后果,例如当人类对自动驾驶车辆下达“用最快的速度带我到机场”的指令,AI可能会不计一切代价的加速、超车,忽视其他用路人的自由与安全。

 
我们可以说,这是科技发展的过渡期,现阶段的AI发展多以“单一目标、利己”为主,相信下一代的AI,可以有更多类似人类的心智思考,我们的共同责任,就是把AI导入正途。
 
下一页
参与评论
资讯

更多>

风云人物

更多>

活动一览 国际考察团 论坛

更多>

物流中心案例

更多>

坚持可靠服务品质保证客户利益——访中外运上海冷链物流有限公司总经理 邵海涛



扫描二维码
关注《现代物流》公众号

中华人民共和国电信与信息服务业务经营许可证编号:沪ICP备19011712号-1