十多年前，已经将机器学习应用于改善需求预测的英国上市公司AVEVA是一个不错的案例。AVEVAGroupplc(LSE:AVV)，英国计算机软件商为造船和海洋工程、石油和天然气、造纸、电力、化工和制药等工业领域提供全生命周期解决方案及服务。该集团在伦敦证券交易所(LondonStockExchange)(LSE:AVV)上市。集团总部位于英国剑桥。
以下为结合AVEVA案例给到AI供应链管理的20条建议。
1、所有可以感知周边环境、以最大化目标完成可能性为原则执行任务的设备，都在以某种方式与人工智能相结合。人工智能概念宽泛，涉及许多技术。运筹学家认为，人工智能的趋势是蕴含在各项技术中的算法，但算法仍不如人工智能发展成熟。诸如数学及统计学等成熟发展的学科却不愿贴上人工智能的标签，尽管它们符合人工智能的定义。
2、在供应链领域，机器学习备受瞩目。我个人很喜欢SymphonyRetailAI首席产品官AdeelNajmi对于机器学习的定义。「每当机器产生输出、观测输出准确率及更新自身模型（优化输出）时，机器便会学习。如此工作的所有机器都在使用机器学习。是否运用了数据科学方法、神经网络或其他形式的监督或非监督学习，一点都不重要。不要被具体技术所局限。机器能否自我学习及自我改善，才是最重要的。」
3、当大家以这个角度看待机器学习时，人工智能之于供应链管理就不是什么新鲜事了。21世纪初，机器学习就已应用于需求预测。需求计划应用依赖于一系列算法，将历史货运数据转变为预测数据。有的算法适用于产品销售预测，而有的算法适用于产品报废预测。机器
