点击上方蓝字
在下了订单后，每个人都想知道，你的包裹是如何在几个小时后出现在门口的？这是个非常复杂的过程，涉及到供应商、制造商、批发商、零售商以及终端消费者。这个过程被统称为供应链管理（SCM），在SCM中，物流是处理商品流动的部分。
像其他数据驱动行业一样，物流和供应链公司正在投资并转型AI解决方案，以应对其最迫切的难题。无论是小型企业和大型企业都在进行机器学习到机器人技术等方面的创新。
物流的崩溃将会导致供应链的断裂，因此公司需要不断寻求方式来管理库存、预测价格以及简化操作。财富强公司运输公司C.H.Robinson的CIO（首席信息官）ChadLindbloom，分享了它最近使用AI解决这些问题的经验。
C.H.Robinson（CHR）在北美地区的主要的业务就是卡车货运。他们的部分客户会定期外包部分或所有物流业务，此外还有许多一次性服务，将导致公司计划外货运任务的激增。
令人感到惊讶的是，作为运输公司，CHR本身却没有任何车辆。它被称为“货运经纪人”，即在买者和提供卡车运送服务供应商之间充当运营和金融的中间人。提供运输服务的承运商极度分散，从只有一辆卡车的独行侠，到拥有大量车辆的车队等各不相同。尽管面临这些挑战，CHR必须兑现承诺，提前为客户准备好特定价格的货运服务。有时候，他们可能在运输的当日最后一秒钟才会获得报价，有时他们需要提前2年就给出报价。
AI价格预测
价格预测是CHR面临的最大业务挑战。Lindbloom表示，在我们这个行业，价格随着季节、月份甚至每天的不同时段都有变化。此外，卡车行驶车道不同，价格也存在差异。
虽然许多厂商提供AI支持的物流和供应链软件，比如WatsonSupplyChain、ToolsGroup以及TransVoyant等，但CHR的庞大业务更为复杂，为此要求其开发专门的技术以满足特定需求。此前，定价由拥有丰富的业内经验和市场知识的人类专家决定。
在成为CHR的CIO之前，Lindbloom已经在金融行业从业25年，并担任了15年首席财务官。通过金融与技术特长相结合，他和自己的团队建立了用于预测价格的机器学习模型，就像华尔街的自动交易商开发出的算法。这些模型会检查货运定价历史数据，并将天气、交通以及社会经济挑战等因素加入其中，估算出公平的交易价格。
AI并非总是比市场专家的表现更好，Lindbloom认为人类不会被完全取代。他指出：“在有些情况下，人类能够给出更好的交易价格。但在大多数情况下，这种技术可以帮助制定公平的市场定价。”
他还表示，高效算法带来的关键好处是信息的民主化和可获得性。无需依赖少数专家给出评估，更多员工可利用人工智能确保他们在市场中的报价，以便确保他们不会失去生意，同时确保执行力。
AI实现运输匹配
AI的第二个用例是保证和管理供应商的库存，以及管理庞大的卡车队列。在货运买家了解可用车辆和具体报价前，C.H.Robinson就可以为它们提供公平的报价。这家公司依赖于战略性的人际关系，特别是庞大的贸易网络，以便为特定的用户找到最相配的卡车承运商。
C.H.Robinson对每条路线都会进行背景分析，将承运人的价格和服务水平分门别类。易碎、昂贵、时间紧迫的货物需要的服务层次更高。这些不同的因素汇聚起来，让C.H.Robinson可为用户和承运人提供最优化的匹配服务。
AI应对意外
管理中断是可利用AI解决的第三个重要问题。飓风、承运人破产以及员工罢工等，都有可能导致物流业务遭到重创。为了预测这类中断事件、训练AI学习人类制定应急计划的能力，以便将来纠正失误，C.H.Robinson收集大量信息源，分析过去中断造成的影响，比如法国承运人罢工或美国西北部飓风。举例来说，物流中心受到恶劣天气影响，承运方就可以选择更安全的路线行驶。
收集数据部分需要详细的调查，包括追踪人类员工如何处理中断事件，以及他们的管理结果。林德布鲁姆希望这套系统通过向人类学习后，最终能被训练为自动优化行动。
技术开发
由于对可靠性的迫切需要，CHR建立并运营了自己的数据中心，如果需要额外计算能力则可使用云计算。拥有数据中心的资源让CHR在需要的时候可以迅速进行调整，但依然需要利用闲置的系统进行研发。
除了灵活性外，拥有数中心还能确保隐私和控制权。Lindbloom强调称：“对于客户来说，我们是运输管理系统的云服务供应商。作为核心云供应商，我们拥有同样的技术，但我们知道数据在哪里，我们可以控制它，我们可以对客户做出更自信的承诺，客户也将更加放心。”
Lindbloom说：“在我们这个行业，技术是非常重要的因素。”物流和供应链领域的其他巨头也如此认为，并投入大量资金研发AI解决方案：DHL希望利用自动汽车降低成本，ActiveAnts开发可穿戴技术以优化仓库任务，LocusRobotics开发可穿戴机器人，本田利用智能手机应用实时追踪货物。
利用而不是依赖AI
DHL在年的LogisticsTrendRadar中预测，国内外物流领域的AI投资依然会持续猛增。越来越多的公司计划在内部研发中加大AI投资，以提供预测性分析、运营与管理、增强现实、机器人以及工业物联网服务。
对于想要利用AI复制CHR成功经验的人，Lindbloom表示：你要尝试的很多事情可能都不会产生价值，你需要愿意尝试和接受快速失败，尝试用多种不同的模式解决相同的问题，多元类型测试才是关键。
此外，Lindbloom也表示，不要过度依赖AI，并鼓励公司高管明确定义AI的商业应用，“让商业挑战来推动公司对技术的利用，而不是数据科学家或工程师推动AI的应用”。
AI在物流行业的运用不止于此
AI能够根据市场销售情况、供应链生产情况、物流配送、仓储库存水平，甚至每个环节的容错概率等等进行精准排产，最大限度利用已有资源并将成本和损耗降到极低的水平，这是依靠人工不可能做到的。
随着人工智能的广泛应用，一些物流公司的创始者们纷纷尝试利用人工智能技术优化物流环节，提高物流效率。物流数据服务公司G7打造精细化智能管车系统，通过精细化的数据监控，为用户带来更好的服务体验；阿里巴巴旗下菜鸟网络，开发出配送机器人菜鸟小G，有助于解决最后一公里配送难题；京东推出无人机、无人仓等，既改变了物流行业传统的配送方式，也大大提高了物流效率。
广东金融学院高级工程师黄承慧表示，就物流行业而言，人工智能的技术应用主要聚焦在：智能搜索、推理规划、模式识别、计算机视觉以及智能机器人等领域。在仓储环节，对于企业仓库选址的优化问题，人工智能技术能够根据现实环境的种种约束条件，如顾客、供应商和生产商的地理位置、运输经济性、劳动力可获得性、建筑成本、税收制度等，进行充分的优化与学习，从而给出接近最优解决方案的选址模式。人工智能能够减少人为因素的干预，使选址更为精准，降低企业成本，提高企业的利润。在库存管理方面，人工智能在降低消费者等待时间的同时使得物流相关功能分离开来，令物流运作更为有效。人工智能技术最广为人知的一个应用就是通过分析大量历史数据，从中学习总结相应的知识，建立相关模型对以往的数据进行解释并预测未来的数据。库存管理的方法是人工智能技术应用较早的领域之一，通过分析历史消费数据，动态调整库存水平，保持企业存货的有序流通，提升消费者满意度的同时，不增加企业盲目生产的成本浪费，使得企业始终能够提供高质量的生产服务。对于运输路径的规划，智能机器人的投递分拣、智能快递柜的广泛使用都大大提高了物流系统的效率，大大降低了行业对人力的依赖。随着无人驾驶等技术的成熟，未来的运输将更加快捷和高效。通过实时跟踪交通信息，以及调整运输路径，物流配送的时间精度将逐步提高。而无人监控的智能投递系统也将大大减少包装物的使用，更加环保。
但同时，黄承慧表示，人工智能给物流行业带来的并不只是好处，对于不能够拥抱人工智能的传统物流企业来说，人工智能技术的门槛较高，不同于传统的信息化建设，没有足够的技术人才储备，会导致只能建设信息系统的企业资源浪费和失败。这对于传统物流企业而言，是机遇的同时，更是严重的挑战。
近期看点
①全峰快递并入青旅物流快递企业“第二梯队”将集体消失？
②国务院发文健全冷链物流行业标准体系让冷链物流由热变强
③福特新全顺短轴中顶成都站销量登顶单场销量突破51台
本期编辑：席悦
欢迎与小编交流，邮箱：
qq.北京哪个医院治疗白癜风最专业北京治疗白癜风最好的专科医院