作者 | GEORGIA WILSON
編譯 | CDA數據分析師
原文 | Machine learning: innovative technology within supply chains
Watson是IBM的人工智能（AI）服務，應用程序和工具套件。Watson旨在幫助企業以新的方式釋放數據的價值，並消除員工的重複任務，從而將重點轉移到高價值的工作上。這不僅使公司能夠預測和確定業務成果，以便重新考慮實踐和工作流程。
IBM Watson AI服務的一部分是機器學習。沃森軟件的開發旨在幫助數據科學家和開發人員將AI集成到公司應用程序中。Watson Machine Learning使跨職能團隊能夠快速，輕鬆地部署，監視和優化模型。
巴斯夫：構建智能供應鏈
巴斯夫營養與健康 -化學組的分工巴斯夫 -與IBM在2019年初合作作為其更為廣闊的視野，使數字化業務的重要組成部分的一部分。
巴斯夫要求其產品具有較高的交付性能，並在供應商，製造商，物流合作伙伴和分銷中心之間進行端到端的協調，並具有管理功能失調的庫存的能力。巴斯夫與IBM合作，探索了AI和機器學習如何創建更明智的庫存決策並確保產品在正確的時間到達正確的位置。
藉助IBM Watson的認知智能，巴斯夫和IBM首先建立了概念驗證（PoC），以評估如何利用AI和機器學習來構建更強大的Replenishment Advisor工具。評估之後，IBM Watson和BASF基於交易訂單數據和公司ERP系統中的未來訂單以及銷售模式報告，數量策略，庫存水平和運輸時間設計了一個模型。使用開源機器學習，構建了定製解決方案來預測未來的補貨需求。
在僅完成10個培訓週期後，該軟件就提供了準確的預警，以補充庫存，並提供了最佳的中斷時間。
巴斯夫營養與健康部供應鏈運營卓越與數字化主管Bernd Lohe博士說：“ IBM Cloud和Watson AI服務使我們能夠立即訪問內置了IBM經驗的各種機器學習模型。”。“這意味著我們可以開始分析數據並立即培訓補給顧問。該解決方案還包括數據可視化。在培訓階段，這有助於我們的計劃人員理解系統建議並執行有效的機器學習培訓循環。Replenishment Advisor中內置了集成的聊天機器人功能，使員工可以使用自然語言與解決方案進行交互。基於我們成功的PoC，無論是在強大的認知功能還是在易用性方面，我們都對IBM Watson產品組合感到非常滿意。”
KIST Europe：使工廠更智能
KIST Europe是韓國科學技術學院（KIST）的第一個海外分支機構，旨在為韓國和歐洲領先的研究機構和行業合作伙伴建立開放的創新平臺。KIST的關鍵研究領域之一是“工業4.0”的概念，它是技術的發展，從人工控制的集中式系統到可以獨立操作的分散式機器。
為了測試並證明“工業4.0”可以為製造業增加的價值，KIST Europe與SmartFactory和IBM Watson合作改善了重量測量，這是質量管理不可或缺的一部分。“ SmartFactory背後的技術令人印象深刻，但製造商對技術本身並不感興趣。為了證明“工業4.0”方法的價值，我們需要展示工廠如何解決現實世界中的製造問題，” KIST歐洲AI實施業務主管MarcoHüster說。
在製造中，與預期重量的最小偏差可能表示組件，產品或生產線機械出現故障。結果，這三家公司將現有的SmartFactory技術，數據科學解決方案和1000個現實測量數據集與機器學習技術相結合，以產生一個可以以98.1％的可靠測量精度進行預測的模型。
“體重測量是一個非常簡單的例子，但是它證明了將AI和智能工廠技術相集成可以對生產線效率和質量管理產生真正的影響，” KIST歐洲集團負責人Hongwoon Hwang博士評論道。“在IBM的幫助下，我們向行業展示了分散式AI如何能夠幫助提供更大的靈活性，優化流程管理並預測生產資源的性能。在我們繼續邁向第四次工業革命的過程中，這些功能將幫助先驅製造商改變行業併為他們自己和他們的客戶創造新的價值。”
亞馬遜
亞馬遜網絡服務（AWS）是亞馬遜面向企業的綜合雲平臺。AWS的一項服務是機器學習（Machine Learning），客戶可以在其中構建，訓練和部署模型，應用和集成經過預先訓練的AI應用程序（例如建議和預測），為自定義算法利用靈活的框架和廣泛的計算選項以及深層次利用學習技術，分析和安全性。
車隊：效率與環境
最近幾個月，Convoy與AWS合作，利用其機器學習服務開發了一種解決方案，以使卡車運輸更加高效和環境友好。
卡車司機每年記錄的40％的里程是用空卡車完成的。問題的一部分是行業基礎設施與傳統方法的結合。使用AI Convoy希望在AWS的幫助下實現流程自動化。
通過使用Amazon SageMaker，Convoy開發了一種機器學習模型，可以分析數百萬個運輸工作和卡車司機的可用性，從而為您推薦具有成本效益和時間效率的匹配產品。除此之外，該模型還將建議回程匹配，這將減少空卡車完成的行駛里程數，進而對環境產生積極影響。
“隨著我們與更多的託運人和承運人合作，我們將更好地瞭解特定航線上的可用容量和需求量，” Convoy數據科學主管Casey Olives說。“能夠了解整個網絡的上下文，這將使我們能夠提高利用率和成本效率，使承運人和託運人雙方受益。”
TuSimple：自動卡車
TuSimple ，世界上最大的自駕車卡車公司之一，已與AWS合作開發自動駕駛汽車。TuSimple車輛主要是在AWS上使用Apache MXNet深度學習框架構建的，內置了服務器，服務器上最多可裝載100個不同的AI模塊。這些模塊可以區分道路上的汽車類型和卡車周圍其他物體的速度，從而提供來自攝像頭，LiDAR和雷達設備的穩定數據流，以構建實時的道路3D模型，並隨著卡車的移動不斷更新。成功完成交付後，在完成安全測試和模擬以確保其行為正常之後，結果將更新到每個卡車服務器上的模塊。藉助AWS強大的計算能力，此過程將耗時數小時，而不是數週。
目前，TuSimple的卡車處於“ 4級”自動駕駛汽車等級，裝滿拖車時在65 mph時的準確性為5cm。到2020年，TuSimple的總裁兼首席技術官侯小迪希望從車輛上拆除人為的“故障保險裝置”。
隨著全球公司在供應鏈空間中利用新技術的激動人心的未來的開始，機器學習將在未來幾年的公司運營中發揮更大的作用。
掃碼進入CDA官方小程序，解鎖更多新鮮資訊和優質內容，還有免費試聽課程，不要錯過喲！
閱讀更多 CDA數據分析師 的文章
