近日，Crown-科朗設(shè)備集團(tuán) 工程副總裁 Luke Waltz 一篇名為《為人工智能運(yùn)用于倉(cāng)庫(kù)鋪平道路》的文章，發(fā)表在了供應(yīng)鏈行業(yè)權(quán)威期刊《CSCMP's Supply Chain Quarterly》，對(duì)供應(yīng)鏈及倉(cāng)儲(chǔ)中部署人工智能技術(shù)進(jìn)行了深度研究和刨析。

　　人工智能（Artificial Intelligence，簡(jiǎn)稱AI）自1956年問(wèn)世以來(lái)，經(jīng)過(guò)多年發(fā)展，已經(jīng)可以執(zhí)行諸多任務(wù)，比如視覺(jué)感知、語(yǔ)音識(shí)別、語(yǔ)言翻譯和決策制定等，目前已在眾多領(lǐng)域進(jìn)行了應(yīng)用，為人們的工作和生活帶來(lái)了諸多便利。然而，人工智能發(fā)展至今，其功能的實(shí)現(xiàn)都是依靠工程師將指令明確輸入計(jì)算機(jī)，這也就制約了人工智能的進(jìn)一步發(fā)展。

　　近年來(lái)，一種被稱為“機(jī)器學(xué)習(xí)（Machine Learning）”的人工智能科技正在成為主流，它將探索如何幫助計(jì)算機(jī)獲取輸入數(shù)據(jù)，并優(yōu)化輸出結(jié)果。這些程序可以嵌入到設(shè)備中，也可以在服務(wù)器或云中運(yùn)行。亞馬遜、谷歌、Facebook、微軟等科技巨頭現(xiàn)已將機(jī)器學(xué)習(xí)技術(shù)納入到了其產(chǎn)品之中，以此來(lái)優(yōu)化網(wǎng)絡(luò)搜索結(jié)果，獲得效果更佳的圖像和語(yǔ)音識(shí)別功能，打造更智能的設(shè)備。

　　“對(duì)于許多供應(yīng)鏈管理人員而言，人工智能，尤其是機(jī)器學(xué)習(xí)，將是一項(xiàng)重點(diǎn)考慮的技術(shù)，因?yàn)槠淠軐?shí)現(xiàn)任務(wù)自動(dòng)化。”
　　隨著技術(shù)的成熟，如今著手制定與供應(yīng)鏈相關(guān)的人工智能策略，將定位于提高作業(yè)效率與設(shè)備使用率。然而，供應(yīng)鏈相關(guān)企業(yè)不是專業(yè)的科技企業(yè)，并沒(méi)有數(shù)以百計(jì)的在職數(shù)據(jù)專家，也沒(méi)有龐大的研究和開(kāi)發(fā)預(yù)算，對(duì)人工智能在供應(yīng)鏈中扮演的角色也沒(méi)有一個(gè)標(biāo)準(zhǔn)定義。因此，我們需要探討的是，在供應(yīng)鏈中重要的一環(huán)（即倉(cāng)庫(kù)）實(shí)現(xiàn)人工智能，有哪些路要走。

　　當(dāng)我們考慮在供應(yīng)鏈中應(yīng)用人工智能時(shí)，通常會(huì)從技術(shù)層面出發(fā)，然而，換個(gè)角度思考，如果從倉(cāng)庫(kù)運(yùn)營(yíng)中的業(yè)務(wù)需求及面臨的痛點(diǎn)出發(fā)，然后針對(duì)這些問(wèn)題，分析人工智能可否帶來(lái)更好的解決方案，則可能會(huì)實(shí)現(xiàn)更好的效果。

　　Crown-科朗設(shè)備集團(tuán) 工程副總裁 Luke Waltz，從以下三個(gè)層面，對(duì)人工智能應(yīng)用于供應(yīng)鏈提出了見(jiàn)解和分析：

產(chǎn)出率
　　以訂單揀選為例，由于訂單的多樣性以及操作員熟練程度的差別，每臺(tái)揀選車完成的工作量會(huì)不盡相同，然而，相較于部署了系統(tǒng)層級(jí)為導(dǎo)向倉(cāng)庫(kù)，未部署相應(yīng)系統(tǒng)的倉(cāng)庫(kù)中個(gè)體差異會(huì)更大。機(jī)器學(xué)習(xí)就為尚未部署系統(tǒng)的倉(cāng)庫(kù)帶來(lái)了機(jī)遇，讓倉(cāng)庫(kù)可以利用其完成工作量最大的揀選車的經(jīng)驗(yàn)，推廣至所有揀選車，以提升整體生產(chǎn)力。在訂單揀選作業(yè)中，除保證最短整體行駛距離之外，避免通道擁阻往往是提升產(chǎn)出率的重要因素之一。由于表現(xiàn)最佳的揀選車可能在揀選順序方面綜合考慮了這兩項(xiàng)因素，故其數(shù)據(jù)集中應(yīng)該包含了這些信息。通過(guò)這些數(shù)據(jù)，機(jī)器學(xué)習(xí)算法可在接收新訂單時(shí)，給出最佳的揀選順序。并且，該算法可以復(fù)制產(chǎn)出率最高的揀選車所做出的選擇，幫助所有揀選車提高產(chǎn)出率。

設(shè)備使用率
　　每個(gè)倉(cāng)庫(kù)中所能搬運(yùn)貨物的數(shù)量，與其配備的物料搬運(yùn)設(shè)備數(shù)量息息相關(guān)，同時(shí)，操作員水平與庫(kù)存單位（SKU）也會(huì)影響產(chǎn)出率。通過(guò)相關(guān)數(shù)據(jù)集，機(jī)器學(xué)習(xí)算法可以接收未來(lái)幾周或幾個(gè)月的訂單量預(yù)測(cè)，并結(jié)合操作員當(dāng)前技能水平數(shù)據(jù)，分析出所需物料搬運(yùn)設(shè)備的估量，因此，設(shè)備管理者可以與設(shè)備供應(yīng)商展開(kāi)最佳合作方案，通過(guò)短期租賃或采購(gòu)的方式，確保當(dāng)前設(shè)備數(shù)量可以滿足工作需求。

工作效率
　　優(yōu)秀的儲(chǔ)位分配策略力求優(yōu)化高周轉(zhuǎn)SKU的存放位置，同時(shí)讓其在揀選面上均勻分布，以減小揀選過(guò)程中可能造成的通道阻塞，提高效率。但有些倉(cāng)庫(kù)內(nèi)的SKU可能高達(dá)數(shù)千件，且需求不斷變化，依靠人工根據(jù)SKU周轉(zhuǎn)率將其保持在最優(yōu)位置是一件耗時(shí)耗力、困難重重的工作。在這種情況下，可將機(jī)器學(xué)習(xí)算法整合至儲(chǔ)位分配系統(tǒng)中，結(jié)合每臺(tái)揀選車的工作路徑，輸出最優(yōu)分配策略，并根據(jù)變化自動(dòng)做出調(diào)整。

　　在倉(cāng)庫(kù)中全面應(yīng)用人工智能，尤其是機(jī)器學(xué)習(xí)技術(shù)，還有很長(zhǎng)的路要走。另一方面，盡管供應(yīng)鏈管理人員擁有豐富的專業(yè)技能，對(duì)各類技術(shù)變革也能應(yīng)對(duì)自如，但人工智能也不應(yīng)被忽視。綜上所述，人工智能不應(yīng)被視為能夠讓供應(yīng)鏈神奇轉(zhuǎn)型的靈丹妙藥，相反，應(yīng)將其視作一個(gè)工具，以推動(dòng)公司的業(yè)務(wù)向前發(fā)展。