OM|AI在物流供应链领域的八大应用方向

​​『运筹OR帷幄』转载

作者：罗介生 

来源：物流沙龙（ ID：logclubcn）

编者按：

“AI在物流领域应用的主战场绝不是硬件方面”，“未来的AI应类似于星际战舰上为舰长提供决策建议的角色”，罗先生的观点高屋建瓴。鉴于物流供应链行业存在的典型问题，人工智能将体现出巨大的应用价值。

导读

随着AI在物流供应链领域的应用加速，AI在物流供应链领域的库存管理、末端配送、供应链预测等八大方向具有较大的应用价值。那么，未来AI是否能完全取代人工，人类成为AI的奴隶呢？

最近两年来，关于AI的话题十分热门，前有阿尔法狗大胜人类围棋冠军，后有马老师与马斯克AI江湖论道。AI时代的脚步看起来越来越近了，关于AI在各个领域的应用研究也在热烈展开，走在比较前列的有无人驾驶、城市大脑、AI医生等等，但是AI在物流供应链领域的应用研究目前还屈指可数，甚至有很多研究只是挂着AI的名头，混淆了视听，误导了从业人员和企业经营。

本人作为物流行业资深从业者，希望能通过本文和大家一起分享一下AI在物流和供应链领域的应用的一些观点。

一、AI应用一些观念误区

关于AI在物流供应链领域的应用，首先要明确一点，即物流、供应链是企业经营的一个环节，是为企业战略服务的，而企业生存的第一目的是为了盈利，因此AI在物流供应链领域的应用一定是要促进企业经营效率的提升，一定是能为企业创造价值和利润的，是要讲究性价比的。物流和供应链是一门实践性极强的学科，夸夸其谈和天马行空是无助于AI在领域的发挥作用的。

其次，谈到AI在物流领域里的应用，大家通常就会想到自动化、机器人、智能设备。这里要纠正一个观点，就是AI不等于自动化，AI在物流领域的应用的主战场绝不是硬件方面。并且面对目前中国复杂多变的社会和经济环境，自动化不一定是唯一解和最优解，在现阶段的中国经济环境，软件先行、硬件适度的原则还是比较贴近实际的。

二、AI在物流供应链领域的角色定位

物流和供应链是一个数据密集型的行业，同时目前也是一个严重依赖经验的学科。物流和供应链领域的管理人员，有点类似于医生的角色，核心的工作就是从各种数据中发现运营存在的问题，然后进行针对性的调整。而且这些医生通常还需要配备几个甚至一堆的人员进行数据的统计、分析和论证，但是遗憾的是，最终诊断出的病情还经常是错的。

造成这个局面的原因有两点：

第一点，沉睡的数据。很多人会讲我们企业有ERP、WMS、DRP各种专业的信息化工具，能提供各种运营数据，怎么会是沉睡的数据呢。很遗憾，这些数据都是不会讲话的，目前市面上的几乎所有企业管理软件都是哑巴，他们只是忠实的记录数据，而不会给出建议。这些数据不会提供预警，不会预测未来，更不会告诉你应该采取什么样的措施，这些措施会产生什么样的后果。

第二点，受限于管理人员的经验水平，即使管理人员获取了运营的数据，也只能简单粗略的根据自己的知识，做一些判断。过程中指标体系够不够完整，模拟运算够不够精确，过程有无人工错误等等这些都是未知数。并且这些分析和决策通常都是滞后的。

上面的两点使得目前的供应链和物流的管理还只是停留在经验主义的范畴，一旦决策失误就会带来巨大的成本浪费，使企业丧失竞争优势，甚至带来灾难性的后果。

未来在AI时代，物流供应链的管理应该是什么样的呢，大家可以想象一下电影里星际旅行的场景，在星际旅行里，星际战舰上舰长根据AI的建议选择执行方案，在AI的辅助下做出各种决策。未来供应链和物流领域里的管理人员就应该是星际旅行里面舰长的角色。舰长在AI的帮助下，共同进行战役的展开。

三、AI在物流供应链领域里的应用方向

回归正题，AI在物流和供应链领域到底有哪些方向有较大的应用价值呢，笔者认为有以下几点：

（一）供应链预测

供应链的各个环节互相配合，使得资源在供应链上中最优分布，在过程中，信息的透明和准确对供应链成本至关重要，如何提供有效的预测，避免牛鞭效应，避免资源浪费是管理者和AI需要一同面对的问题。在这个过程中，管理人员的经验更多应该体现在模型和影响因素的设计上，具体的预测和计算工作应该交给AI完成。

图1：某公司销售订单预测模型

（二）供应链品控

在现阶段的企业管理中，供应链管理的工作通常分散在各个部门，每个部门都有自身的一套监控和考核指标体系，但是从整个供应链层面对运营质量进行管控的公司少之又少。除了指标分散外，数据的加工耗费大量的人力，最关键的是呈现的数据指标只能反映过往的情况，而不能对当前的情况进行管控、修正。

借助AI的力量，供应链管理人员可以实时的对供应链运作的指标表现进行监控、预警、甚至自动生成工单进行问题的处理和跟进。

AI在供应链品控的领域的应用将不仅仅是业务层面甚至包含财务方面。目前在供应链品控方面，有不少业内公司已经在探索实施，在仓容预警、自动成本管控、服务质量监测、大客户管理、订单履约管理等方面起到了很好的效果。

图2：某公司在客户服务上的AI应用模型

（三）供应链选品、库存管理以及调拨、补货决策

在传统的做法里面，供应链选品和库存管理工作通常是在供应链管理部或者商品部的管理范围。在这些部门里面有一堆的表哥表姐，表哥表姐们每天从系统里面导出数据，分析周转率、库龄、毛利、起订量等指标，然后进行数据加工，形成建议，进行建议审批，最终把审批后的建议下达到执行部门。这种工作模式耗费了大量的人力，数据滞后，决策过程冗长。

未来在AI的帮助下，上述对应的工作可以由AI自发的完成，管理人员只需要根据AI提供的方案选择最适合企业的方案即可。

在库存管理模块，AI对于效期、临保期、安全库存、经济订货批量上等的管理上能做到及时、迅速、准确的预警和建议，并且为调拨、补货决策提供具体的建议和方案，并且监控决策的实施过程。

（四）供应链网络规划

仓配网络规划是企业发展到一定阶段必然面对的问题。需要布局多少个仓库，仓库选址在哪里，拓扑结构怎么设置，每个仓库承担怎样的职能。这些问题，牵扯到物流成本、服务时效、库存管控和客户体验，还有政策、消费者分布、商品特性等因素的制约。每个节点的变化都是牵一发而动全身的关系，并且企业面临的形势也是在不断的变化的，还存在季节和周期的波动。

在这种情况下，依靠人工做出准确的判断是几乎不可能的，上述各因素的变量已经远远超过了人工的计算能力，只有依靠算法的力量进行动态规划，通过因素的变化模拟结果的变化，协助管理者做出相应的决策，才是最科学的方法。

图3：某公司供应链网络模型示例

（五）供应链订单管理

当一个订单产生的时候，就面临一系列的决策行为，订单应该从哪个仓库发货、选择哪个配送商、走哪个路线、订单缺货的时候是否要进行拆单、用户物流期望是什么等等。这些决策问题直接决定了用什么样的物流成本为消费者提供怎么样的服务，最终反映在客户满意度上，也是企业供应链物流服务价值的最终体现。

通过AI算法，管理者可以通过系统，让订单决策在产能、成本、时效、服务等因素上达到平衡，更好的为企业战略服务，为客户提供最优的物流服务体验。  

  图4：配送商选择模型示例

（六）仓库作业管理

作为一个仓库的管理者，需要知道仓库的作业量、效率、产能情况，还需要对订单的作业方式进行选择，并且根据发运计划安排订单作业顺序。

AI可以协助管理者进行资源的调配，实时提供作业数据及预警。在具体作业上，AI可以协助进行拣选路径规划、订单波次策略选择。在仓配交接环节，AI还可以协助识别直发线路，协助场地周转场地管理和配送资源计划管理。

（七）配送路由和配送末端管理

在配送阶段，通常消费者提供的地址是不精确的，有很多错误和模糊地带。这个时候就需要通过算法，通过AI来自动识别客户的实际目的地，确保准确地投递。

在配送阶段就涉及到配送的运能预测和优化，车辆的调度响应等等。配送商需要实时了解每个线路的运能情况，资源需求和储备情况，提前做好应对，避免异常发生，减少接驳成本。当然在异常发生的时候，也需要AI给出最优补救方案。

在最后一公里，站点和自提柜应该如何布置，末端派送资源调度也是影响作业质量和效率的关键因素，这些复杂的数学问题，通过传统的人力是无法很好的解决的，此时就需要有AI的支持，辅助管理人员甚至取代管理人员作出决策。

图5：派送资源调度模型示例

以上八大领域AI应用的前景十分广阔，目前业内有不少公司已经在某些领域有些应用，更多的公司还在探索中。当然，除了上述的几大领域，AI在物流领域的应用场景还有很多，比如包材箱型算法推荐、货位规划、车货匹配、AGV调度、自动化智慧仓储等等。随着科技的发展，相信AI和算法在物流供应链领域能发挥越来越重要的作用。

（八）供应端物流的管理

上述几个领域描述了货品流向消费者的供应链管控过程，但是没有包含供应端的物流管理体系的管控。随着社会分工的发展，企业间的竞争应景演变成供应链时间的竞争了，是企业所在的供应链与另外一家企业所在的供应链的链条之间的竞争。在经营发展中，供应商是企业重要的资源，是并肩作战的伙伴，是关键时刻能够给予企业帮助的经济实体。

从某种角度上讲，供应物流是销售物流的一个镜像，上文所说的供应链品控需要包含供应物流，同理供应物流的特性也是供应链网络规划的重要影响因素，供应链预测和补货建议也需要考虑供应端的信息和在途数据。在供应商管理库存，VMI领域，AI可以协助进行过程预警和补货，以及结算自动化的应用。在在途库存的管理和车辆调度上，AI和算法也能起到较大的作用。

四、物流供应链管理者

如何应对AI时代带来的挑战

随着AI在物流供应链领域的应用加速，传统管理者在工作内容和方式上必然面临一系列的挑战。传统管理者应该怎么应对这些挑战呢？

首先，心态上应该拥抱变化，要承认自己经验和能力上的局限性，接受AI的存在和AI的重要性。

其次，管理者的工作重心需要转移，从关注业务过程转变为更多关注影响因素、关注规则和边界，更多的和开发人员建立紧密的联系，协助开发人员让AI变得越来越聪明越来越好用。一个好的供应链管理者，一定是一个好的产品经理。

第三，管理者需要关注更高层级的需求，关注物流供应链与公司战略的配合，拓展物流供应链管理的领域和边界。

最后一个话题，未来AI是否能完全取代人工，人类成为AI的奴隶呢？笔者不敢多想，欢迎大家就AI在供应链领域的应用共同探讨。谢谢！​​​​