内容
资料来源：Trueffelpix / Dreamstime.com
带走：
为了使企业成功，它必须具有适当管理的供应链。机器学习有助于提高供应链管理的准确性和效率。
在当今动荡而复杂的商业环境中，很难为供应链建立可靠的需求预测模型。大多数预测技术都会产生令人失望的结果。经常发现这些错误的根本原因在于旧模型中使用的技术。这些模型并非旨在从数据中不断学习并做出决策。因此，当输入新数据并进行预测时，它们已过时。这个问题的答案是机器学习，它可以帮助供应链进行有效的预测和适当的管理。 （有关机器和智能的更多信息，请参阅《思考机器：人工智能辩论》。）
供应链如何运作
公司的供应链由其供应链管理系统管理。供应链的作用是控制企业中各种商品的流动。它还涉及库存中的物料存储。因此，供应链管理是日常供应链活动的计划，控制和执行，其目的是在企业的所有节点中提高业务质量和客户满意度，同时避免浪费商品。
什么是供应链管理痛点？
需求预测是供应链管理中最困难的部分之一。当前的预测技术经常给用户带来不准确的结果，导致他们犯下严重的经济错误。他们无法正确理解不断变化的市场格局和市场波动，因此会妨碍其正确计算市场趋势并相应提供结果的能力。
通常，由于需求预测的局限性，计划团队往往会灰心。他们指责领导人对改进计划过程缺乏兴趣。由于从客户需求收集的数据变得越来越复杂这一事实而引起了这一挑战。以前，它很容易解释。但是，随着更新的数据生成技术的出现，数据变得非常复杂，几乎无法使用现有技术进行管理。
以前，可以使用简单的历史需求模式轻松计算需求。但是现在，已知需求会在很短的时间内波动，因此历史数据已无用。
机器学习如何提供帮助
这些问题由于其波动而无法用传统算法解决。但是，借助机器学习，公司可以轻松解决它们。机器学习是一种特殊的技术，计算机系统可以通过它从给定的数据中学习许多有用的东西。在机器学习的帮助下，公司可以对强大的算法进行建模，以适应市场的发展。与传统算法不同，机器学习可以从市场场景中学习并可以创建动态模型。
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
通过机器学习，计算机系统实际上可以在无需任何人工干预的情况下完善模型。这意味着，随着越来越多的数据进入机器学习系统的存储库，它将变得更加智能，并且数据将变得更加易于管理和解释。
机器学习还可以与社交媒体，数字市场和其他基于互联网的站点等大数据源集成。到目前为止，这对于当前的计划系统是不可能的。简而言之，这意味着公司可以使用由消费者生成的来自其他站点的数据信号。该数据包括来自社交网站和在线市场的数据。这些数据可帮助公司了解广告和媒体使用等新技术如何提高销售额。
需要改进哪些方面？
在许多地方可以使用机器学习进行改进。但是，传统的计划程序在三个主要地方会造成问题。下面讨论了这些问题以及通过机器学习对这些方面的改进：
规划小组的问题
计划团队通常使用旧的预测技术，其中涉及手动评估所有数据。此过程非常耗时，结果通常不够准确。这种情况不仅降低了员工士气，而且阻碍了公司的成长。但是，通过机器学习，系统可以根据数据根据其优先级获取许多变量，并建立高度准确的模型。计划人员可以使用这些模型进行更有效的计划，而且它们也不需要花费很多时间。规划人员还可以通过他们的经验来进一步增强模型。 （要了解有关使用数据进行提前计划的更多信息，请参阅Conual Integration如何增强预测分析能力。）
安全库存水平
使用传统的计划方法，公司几乎必须始终保持其较高的安全库存水平。但是，机器学习可以通过评估更多变量来设置最佳安全性库存水平来提供帮助。
销售和运营计划
如果您的销售和运营计划（S＆OP）团队的预测不理想且不准确，或者不够灵活，无法根据市场行为进行调整，那么也许是时候对该系统进行升级了。机器学习在这里找到了理想的应用，因为它可以通过使用各种数据学习当前的市场趋势来提高预测的质量。因此，机器学习可以使S＆OP的工作更加轻松。
所有这些领域都有改进的余地，并且可以通过机器学习技术来填补这些空白。机器学习可以彻底改革公司的供应链管理架构。许多公司已经开始使用它，他们发现他们的计划部门有了很大的改进。
实际用例
由于机器学习在需求预测中具有许多优势，因此它已在各种领域中使用。但是，这些组织还没有完全将其系统更改为学习系统，而是将机器学习系统与传统系统一起使用。机器学习系统弥补了传统系统的空白，并提高了它们的性能。下面给出了这种用例的一些示例。
Granarolo
这是一家意大利乳制品公司，该公司已使用机器学习将其预测准确性提高了5％。交货时间也减少了原始时间的一半，这也导致了更好的客户满意度。
达能集团
该公司位于法国，销售许多不同类型的产品。早些时候，该公司对促销优惠做出回应的预测结果是不准确的70％，这造成了巨大的损失。但是，随着在其计划架构中实施机器学习，它在销售和预测方面都取得了很大的进步。
伦诺克斯国际
Lennox是一家生产冷却和加热装置的美国公司。它已扩展到整个北美。因此，为了在满足扩展流程的同时提供完全的客户满意度，Lennox将机器学习与其预测架构进行了集成。借助机器学习，Lennox可以准确地预测其客户的需求，从而进一步帮助公司更好地了解普通客户的需求。机器学习还极大地帮助了公司完全自动化其计划程序。
结论
如果在正确的位置和正确的时间实施机器学习，对于公司的供应链将证明是非常有益的。它可以帮助您为需求预测创建准确的模型，还可以使计划部门的工作更加轻松。现在不必完全更改整个系统，但是在不久的将来，每个供应链肯定会使用机器学习来通过创建动态模型来提高预测能力，该模型将由机器学习系统定期更新。因此，这项新技术将被证明是企业不可缺少的工具。