如何借助人工智能解决供应链中的巨大不确定性

流行病席卷全球后，供应链中断，导致许多公司重新评估其应对网络范围内系统波动的装备水平。在这种大流行中，有人如何理解需求和供应模式并管理整体健康状况?这种流行带来了一定程度的不确定性，目前的企业工具无法处理这些不确定性?

我们被要求每天与客户紧密合作，以帮助他们理解复杂网络和层次结构中的需求信号。我们还帮助他们在0-12周的执行窗口内预测和应对即将出现的供应不平衡，这是价值泄漏的重要根源，尤其是与当前时间相关。面对这种快节奏的多维国际象棋游戏，客户需要明确的计划建议，以提高填充率，减少库存，最大程度地减少冲销并控制物流支出。

Noodle.ai最近被确定为在当前危机中脱颖而出的15家创业公司之一。为了理解原因，让我分享一些有关问题的知识，以及我们正在采取的方法。

为什么基于确定性规则的系统使我们失败?

由于当前环境中的极端可变性和噪音，基于规则的产品分配和部署系统已变得非常不可用。现有的ERP和供应链计划系统提供了一个强大的基本供应链数据存储库(例如，预测，订单，库存，生产，装运等)，但是使用基于标准假设的简单规则来生成计划。一旦遇到现实，这些计划将无法适应实际需求和可用库存。换句话说，计划信号变得非常“嘈杂”，操作员将大部分时间花费在解释真实与非真实之间。这导致响应延迟，错误的决策最终导致网络上的销售损失，高库存和部署成本。

计划者和操作员需要的是现代AI驱动的系统，以便在这种时候创建和管理需求和库存计划。他们需要复杂的AI推理引擎的帮助，处理数十亿个数据点以建议操作，重点放在那些预计会产生最大财务影响的SKU上。

感知和预测需求/供应模式

在这些空前的时代，对于数据科学家来说，构建并经常调整AI推理引擎非常重要，即使这些应用程序即使在最不稳定的条件下，也可以为应用程序提供动力，以正确识别数据中的关系并预测需求曲线的形状。在Noodle.ai上，我们早在2020年2月就发现了APJ需求模式中正在出现的变化，并迅速采取行动为我们的模型增加了更高的可解释性，并在即将到来的危机被感知之前就意识到了这一危机。基于观察到的整个价值链中客户的行为，我们从三个维度快速描述了需求行为：

尖刺vs下降者

趋势与平均水平

稳定vs波动

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！