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)這些問題，分析人工智能可否帶來更好的解決方案，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。通過相關(guān)數(shù)據(jù)集，機(jī)器學(xué)習(xí)算法可以接收未來幾周或幾個(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)商展開最佳合作方案，通過短期租賃或采購(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。