|
AI在供应链端到端（End-to-end）的应用 《专业版》 时长：一般为2天 对象：制造业 (端到端供应链各链条参与人员) 技术挑战与未来趋势 挑战：数据孤岛、算法透明度（可解释性）、边缘计算部署难度。 趋势： 生成式AI：如ChatGPT用于自动化供应链文档处理（采购合同、报关单）。 多智能体系统：多个AI代理自主协商采购、物流等决策。 可持续供应链：AI优化碳足迹（如选择低碳运输路线）。 企业落地建议 1.分阶段实施：从高价值环节（如预测）切入，逐步扩展。 2.数据基础：建立统一的数据中台，整合ERP、IoT、外部数据。 3.人机协同：培养“AI供应链工程师”团队，避免完全依赖黑盒模型。 AI正在将供应链从“成本中心”转变为“战略竞争力”，据麦肯锡统计，全面应用AI可降低供应链成本1530%，同时提升服务水平10%以上。企业需结合自身数字化基础，选择适合的AI应用场景。 课程大纲： 前言： （1） AI的训练平台 （2） AI的训练体系 （3） AI的应用 1. 供应链需求预测与计划（耗时2小时） （1）智能预测 l AI数据获取 l 历史销售数据 l 市场趋势 l 社交媒体舆情 l 天气等因素 l 利用机器学习（如时间序列分析、LSTM神经网络）提升需求预测准确率（降低误差率可达2050%） （2）动态定价 l AI实时监控供需变化 l 竞争对手价格 l 动态调整产品定价以平衡销量与利润 （3）紧急插单响应 l 客户级别的影响 l 利润率的介入 l 齐套率与供应商交付不及时的影响 案例：施耐德预测与计划体系的AI训练逻辑 2.采购与供应商管理（耗时2小时） （1）供应商风险评估 NLP技术分析新闻、财报、社交媒体，评估供应商的财务稳定性或地缘政治风险 l 产能 l 质量 l 交付 l 原料的稳定性 （2）自动化采购 l RPA（机器人流程自动化）+AI实现采购订单自动生成、审批和跟踪。 l 电子采购商城与各场景采购的匹配与关联性 （3）供应商的闭环管理 l 准入与筛选 l 门槛文件植入成本计算体系与成本影响力 l 供应商的品类 l 供应商绩效 l 供应商汰换 （4）采购成本模型 l 成本模型架设与成本模型的12个数据纬度 l 人、机、料 l 三大费用（销售、管理、财务） l 物流（内外） l 包材（循环） l 税金与利润 案例：AI下的成本模板搭建，拒绝虚假报价 （1）预测性维护 l IoT传感器+AI模型（如随机森林、深度学习）预测设备故障，减少停机时间。 l 设备故障大纲 l 备件与维保的贝叶森模型 案例：特斯拉工厂通过AI分析设备振动数据，提前更换故障部件。 l AI实时调整 生产计划以应对订单变化或原材料延迟。 l 自动化排产 l 覆盖物料、工位、设备、质检、能源等纬度的短板偏差 l 紧急插单 l 插单的序列与等排队计划 l 计划执行的主要节奏 l 资源（齐套率）与插单 4.仓储与库存管理（耗时2小时） （1）智能分仓与补货 l AI优化区域仓库的库存分布，降低跨区调货成本。 l 系统数据分享与数据捕捉 l 供应商响应能力与计算体系 l 交付的精准性与库存周转 案例：京东通过AI算法将热门商品预存至离消费者最近的仓库，实现“半小时达”。 （2）无人仓储 l AGV机器人+计算机视觉实现自动拣货、盘点。 l 视频视觉AR的自动分拣 l AR实施识别包装破损 l 标准化无人仓的设置步骤 l 标准化无人仓的设置节拍 l 调度大屏的设置逻辑 l 工单与工位、需求时间与运送时间 l 工种熟练程度与容错时长 l 退货与包材循环 （4）安全库存的设置 l MAD值（ABC物料）与APE值的覆盖（XYZ物料） l 数据的修正（动态管理） （5）AI与周转提升 l 周转模型 l 自动识别提升周转的8套体系 案例：霍尼的AI库存自动报警体系 5.物流与运输（耗时2小时） （1）路径优化 l 强化学习（如DQN）优化配送路线，考虑实时路况、油价、司机行为等。 l 运输成本构成（普货与冷、超低温、危化品） l 油料 l 路桥费 l 税金 l 司机 l 保险 l 折旧 l 社会成本 （2）货运风险管理 l AI分析船舶AIS数据、港口拥堵情况，预警延误风险。 l 风险转移与风险分析 l 保险的价值与保险集采的模型计算 案例：AI助理下的物流成本的持续节约模型 6.销售与客户服务（耗时1小时） （1）智能售后 l NLP处理客户投诉，自动识别质量问题并反馈至 生产端。 l 售后服务大纲 l 服务件与人工成本 l 服务频次与产品版本提升的耦合关系 （2）逆向物流 l AI预测退货概率，优化退货处理流程。 l 成本与服务 l 外包售后的临界线分析 案例：Zara通过AI提前识别可能退货的订单，减少二次运输成本。 7.信息化载体的端到端协同与数字孪生（耗时1小时） （1）供应链数字孪生 l 通过AI构建虚拟供应链模型，模拟突发事件（如台风、罢工）的影响并生成应对方案。 l 横向协同的必要性 l OKR的植入 （2）SAAS的一码通与完全兼容共享 l SRM（供应商管理系统） l CRM（客户管理体系） l WMS（仓库管理体系） l IBP（集成商务计划） l TMS（运输管理体系） （3）区块链+AI溯源 l AI分析区块链上的供应链数据，快速定位质量问题源头。 l 数据追溯 l 数字化供应链的必要性 总结：AI是未来；如何切入，是核心；如何应用是 生产力
| 
