導讀
隨著AI在物流供應鏈領域的應用加速，AI在物流供應鏈領域的庫存管理、末端配送、供應鏈預測等八大方向具有較大的應用價值。那麼，未來AI是否能完全取代人工，人類成為AI的奴隸呢？
最近兩年來，關於AI的話題十分熱門，前有阿爾法狗大勝人類圍棋冠軍，後有馬老師與馬斯克AI江湖論道。AI時代的腳步看起來越來越近了，關於AI在各個領域的應用研究也在熱烈展開，走在比較前列的有無人駕駛、城市大腦、AI醫生等等，但是AI在物流供應鏈領域的應用研究目前還屈指可數，甚至有很多研究只是掛著AI的名頭，混淆了視聽，誤導了從業人員和企業經營。
本人作為物流行業資深從業者，希望能通過本文和大家一起分享一下AI在物流和供應鏈領域的應用的一些觀點。
一、AI應用一些觀念誤區
關於AI在物流供應鏈領域的應用，首先要明確一點，即物流、供應鏈是企業經營的一個環節，是為企業戰略服務的，而企業生存的第一目的是為了盈利，因此AI在物流供應鏈領域的應用一定是要促進企業經營效率的提升，一定是能為企業創造價值和利潤的，是要講究價效比的。物流和供應鏈是一門實踐性極強的學科，誇誇其談和天馬行空是無助於AI在領域的發揮作用的。
其次，談到AI在物流領域裡的應用，大家通常就會想到自動化、機器人、智慧裝置。這裡要糾正一個觀點，就是AI不等於自動化，AI在物流領域的應用的主戰場絕不是硬體方面。並且面對目前中國複雜多變的社會和經濟環境，自動化不一定是唯一解和最優解，在現階段的中國經濟環境，軟體先行、硬體適度的原則還是比較貼近實際的。
二、AI在物流供應鏈領域的角色定位
物流和供應鏈是一個資料密集型的行業，同時目前也是一個嚴重依賴經驗的學科。物流和供應鏈領域的管理人員，有點類似於醫生的角色，核心的工作就是從各種資料中發現運營存在的問題，然後進行鍼對性的調整。而且這些醫生通常還需要配備幾個甚至一堆的人員進行資料的統計、分析和論證，但是遺憾的是，最終診斷出的病情還經常是錯的。
造成這個局面的原因有兩點：
第一點，沉睡的資料。很多人會講我們企業有ERP、WMS、DRP各種專業的資訊化工具，能提供各種運營資料，怎麼會是沉睡的資料呢。很遺憾，這些資料都是不會講話的，目前市面上的幾乎所有企業管理軟體都是啞巴，他們只是忠實的記錄資料，而不會給出建議。這些資料不會提供預警，不會預測未來，更不會告訴你應該採取什麼樣的措施，這些措施會產生什麼樣的後果。
第二點，受限於管理人員的經驗水平，即使管理人員獲取了運營的資料，也只能簡單粗略的根據自己的知識，做一些判斷。過程中指標體系夠不夠完整，模擬運算夠不夠精確，過程有無人工錯誤等等這些都是未知數。並且這些分析和決策通常都是滯後的。
上面的兩點使得目前的供應鏈和物流的管理還只是停留在經驗主義的範疇，一旦決策失誤就會帶來巨大的成本浪費，使企業喪失競爭優勢，甚至帶來災難性的後果。
未來在AI時代，物流供應鏈的管理應該是什麼樣的呢，大家可以想象一下電影裡星際旅行的場景，在星際旅行裡，星際戰艦上艦長根據AI的建議選擇執行方案，在AI的輔助下做出各種決策。未來供應鏈和物流領域裡的管理人員就應該是星際旅行裡面艦長的角色。艦長在AI的幫助下，共同進行戰役的展開。
三、AI在物流供應鏈領域裡的應用方向
迴歸正題，AI在物流和供應鏈領域到底有哪些方向有較大的應用價值呢，筆者認為有以下幾點：
（一）供應鏈預測
供應鏈的各個環節互相配合，使得資源在供應鏈上中最優分佈，在過程中，資訊的透明和準確對供應鏈成本至關重要，如何提供有效的預測，避免牛鞭效應，避免資源浪費是管理者和AI需要一同面對的問題。在這個過程中，管理人員的經驗更多應該體現在模型和影響因素的設計上，具體的預測和計算工作應該交給AI完成。
圖1：某公司銷售訂單預測模型
（二）供應鏈品控
在現階段的企業管理中，供應鏈管理的工作通常分散在各個部門，每個部門都有自身的一套監控和考核指標體系，但是從整個供應鏈層面對運營質量進行管控的公司少之又少。除了指標分散外，資料的加工耗費大量的人力，最關鍵的是呈現的資料指標只能反映過往的情況，而不能對當前的情況進行管控、修正。
藉助AI的力量，供應鏈管理人員可以實時的對供應鏈運作的指標表現進行監控、預警、甚至自動生成工單進行問題的處理和跟進。
AI在供應鏈品控的領域的應用將不僅僅是業務層面甚至包含財務方面。目前在供應鏈品控方面，有不少業內公司已經在探索實施，在倉容預警、自動成本管控、服務質量監測、大客戶管理、訂單履約管理等方面起到了很好的效果。
圖2：某公司在客戶服務上的AI應用模型
（三）供應鏈選品、庫存管理以及調撥、補貨決策
在傳統的做法裡面，供應鏈選品和庫存管理工作通常是在供應鏈管理部或者商品部的管理範圍。在這些部門裡面有一堆的表哥表姐，表哥表姐們每天從系統裡面匯出資料，分析週轉率、庫齡、毛利、起訂量等指標，然後進行資料加工，形成建議，進行建議審批，最終把審批後的建議下達到執行部門。這種工作模式耗費了大量的人力，資料滯後，決策過程冗長。
未來在AI的幫助下，上述對應的工作可以由AI自發的完成，管理人員只需要根據AI提供的方案選擇最適合企業的方案即可。
在庫存管理模組，AI對於效期、臨保期、安全庫存、經濟訂貨批量上等的管理上能做到及時、迅速、準確的預警和建議，並且為調撥、補貨決策提供具體的建議和方案，並且監控決策的實施過程。
（四）供應鏈網路規劃
倉配網路規劃是企業發展到一定階段必然面對的問題。需要佈局多少個倉庫，倉庫選址在哪裡，拓撲結構怎麼設定，每個倉庫承擔怎樣的職能。這些問題，牽扯到物流成本、服務時效、庫存管控和客戶體驗，還有政策、消費者分佈、商品特性等因素的制約。每個節點的變化都是牽一髮而動全身的關係，並且企業面臨的形勢也是在不斷的變化的，還存在季節和週期的波動。
在這種情況下，依靠人工做出準確的判斷是幾乎不可能的，上述各因素的變數已經遠遠超過了人工的計算能力，只有依靠演算法的力量進行動態規劃，通過因素的變化模擬結果的變化，協助管理者做出相應的決策，才是最科學的方法。
圖3：某公司供應鏈網路模型示例
（五）供應鏈訂單管理
當一個訂單產生的時候，就面臨一系列的決策行為，訂單應該從哪個倉庫發貨、選擇哪個配送商、走哪個路線、訂單缺貨的時候是否要進行拆單、使用者物流期望是什麼等等。這些決策問題直接決定了用什麼樣的物流成本為消費者提供怎麼樣的服務，最終反映在客戶滿意度上，也是企業供應鏈物流服務價值的最終體現。
通過AI演算法，管理者可以通過系統，讓訂單決策在產能、成本、時效、服務等因素上達到平衡，更好的為企業戰略服務，為客戶提供最優的物流服務體驗。
圖4：配送商選擇模型示例
（六）倉庫作業管理
作為一個倉庫的管理者，需要知道倉庫的作業量、效率、產能情況，還需要對訂單的作業方式進行選擇，並且根據發運計劃安排訂單作業順序。
AI可以協助管理者進行資源的調配，實時提供作業資料及預警。在具體作業上，AI可以協助進行揀選路徑規劃、訂單波次策略選擇。在倉配交接環節，AI還可以協助識別直髮線路，協助場地週轉場地管理和配送資源計劃管理。
（七）配送路由和配送末端管理
在配送階段，通常消費者提供的地址是不精確的，有很多錯誤和模糊地帶。這個時候就需要通過演算法，通過AI來自動識別客戶的實際目的地，確保準確地投遞。
在配送階段就涉及到配送的運能預測和優化，車輛的排程響應等等。配送商需要實時瞭解每個線路的運能情況，資源需求和儲備情況，提前做好應對，避免異常發生，減少接駁成本。當然在異常發生的時候，也需要AI給出最優補救方案。
在最後一公里，站點和自提櫃應該如何佈置，末端派送資源排程也是影響作業質量和效率的關鍵因素，這些複雜的數學問題，通過傳統的人力是無法很好的解決的，此時就需要有AI的支援，輔助管理人員甚至取代管理人員作出決策。
圖5：派送資源排程模型示例以上八大領域AI應用的前景十分廣闊，目前業內有不少公司已經在某些領域有些應用，更多的公司還在探索中。當然，除了上述的幾大領域，AI在物流領域的應用場景還有很多，比如包材箱型演算法推薦、貨位規劃、車貨匹配、AGV排程、自動化智慧倉儲等等。隨著科技的發展，相信AI和演算法在物流供應鏈領域能發揮越來越重要的作用。
（八）供應端物流的管理
上述幾個領域描述了貨品流向消費者的供應鏈管控過程，但是沒有包含供應端的物流管理體系的管控。隨著社會分工的發展，企業間的競爭應景演變成供應鏈時間的競爭了，是企業所在的供應鏈與另外一家企業所在的供應鏈的鏈條之間的競爭。在經營發展中，供應商是企業重要的資源，是並肩作戰的夥伴，是關鍵時刻能夠給予企業幫助的經濟實體。
從某種角度上講，供應物流是銷售物流的一個映象，上文所說的供應鏈品控需要包含供應物流，同理供應物流的特性也是供應鏈網路規劃的重要影響因素，供應鏈預測和補貨建議也需要考慮供應端的資訊和在途資料。在供應商管理庫存，VMI領域，AI可以協助進行過程預警和補貨，以及結算自動化的應用。在在途庫存的管理和車輛排程上，AI和演算法也能起到較大的作用。
四、物流供應鏈管理者
如何應對AI時代帶來的挑戰
隨著AI在物流供應鏈領域的應用加速，傳統管理者在工作內容和方式上必然面臨一系列的挑戰。傳統管理者應該怎麼應對這些挑戰呢？
首先，心態上應該擁抱變化，要承認自己經驗和能力上的侷限性，接受AI的存在和AI的重要性。
其次，管理者的工作重心需要轉移，從關注業務過程轉變為更多關注影響因素、關注規則和邊界，更多的和開發人員建立緊密的聯絡，協助開發人員讓AI變得越來越聰明越來越好用。一個好的供應鏈管理者，一定是一個好的產品經理。
第三，管理者需要關注更高層級的需求，關注物流供應鏈與公司戰略的配合，擴充物流供應鏈管理的領域和邊界。
最後一個話題，未來AI是否能完全取代人工，人類成為AI的奴隸呢？筆者不敢多想，歡迎大家就AI在供應鏈領域的應用共同探討。謝謝！