数字化对企业管理带来了哪些挑战
数字化转型，不同企业都可有自己不同的定义，都会有自己的理解。数字化企业的典型特征应是提供产品和服务的过程中要体现数字化要素。
产品本身及服务的数字化、交付全过程的数字化、组织结构的数字化，最终实现数智化转变---即为数字化转型。
——杜传文-光大证券
数字化，从其本身而言，我理解是过程，如果视为手段，这个手段本身是可升级演化的，是驱动组织变革或演化的驱动力。如果是目的，那是否可视作组织的新增属性之一？
——张军-安徽工业大学
三.异曲同工数字化与ERP比较
本轮的数字化管理和早期的ERP有什么本质的区别？好像能成功实施ERP的企业并不多。另外，数字化的收益和成本如何衡量？数字化的成本好像很高，收益具有不确定性。怎么更精准的识别数字化管理的收益的成本和收益对于数字化管理的广泛应用具有重大影响。
——熊磊-云南师范大学
在生产或服务中采用数字与智能化技术、在管理中广泛采用数字与网络技术的企业，可以称为数字化企业。5G是数字化企业发展的重要基础设施！
——杜传文-光大证券
数字化这个概念很大，是个时髦概念，能否解释一下大致是什么含义，分为哪些阶段，有哪些特征表现，有哪些典型案例。先弄清概念含义，了解了相关实践现状，然后再讨论管理上的问题，可能更顺理成章一些，不然可能比较发散。我有同样困惑，企业上了ERP是不是也算数字化了，现在讲的数字化和以前类似概念之间有什么本质区别？
——陈笃升-海康威视
数字化的界定就是公司中至少一个部门的决策依赖于另一个部门产生的数据。企业上了ERP当然算数字化了，但可以认为是某一个部门的数字化。企业全面的数字化要求企业每一个部门的决策都是循证于另一个部门或者另外几个部门的数据，并且这种循证过程不应该有高到不可持续的交易成本。
——裘卉青-城云科技
过去一二十年信息技术进步主要体现在互联网技术上（包括移动互联网），这也是这轮数字技术与之前ERP的最大不同。简单点说，ERP可以理解为每个企业自己建立一个数据仓库，而互联网支撑的高速互联互通（5G技术更加深化这个趋势）让很多技术路线体现出优势，比如分布式存储和计算、云计算等等。因此，数据库技术有了一个大的创新，杰出代表包括AmazonAurora和阿里巴巴的OceanBase。
另外一个很大的特点是数据异构性和速度大大增加，一定程度也是由于互联网技术发展导致用户自创内容增加导致，所以相关新的技术也应运而生。
最后一点，自然就是机器学习技术的应用，很大程度也是由于海量数据催生的，这可以让企业做许多ERP时代不能做的事情。
第一个特点是普遍适用的，云计算的普及也导致数据库技术虽然更复杂了，但可能使用成本反而会降低。第二三个特点是否为企业带来价值就取决于企业的商业模式了。我之前说的很多平台型企业都依赖于这两个特点，但很多传统企业并非如此。
——曹仔科-浙江大学
四.集思广益数字化对企业的影响
从信息与决策的角度说，管理决策是在不确定性下做出的，而信息可以降低不确定性，数字化可以让信息更加精准。这个数字化过程是内部（从会计系统到ERP）到市场外部（从需求预测到疫情期间的供应链闭环管理），每一次的数字化升级都会带动管理模式的进化和商业模式的迭代，以及整个价值链系统的升级。
——刘雪锋-厦门大学
数字化会扩张企业的边界。按照科斯理论，企业是对交易成本的节约或替代。
直觉上，数字化有助于减轻信息不对称，降低交易成本，所以它应该可以扩大企业边界，主导的企业可以覆盖整个供应链。
这实际上是阿里巴巴、腾讯正在做的事。
①在企业内部，从数字化节约交易成本的角度，组织应该会进一步扁平化，中层管理者上传下达的功能被取代；
②同样的道理，很多管理职能被系统取代，常规化的管理职能被取代，职能管理队伍缩减，管理者面临转型；
③技术支撑部门会加强，职能是优化基于数字的经营与管理，出现新的工种，新的部门，数智部门。研究最佳实践，标准化、融入系统；
④企业和企业的差距在一定程度上就是数字化系统的能力，它是硬件和软件，信息和知识的结合。系统成为常规管理的大脑与实际操作工具。
这个系统采集、存储、加工、输出数据，数据驱动流程，引导员工行为。
⑤以系统为核心重构所有业务流程、管理流程。人们要学会利用它，依托它，优化它。
⑥企业中的人可能会有几种人：
6.1与系统配合的操作人员；技术维护人员（可外包）；
6.2设计、驾驭、优化系统的人（对内）；
6.3基于这些系统展开创造性、经营性工作的人（对外）；
6.4完全脱开系统、做开创性工作的人（必不可少）；
⑦文化改变，基于数据、理性，管理更民主；
⑧上下游和企业内部对“数字资产”的争夺。总体来看，是顺着自动化、标准化、流程化的方向，沿着原来的企业管理信息系统的升级，形成一个更强大的系统。但肯定在不同行业和企业中形成不同程度的“数字化系统控制”的格局。不过人的主动性和创造性永远都是需要的。
——程兆谦-浙江工商大学
过去10到20年我们所见证的很多耀眼的“数字化企业”，如谷歌、Facebook、阿里巴巴、腾讯、字节跳动等，都可归类为网络平台型企业。从很多角度来说，网络平台型企业与传统企业有很多不同。
生态系统的构建（而非产品差异和成本优化）是这类企业的首要目标。由于网络效应的作用，这类企业的成长一般都是非常迅猛的，而且开始阶段公司规模都不大。比如Instagram几十来个人就做到十亿美金的身价。但当这些企业逐渐成熟要多元化自己业务时（如阿里巴巴发展阿里云、字节跳动发展搜索引擎、Facebook发展数字化货币），组织架构自然变得更加庞大复杂。这似乎让这些数字企业的组织架构与传统企业更类似了。
对这类企业而言不存在数字化带来挑战一说：它们是数字原生的，新的信息技术带来的更多是机遇。挑战一说可能对传统企业（比如制造业、房地产业）更适合。这些传统企业需要思量的是如何利用新的数字技术来改善经营和管理。特别是云计算的进一步普及和廉价化，在管理中加入数字技术对任何大中小微企业都是可行的。数字技术的价值可能是帮助企业改善现有流程（如区块链技术能够降低企业内以及与供应商间的信任成本），也有可能是帮企业寻找到新的价值定位点（如海尔的物联网平台）。我想深刻理解新数字技术的基本原理，并与本行业本企业的实情相结合来发挥数字技术的正面作用就是最佳的策略。对所有企业都适合的数字化战略是不存在的。我觉得人在管理中永远都是最重要的，对技术的管理也不例外：如何最佳地把数字技术应用到本企业的管理中就是需要管理者发挥创造力。
——曹仔科-浙江大学
我认为传统的信息化对于企业管理而言，主要是要驾驭物流、资金流和信息流的在线化，而在数字化背景下，随着物联网、大数据、云计算、5G、社交媒体等新兴信息技术的不断推陈出新，企业需要综合充分利用这些技术的特征来提升企业管理的能力。
——孙元-浙江工商大学
谈数字化转型，先看数字经济的新元素。数字经济在要素层面，以数据为新的生产要素；在工具层面，以AI、智能算法为新的生产工具；在基础设施层面，以5G、云计算、物联网为新的基础设施。所以，企业数字化转型是指企业能否有效利用数字经济的新元素获取竞争力，从不使用、少使用到充分使用即为数字化转型。因此，每个单位的数字化转型都可以用这样的方式来定义。包括我们学者自己，用数字经济的新工具做更好的研究，就是学者的数字化转型。
——周伟华-浙江大学
王志玮-福州大学校友认为“数字化对企业最大的挑战是管理思维及决策逻辑的巨大转变。”
俞文华-北京科技大学校友对数字化的发展趋势表示了高度肯定，“数字化转型是企业生存环境与运营的网络发生了根本性变革；是划时代的事件。”
林星-福州大学校友分享了陆奇技术趋势下财富创造的演讲，讲述了以商业趋势和技术变革为背景下的企业如何创新。
焦豪-北京师范大学校友分享了《经济参考报》上刊登的魏江教授的文章，帮助读者明晰数字经济以及发展数字经济的方向。
五.总结归纳
数字化企业特征
什么是“数字化企业”？“数字化企业”有什么典型特征？
我的思考方式是这样的：首先我们需要对“企业”进行抽象，这可以借助已有的理论来完成；在此基础上，可以分析“数字化”对于企业所带来的影响甚至是本质性变化。
就此而言，我们可以从以下四个方面来对“数字化企业”进行讨论。
“企业是资源的集合”(abundleofresources)（企业资源观）。传统组织形态当中，资源都是被分割地占有，团队、部门或业务拥有对资源的所有权和使用权。在数字化企业当中，所有的资源及其状态都可以数字化，也就是可见性大大提升，因而所有权和使用权是可以分离的，所有的资源只要出于闲置状态就可以被组织依据规则来进行调用。
“管理即决策”（赫尔伯特.西蒙）。企业不论是在组织管理还是业务运营当中都需要进行大量的决策。传统时代的决策大多基于经验模式，虽然会使用数据来辅助决策。但由于信息和数据缺乏以及在实时性上存在的问题，经验依然是决策的核心基础。数字化企业当中我们可以把决策称之为“混合智能”模式，也就是在结构化问题上高度依赖于数据驱动以及基于算法；而在非结构化决策当中大量运用基于经验的决策方式。
“企业从推式向拉式的转变”。虽然在以往的时代，企业也会强调以客户为中心、强调洞察市场需求来引导企业的运营，但是由于需求数据很难完整地获得、数据的获取存在很大时滞、整个供应链存在着大量的信息不对称导致协调困难，因此本质上还是采用pushmode，也就是企业开发出产品和服务然后去寻找匹配的市场需求。数字化企业可以真正实现pullmode，也就是以需求来引导整个价值链的实时、动态匹配。这背后可以是依赖于那些扮演系统整合者角色的平台、生态系统核心企业或者甚至是基于纯粹的算法。
“企业的边界将沿着两个截然全不同的方向演化”。我们知道，正如交易成本理论（TCE）所阐释的，组织的边界是由市场的交易成本与组织的协调成本之间的平衡（或者说替代）所决定的。如果交易成本降低，市场机制会扩大其范围；如果组织成本降低，企业内部化会扩大其范围。而数字技术的大量运用以及企业的数字化，可以同时降低交易成本和组织成本，这就导致传统意义上的组织在逻辑上可以朝着完全市场化的方式演进，也可以是沿着组织内部化方式形成我们在以往任何一个历史时期都无法实现也无法想象的那种具有高度复杂性的组织（例如可以是企业规模极其巨大、在地域和业务领域的覆盖范围上极宽，同时又管理层级很少、管理幅度很宽、企业内部的组织具有极高的灵活性等等）。
——郭斌-浙江大学
从企业资源观角度看，数字化企业中数字化资产将成为战略性资产，不仅是大量的数据，核心是算法，方方面面的算法，比如最科学采购与库存模式、面向顾客的智能化推荐等。它是大量数据、集体的隐性知识、软件实现与硬件的结合，总而言之是一套系统，一个企业“大脑”。
从决策角度，按照knight的划分，确定性决策无疑会交给系统，人们只需要执行，风险决策中，数字化系统的作用可能尤其大，因为它可以模拟多种情境，预判结果，降低决策的失误成本。不确定性决策，从性质来说，发挥的作用有限。
推和拉的模式，常规操作肯定朝向拉的，数字化企业应具备这样的敏捷能力。但是，从双元组织和战略追求差异性的角度，肯定要有创造性和推的部分，而且应大力培育，否则会把系统吞噬。
企业边界的双向改变，是很有洞察力的观点，既要集权，交给系统，又要分权，组织化和市场化的混合。平台化+创客化，这种模式的流行，即是很好的表现。
——程兆谦-浙江工商大学
数字化，是利用科技进步的成果，将组织内外资源/活动编码化、透明化，以便更大程度、尽可能无偏地得到共享。从知识视角来看，从数据到信息，从信息到知识，其行为导向功能渐趋明晰，同时意味着原生资源的主观图式空间收窄。其中：数据相当于未经加工的原生资源，提供资源可互换性（fungible）的柔性最大，从“企业是一组资源的集束”角度来说，数据形成“集束组合”得多样性空间最大（数字化，是数据/信息/知识的0-1表征化）。
也就是说，数字化提供了资源集束组合更大可能空间，变相提高了组织资源的冗余。数字化使资源编码化透明化及共享化，就意味着资源相对于个体的可获得性、可用性大大提高，这可能带来组织结构从科层化向平权型网络发展，决策走向民主化，个体自治度进一步提高。组织边界两极化发展，巨型化与微型化并存。个体之间在能力、工作自治、成就获取等方面进一步分化，向自由与受治两极集聚。
——张军-安徽工业大学
六.开拓思维多角度讨论数字化
政策角度
郭京京-中国科学院校友从总体思路和政策取向角度分享了数字化发展的趋势。
文献研究
叶许红-浙江工业大学校友分享了Gartner业内研究，主题为FutureofApplications:DeliveringtheComposableEnterprise，链接如下：https://www.kdocs.cn/l/siINSn2g9。吴晓波教授分享ResearchPolicy创新创业数字化转型特刊。
旅游行业
王婉飞教授主持的浙江省科技厅重点研发项目“全域旅游安全监管与智慧导览共性技术研究与应用”项目的部分研究成果内容之一，“基于知识图谱面向全域旅游的个性化导览服务系统”已在千岛湖景区开始应用。这是“数字化”在旅游行业应用的一个案例。
理论角度
从手工操作-机械化-信息化-数字化，以往的企业变革规律是否依然适用？
按马克斯韦伯理想型企业组织类推，数字化企业是否只需要最高层级的决策？需要决策的范围是扩大了还是缩小了？
——吴炳德-福州大学
数字化不管是企业被动应对情境变化而采取的手段或思维模式，还是主动用来创造新应用场景整合或开发全新市场，提升自身核心竞争力的一条路径。就目前而言，无论从理论还是实践还处在发展的初期，属于相对较为新的现象，实践上还处在从八仙过海，各显神通阶段，理论研究也是处在发散阶段，很多认知并未形成相对一致的认同，未见有收敛趋势。
由此，现阶段本人比较感兴趣的研究主题是：数字化高水平发展背后的逻辑与机制是什么？有哪些前因条件？驱动其高水平发展的创新机制是什么？有没有存在多种典型的发展模式？先弄明白动因与前因可能更有利于企业在数字化进程中少走弯路，供在迷茫中的企业一点启发与借鉴。
——余维臻-浙江树人大学
讨论这些现象最好结合理论来探讨。比如从TCE来看数字化。数字化可能会减少交易成本，这是不是会导致企业边界缩小？数字化可能会降低机会主义，这会不会促进组织间合作？
——江诗松-武汉大学
组织内部管理的边际成本因数字化下降幅度大于组织与外部的边际交易成本，组织的规模或范围经济可能扩大。
——俞文华-北京科技大学
简单思考的一些问题：一些传统管理理论都回答企业的边界到底在哪里或者强调企业有明显的边界，“数字化”时代企业边界是否模糊化或者还有无明显的边界？边界是否还是一个关键问题？假如边界不是关键，或者数字化降低甚至消除信息不对称，是否可以基于相关的传统理论去理解数字化，有什么对应挑战？数字化可以降低交易成本，信息不对称，提高决策速度等，这些与传统手段带来的效果是否有根本性的差异？是否是程度的变化还是体现为完全不同逻辑？我们在数字化时代关注的“结果”也完全是否有所不同？如果数字化企业作为一种新的物种或者组织形态，是否可以用传统企业属性去刻画它？如果不行，数字化企业有哪些完全不同于以往物种的属性？这些新的属性又会带来对企业运营与发展带来哪些改变？
或者功利一点思考，我们是否能够清楚地界定与测量“数字化”相关的构念？是带动一些新的构念出现进而形成相关的理论体系；还是我们只能在“数字化企业”这个独特的情境下去看原先的理论逻辑是否有什么改变？
——金露-同济大学
俞文华-北京科技大学校友认为在上述思考中也需要区分下BtoB和BtoC的情形，探究“数字化有无改变BtoB或BtoC的交易关系或决策变量或原有变量在决策中的权重”。
via:浙大管院校友学术社群
仅供个人学习使用，禁止商业使用，侵删！返回搜狐，查看更多
人工智能影响供应链的8种方式
人们需要了解人工智能影响供应链的8种方式。
了解供应链
简单地说，供应链包括一系列向客户提供产品或服务的步骤。企业与其供应商之间总是有一个网络来生产特定产品，并将其交付给最终用户。这个网络包括不同的活动、人员、实体、信息和资源。
供应链还表明将产品或服务从原始状态提供给客户所采取的步骤。这些步骤通常包括将原材料转移和转化为产品，并运输这些产品，最后将它们交付给最终用户。供应链中涉及的实体包括生产商、供应商、仓库、运输公司、配送中心和零售商。
供应链管理对于企业来说是至关重要的过程，因为优化的供应链可以帮助企业降低成本，并在商业环境中保持竞争力。
[[324310]]
了解人工智能及其对供应链的影响
当大多数人听到人工智能这一术语时，他们通常想到的第一件事就是机器人。但这并非完全正确。人工智能(AI)是机器智能的同义词，它是由机器表现出来的智能，而不是由人类表现出来的自然智能。
“人工智能”这一术语通常用于描述模仿人类与人类思维相关的“认知”功能的机器(或计算机)，例如“学习”和“解决问题”。
企业可以使用这些方法，然后对其进行分析，以获得可以启动流程和复杂功能的结果。
在CrispResearchAG公司于2016年对IT决策者进行的一项研究中，发现物流行业是其中已经积极使用机器学习流程的企业数量最多的行业之一。
现在，许多企业已从人工智能投资中受益。根据Adobe公司的调查，目前有15%的企业已经开始使用人工智能，而其他31%的企业计划在2019年采用人工智能。可以产生收益的领域包括研发、产品创新、供应链运营和客户服务。
调研机构麦肯锡公司预计，通过在供应链中使用人工智能，企业每年获得经济价值为1.3万亿美元到2万亿美元。据普华永道公司预计，到2030年，人工智能可以为全球经济贡献近15.7万亿美元的价值。
以下是人工智能影响供应链的8种方式：
1.人工智能能够分析大量数据，从而增强需求预测
企业通过处理大量的数据(例如由传感器产生的数据)以描绘现实世界，然后做出正确的决定。例如当库存落后于需求时，企业可能会遭受损失。
人工智能的预测能力有助于网络规划和预测需求。这使销售商变得更加积极主动。物流公司通过了解期望值，可以调整车辆数量并将其引导到预计最大需求的位置。这会降低运营成本。
大数据的力量使物流公司能够比以往更好地预测高度准确的前景，并优化未来绩效。大数据技术可以进行预测和复杂的情景分析，并可以进行精确的容量规划以及供应链和库存的优化。
2.人工智能提供了提高生产力的见解
通过自动计算更好的解决方案，人工智能极大地提高了仓库的生产率，特别是对于在线零售商。
将人工智能应用于供应链管理，可以对其进行绩效分析，找出影响同一领域的新因素。为了找出影响供应链绩效的因素和问题，人工智能结合了强化学习、无监督学习和监督学习等不同技术的能力。
3.聊天机器人正在重新定义客户支持
根据埃森哲公司的调查，80%的客户服务都可以由机器人来处理。人工智能可以使客户和物流供应商之间的关系个性化。
Pega公司表示，38%的消费者认为人工智能可以增强客户服务。
还有一个个性化客户体验示例是DHL公司与亚马逊公司的合作。通过使用Alexa应用程序跟踪DHL包裹行程，DHL客户可以要求Alexa与AmazonEcho或EchoDot智能音箱连接，并确认包裹的状态。如果在交互过程中出现任何问题，Echo用户可以直接与DHL公司联系，以寻求其客户支持团队的帮助。
4.智能仓库管理
在未来几年内，大面积的仓库管理将会完全实现自动化。人工智能技术越来越成为不可或缺的组成部分，尤其是在短期和中期预测方面。
智能仓库是一个完全自动化的设施，其中大部分工作是通过自动化或软件来完成的。在此过程中，繁琐的任务得以简化，其操作变得更具成本效益。
阿里巴巴集团和亚马逊公司已经通过使用自动化改造了他们的仓库。亚马逊公司最近推出了根据客户订单自动装箱的机器人。在亚马逊公司的仓库中，机器人和人类一起工作以提高生产力和效率。
5.自动驾驶汽车
自动驾驶汽车是人工智能提供供应链的下一个重要产品。拥有无人驾驶卡车可能需要一段时间，但是物流行业现在正在利用高科技驾驶来提高效率和安全性。在辅助制动、车道辅助和高速公路自动驾驶方面，预计该行业将发生重大变化。
为了达到更低的油耗，更好的驾驶系统正在推出，它的作用是将多辆卡车聚集在一起形成编队。物流公司通过计算机控制这样的编队，它们也彼此相连。
6.遗传算法正在缩短交货时间并降低成本
在供应链中，每一英里和每一分钟都很重要。企业可以使用基于遗传算法的路线规划器来规划交付的最佳路线。
全球快递服务商UPS公司使用GPS工具Orion帮助司机及时、经济、高效地送货。可以根据交通状况和其他因素来规划和优化路线。Orion可以帮助UPS公司每年节省近5000万美元。
7.机器人技术
任何关于人工智能的讨论都离不开机器人领域。虽然它们听起来像一个未来主义的概念，但它们已经嵌入到供应链中。根据调研机构TracticaResearch公司估计，到2021年底，全球仓储和物流机器人的销售额将达到224亿美元。
如今，有些仓库的操作原理已不再为人类观察者所理解，因为它们是由人工智能管理的。它们的共同特征通常是采用机器人处理，尤其是自动导引车(AGV)。
在仓库中，产品以混乱的方式存放在各种架子和过道中。对于自动拣选机而言，这意味着不必要的旅程和搜索时间，这对于自动驾驶机器人来说是没有问题的：当收到订单时，第一个可用的自动拣选机将拾取最接近其位置存储的物品，并将其传送到仓库末端的人工打包机。
8.财务异常检测
供应链供应商通常依赖大量的第三方运营其业务的核心功能，这些第三方包括公共航空公司、分包人员、特许航空公司和其他第三方供应商。这给物流会计团队带来了更大的负担，他们每年要处理来自数千家供应商、合作伙伴或供应商的数百万张发票。
在这里，诸如自然语言处理之类的人工智能技术可以从企业收到的非结构化发票形式中提取关键信息，例如账单金额、帐户信息、日期、地址和相关方。
咨询机构安永(EY)公司正在采用类似的方法来检测欺诈性发票。使用机器学习技术对国际方的发票进行彻底分类，并识别异常以供专家审核，这有助于安永公司遵守制裁、反贿赂法规以及《美国反海外腐败法》的其他规定。安永公司的欺诈检测系统达到了97%的准确性，并已推广到50多家公司。
类似的逻辑可以应用于具有高频重复任务的任何业务流程。
结论
在不久的将来，人工智能将为整个供应链和物流流程建立新的效率标准。游戏规则瞬息万变，并通过自动化、智能化和更高效的方式，为全球物流公司管理数据、运营和服务客户创造了“新常态”。
以往被视为人类专属领域的任务现在可以执行，这要归功于当前算法开发的进展，以及加上更强大的处理能力和可用数据量的指数增长。
人工智能（AI）改善制造业运营的三种方式
原创Jonathan中国机械工程学会
在制造行业中，工业4.0（Industry4.0）不仅仅是一个流行词，它已成为一种新的现实。新型冠状病毒的爆发加速了这一现实的到来。在新型冠状病毒爆发的前三个月中，企业和消费者都适应了网络世界，数字技术的发展速度相当于十年间的发展速度。
面向数字技术解决方案的投资可以帮助企业实现未来发展的关键点，即敏捷性、适应性和创新性。随着精简业务、降低成本和最大化收益压力的增大，数字化转型已成为当务之急。
“数字化转型的赢家正在利用颠覆性技术来应对业务挑战，并通过实际应用推动改进。数字化运营流程对于制造商应对需求和危机的挑战至关重要，可视为制造业发展的自然进步。”（ManufacturingGlobalMagazine）部门首席技术顾问乔纳森·怀特塞德表示。
“幸运的是，创新已经发展到了一个新的高度，人工智能和物联网（IoT）等新兴技术得到了广泛应用，有助于加速传统制造业的转型。制造商可以在以下三个关键领域中通过人工智能来增强适应能力、提高利润：预测、条件性维护和沟通。”
1.需求规划和预测
机器学习技术能够以人类无法实现的速度自动进行分析和数据模式的检测。它可以超出简单的关键字集群对数据进行细分，并为从新数据源中收集信息提供了机会。当机器学习技术应用于预测模型时，其成果更为喜人。根据麦肯锡数字化咨询部门（MckinseyDigital）提供的数据，基于人工智能的预测（estimated）可以将供应链网络中的失误减少30%-50%。精确度的提高可以将因缺货而导致的销售损失减少65%，仓储成本降低约10%-40%。在制造和供应链规划（manufacturingandsupplychainplanning）中，人工智能对供应链的影响估计在1.2万亿-2万亿美元之间。
通过这些统计数据可见，毫无疑问，整个行业的需求计划人员都在接受机器学习技术。机器学习预测的速度和准确性可带来诸多好处，其可用性的提高改善了客户的体验，这些却只是冰山一角。随着预测技术的不断成熟，其有助于降低缓冲库存水平，从而减少营运资金并释放宝贵的库存空间。更为准确的预测可在整个价值链（从改进运输计划到优化劳动计划）中实现节约。
需求预测准确性的提高正在所有行业中取得可喜成效，尤其是包装消费品制造商。法国跨国公司达能集团（DanoneGroup）正在通过机器学习改善营销、销售、客户管理和供应链之间的规划协调。通过人工智能的需求建模，达能能够更好地满足产品促销的需求，并达到其渠道或商店级库存的目标服务水平。机器学习技术使预测误差减少了20%，销售损失减少了30%，产品淘汰率降低了30%，需求计划人员的工作量减少了50%。
机器学习和人工智能不仅影响公司的生产制造方式，还对其生产制造的产品产生影响。通过数据分析和趋势跟踪，包装食品公司可以发现消费者不断变化的口味，从而调整食材，推出能引起消费者共鸣的限时特色产品。其还可以为公司提供多种机会，来确定产品可能适合的推广区域，同时加快生产流程以便更及时地推出产品。
2.开发与维护
对制造设备进行人工维护既昂贵又费时，而且还存在设备故障的高风险，均会对生产进度产生巨大影响，导致生产率降低。因此，预测机器何时可能发生故障是人工智能在当今制造业中最为普遍的应用。
“通过计划性维护可以避免计划外停机。制造商可以制定资产使用期限保护计划，通过对警报做出响应并解决出现的小问题来确定最合适的设备升级时机。有监督和无监督的机器学习算法可对实时数据的变化做出解释。此外，它还可以借助多种数据类型在几秒钟内检测出以前未知的工艺、产品和工作流程。”怀特塞德表示。
传感器的数据来自设备本身，用于对设备的热量、振动和运动情况进行检测，而可编程逻辑控制器（PLC）数据则用于跟踪设备的输入和输出。计算机视觉数据可从工厂周围的摄像头获取，根据历史记录，通过时间序列数据可以确定设备的状态。此外，还考虑到了相关的外部数据源，例如天气条件的变化或相关设备的连锁效应。这些发现为背景数据提供了理想的来源，这些背景数据可用于机器学习模型的训练、产品开发和装配线生产的优化。
3.沟通策略
人工智能和机器学习不仅在运营流程中使用，其还能够检测各种来源的模式，例如：音频、图像和视频，从而改善企业与客户和员工之间的沟通方式。人工智能和机器学习还可以应用于沟通渠道，从而为企业节省大量的时间。
人工智能聊天机器人可以为企业的呼叫中心减轻压力，为现场销售团队保留更多的精力，专注于新客户的开发，同时还可以及时地解答客户查询的问题。如果使用数字孪生技术（digitaltwins），则还应了解产品的维护周期以及产品可能升级或出现问题的时间。在客户需要联系企业之前，自动化的通信流程可以及时地与这些客户沟通，从而为企业在客户服务方面赢得赞誉。
随着在线网络连接的进步，尤其是最近5G连接设备的推出以及蓝牙的不断完善，连接具有关键业务功能的设备变得愈加容易。其有两种实现方法：数据分析和自动化。这些相互关联的数据通常是通过云软件进行收集的，然后将这些数据集中于一个易于访问的位置。企业可以通过云应用程序收集有关网站搜索量最大的常见问题、完成和退货记录以及物料采购数据的信息。这样就可以对客户产品遇到特定问题的时间、该问题是否可以通过提供支持或召回而得到解决、该问题是否与供应商的特定订单相关等情况进行跟踪，从而同时得出问题和解决方案。
借助可扩展解决方案实现发展
为应对新型冠状病毒爆发带来的挑战，世界各地的制造公司大都加快了数字化进程。在英国，超过五分之二的制造商（43%）表示，在过去一年中，对传统技术的依赖为其各自的业务运营带来了更大的风险。并且，全球将近95%的制造商或供应链运营商表示他们已受到新型冠状病毒爆发带来的不利影响，但现在却只有82%的企业认为其已经为将来处理类似的事件做好了准备。这些企业最重要的收获就是进行数字化转型、成为数字化推动者的能力。
有些企业从这些全球领导者企业中汲取灵感、吸取教训。例如，西门子正在以多种方式使用人工智能；优化现场生产过程中工厂的功耗；利用机器进行质量检查，并自动调整风力涡轮机转子的位置，以提高风电场的产量。佳能将人的专业知识、洞察力和人工智能技术相结合，以使其制造中心的质量控制达到更高的水平。此外，还可以使用工业射线照相法对制造组件进行详细检查，以验证每个零件的完整性及其内部结构。
与以往任何时候相比，制造行业现在更有能力使用人工智能策略，并且这样做的价值也日益凸显。通过专注于数字化，接近最终用户并创新数字生态系统以确保满足客户的需求，制造商可以避免产品的商品化，更能在竞争中处于优势地位，并培养新老客户的长期忠诚度。
原文作者：JonathanWhiteside
原文链接：
原标题：《人工智能（AI）改善制造业运营的三种方式》