沃尔玛利用AI整合供应链的4种方法

admin

“从始至终，我们所做的每一环节都由某种形式的智能所驱动，”供应链技术高级副总裁Indira Uppuluri说道。

沃尔玛正通过人工智能和自动化技术统一其供应链，旨在提高整个网络中的成本效益、准确性和速度。
在过去的几年里，这家零售商战略性地投资于技术，以推动更快速、能够实时应对挑战的全球运营。这些投资使它开始使用智能代理AI进行决策、优化和主动解决问题。
“从端到端，我们所做的一切都是由某种形式的智能驱动的，”沃尔玛供应链技术高级副总裁Indira Uppuluri在接受姐妹出版物《供应链潜水》采访时说。
尽管沃尔玛已经推出了一系列工具和平台，形成了其网络的技术骨干，但还有更多的发展空间，Uppuluri表示。公司通过在小规模测试并评估反馈，然后推广到整个公司，持续地尝试新的技术模型。
Uppuluri表示，沃尔玛的数字孪生是核心技术的例子，它提供了一个性能基准，同时还有一个“沙盒”，用于测试不同的建模方法或策略。
“这使我们能够评估相互冲突的商业目标之间的权衡，量化在不确定性面前运营变化对商店运营的可能影响，并得出有价值的见解，”她说。
以下是沃尔玛如何利用人工智能加强其供应链的适应性和连通性，以支持更好的整体客户体验的四个例子。

Uppuluri表示，沃尔玛的弹性网络始于需求预测。
这位零售巨头使用诸如多时间尺度循环神经网络等工具——完全由沃尔玛构建——来预测未来多个时间点的需求。Uppuluri解释说，神经网络在不同规划时间尺度上存储了过去的预测，输入来自过去的需求模式、未来的计划事件以及当前的全球和本地趋势。
“例如，通过使用这种模型进行需求预测，我们可以更准确地提前规划整个网络中的库存水平，”她说。

Uppuluri表示，强大的预测可以通过分析可能影响需求的不同因素来优化库存放置决策。反过来，沃尔玛可以确保过剩库存或安全库存不会堆积在仓库中。

通过人工智能改进的预测通过提高库存进口的预测性，也对管理装运时间和质量至关重要。

智能代理AI工具为沃尔玛提供了对商店、配送中心和其它供应链设施的库存的统一视图。通过叠加多个AI和自动化技术，沃尔玛的系统可以“自动检测、诊断和纠正问题，而无需持续的手动干预，”Uppuluri说。

例如，如果意外的需求激增导致库存消耗速度比预期快，AI驱动的预测工具可以调整补充计划和时间表以及供应链中的商品流动，她补充说。

当像天气相关事件这样的挑战阻碍物流通道或分销运营时，Uppuluri表示，零售商的供应链可以“灵活”应对这些障碍。

Uppuluri表示，零售商还使用计算机视觉和AI进行入库库存质量控制，提高对商品质量的可见性。例如，这项技术可以识别压扁的番茄或过期日期。

Uppuluri说，除了优化需求预测和库存放置外，沃尔玛还利用生成式AI、机器人、计算机视觉和自动化在仓库中确保生产力和安全性，包括消除重复性手动任务。

此外，带有智能相机的仓库自动化系统使公司能够确保运营顺畅，如7月份的一篇博客文章所述。

Uppuluri表示，鉴于数千名员工在与传送带和其他自动化形式一起工作，仓库中不可避免地会发生中断和挑战。

为了应对出现的问题，沃尔玛使用生成式AI将合适的员工路由到管理中断，Uppuluri说。她表示，该系统从多个领域获取数据，包括任务管理系统、员工角色分配、调度数据和技能档案。

例如，她表示，我们配送中心的AI系统分析并预测自动化警报。“它们提供了解决问题的下一步行动指南，在许多情况下，自动化了这些操作。”

在实践中，如果商品流动受到干扰——例如，由于卡车迟到或损坏的托盘——生成式AI平台将建议一位员工帮助管理这个问题，Uppuluri说。

该公司还将这种方法融入其培训中，建立了一个幕后知识库，让员工知道该采取哪些步骤，她补充说。

Uppuluri表示，沃尔玛的目标是提高运输和物流运营的速度和更好的装载率，这是提高客户满意度的关键。

她补充说，沃尔玛利用“自适应大型邻域搜索模型”帮助司机确定到客户那里最短和/或最经济的路线。

Uppuluri表示，AI智能还告诉沃尔玛如何在风暴或巴拿马运河拥堵等中断期间多样化港口来源和确定最优的进口发送位置。反过来，公司背后运行着多个AI模型，以降低其物流运营的风险。