為什么“人類+自動化+ AI =新的供應鏈勞動力”是運營成功的最佳公式

多項調查證實，由于COVID-19，全球公司正在加速對數字技術的投資，以更好地預測和阻止未來的破壞。例如，畢馬威（KPMG）的2020年CEO展望發現，有74％的人正在數字化運營以創建下一代運營模型，而70％的人正在創建新的數字業務模型和收入流。

然而，也許最關鍵的是畢馬威（KPMG）的發現，即66％的受訪者正在創建一種基于自動化和人工智能（AI）的新勞動力模型，旨在與人類工人進行協作。

但是，利用智能技術來幫助人們更有效地執行任務仍然存在爭議。一方面，一些人擔心供應鏈工作的損失會導致自動化解決方案的丟失，從訂單揀選人員和機械師到預測和采購經理。相反，其他人則說，這樣的解決方案將使人類擺脫本已難以填補的日常，平凡，乏味，骯臟和危險的工作，同時創造新的，報酬更高的工作，從而增加價值。

Gartner Research副總裁兼分析師Dana Stiffler說，雙方都沒有錯。她說：“一個多世紀以來，我們已經看到自動化取代了人類，這就是工業革命的故事?！?nbsp;“在制造業和倉儲業中，每小時肯定有比其他角色更具風險的角色?，F在，白領角色也越來越多。”

Stiffler繼續說，Gartner的觀點是，諸如AI，機器學習（ML）和自動化之類的技術不一定取代人類，而是促使人們重新定義角色。

她解釋說：“當我們與大型供應鏈組織的負責人交談時，他們正在努力重新定義這些角色中的哪些角色以及需要哪些技能?！?nbsp;“他們正在盡一切努力，通過為他們提供所需的工具，開發和管理支持，將盡可能多的員工轉變為新角色?！?/p>

這是為本文貢獻自己的見解的所有專家都認同的觀點。

MHI成員Universal Robots的戰略營銷和應用程序開發高級經理Joe Campbell報告了類似的看法。“十年來，我從未與工廠經理交談過，他說，'我們將安裝一些機器人并解雇人員。' 只是沒有發生?！?/p>

Campbell指出了勞動力的代際轉移，指出嬰兒潮一代每天要退休的人數超過10,000，這對制造業和倉儲業的勞動力可用性都產生了重大影響。他的制造聯系人表示，在大流行中，出于對暴露的擔憂，越來越多的員工選擇更早退休，通常是62歲。

他補充說：“此外，年輕一代對他們認為枯燥，骯臟或危險的工作絕對不感興趣?！彼赋?，這一問題已經對試圖在大流行之前雇用物流和制造工人的雇主構成了挑戰?！霸贑OVID流行之前，有超過50萬個空缺的制造工作。增加自動化可以使一項操作將熟練的工人轉移到更高價值，更高利潤的任務上，從而使他們保持工作狀態?！?/p>

在制造和分銷設施內部，人工智能等自動化工具的功能也得到了進一步增強。MHI成員Kindred的首席執行官Marin Tchakarov說，這使他們在與人類同行合作時更加直觀，從而提高了效率，準確性和生產率。

“通過一起工作，機器人使人類能夠通過自動化來驅動更高水平的吞吐量，同時保持更高水平的參與度。”

-Marin Tchakarov

他解釋說："我們的人工智能驅動的機器人運行強化學習算法，讓他們自己學習--在生產中工作時--如何做一些更快、更智能、更好和更高準確度的事情。"他解釋說，任何新的能力（但沒有客戶數據）都會立即與其他Kindred客戶機器人以及Kindred的總體車隊網絡共享。"把它想象成一個'蜂巢思維'。我們機器人的每一個用戶都能從更快的操作速度、更準確的處理物品等方面獲益。"

他說，此外，大多數員工并沒有懼怕或怨恨機器人同行，而是熱切地擁抱他們?！芭c我們的機器人一起工作的人們對采用該技術毫無保留。相反，他們立即看到了價值，并歡迎通過合作進一步參與工作?！?/p>

一個工人可以積極監督一組多達四個的Kindred SORT機器人，這些機器人可以自動完成平常的重復任務，即在播種墻中將批量揀選的物料分類為離散的訂單。機器人使用集成的AI驅動的機器視覺傳感器和掃描儀來檢測物品。AI會確定它是什么，如何成功抓取它，識別并掃描條形碼以及將其放置在哪個容器中。Tchakarov解釋說，在圓球狀機器人系統的另一邊，操作人員將 "他們 "的機器人完成的訂單進行卸載和包裝。

他說：“在我們客戶的履行中心中，人機之間的協作水平很高。工人通常會對機器人進行擬人化，為其賦予名稱，為他們賦予類似人的特征并擁有所有權?！?nbsp;“人類機器人團隊之間經常存在友好的競爭。通過相互協作，機器人可以使人類通過自動化來驅動更高水平的吞吐量，同時使他們處于更高的水平。”

盡管Tchakarov指出，機器人系統在其執行的任務范圍內的自主性超過99%，但他強調，"如果沒有人在回路中卸貨和打包訂單，系統會在幾個小時內陷入癱瘓。沒有人類，你不可能有一個成功的實施。"

“超級團隊”的崛起

因此，如果AI和自動化之類的數字技術不是對人類就業的威脅，而是一種補充，那么“人類+自動化+ AI”的新供應鏈勞動力公式將如何工作？

德勤咨詢公司負責人比爾·林（Bill Lam）說：“總是會有更多自動化來執行簡單，重復的任務，但公司正在認識到這一范圍和價值是有限的，""我們看到的是向更多的算法AI和ML的轉變，讓更多的智能自動化來完成人類通常會做的工作。它還允許人類利用人類與生俱來的技能，這些技能將永遠不會被取代：解決問題、協作、說服、談判。"

Lam指出，德勤最近發布的《2020年全球人力資本趨勢報告》中，60%的組織表示，他們正在使用人工智能來幫助工人提高一致性和質量（58%）、生產力（26%）和洞察力（16%）。此外，54%的人預測，他們會在三年內雇傭同樣的員工，但工作本身會因為AI而改變。

德勤的報告還指出，"超級團隊 "的演變是通過將人工智能融入工作場所團隊來最好地利用人工智能的一種手段。Lam說，超級團隊被定義為 "人和機器的組合，利用他們的互補能力來解決問題、獲得洞察力和創造價值"，超級團隊結合了兩者的優勢，以實現一個共同的目標。

"關鍵是確定機器和人類之間的分工在哪里能帶來最大的價值。"

“ AI和ML算法可幫助公司更好地感知需求，并評估如何通過定價和促銷來塑造需求?！?/p>

--薇拉姆·穆爾蒂（Vikram Murthi），LLamasoft

LLamasoft的行業戰略副總裁Vikram Murthi認為，自動化和AI在供應鏈中的日益部署正在對人力資源起到補充作用。

"舉例來說，如果沒有這些工具，零售供應鏈經理就會花周一的時間來確定什么是庫存和缺貨，哪些促銷活動有效，哪些無效，需要在哪里分配空間，哪些庫存需要加快到哪些商店，哪些產品會過剩，需要新的促銷活動來移動，等等，"他說。

"然而，有了人工智能系統，算法和引擎已經完成了所有的數據收集、數字計算和分析--以及強調了例外情況，運行了許多場景，并提出了建議供經理考慮。然后經理利用自己的判斷力選擇適當的行動。"Murthi說。

Murthi將人工智能比作在一個盒子里有許多博士級的數據科學家。"系統收集所有的信息，在幾秒鐘內運行幾十個方案，然后提出替代選擇和最有可能的結果：收益，成本，優勢，劣勢?！彼忉屨f。"這取決于人類基于他們對業務規則和公司目標的了解來決定哪個方案是最佳選擇。機器可以運行這些方案，但它缺乏人類的判斷力。"

他說，人類與AI和自動化技術的角色之間的區別正是為什么將它們組合成一個協作團隊可以在成本，效率和價值方面帶來更大的收益。

公司如何從人力/技術合作中獲益？

除了通過將人類與人工智能和自動化解決方案進行團隊合作來提高工人的參與度之外，企業還可以通過這些合作實現其他各種供應鏈效益。

增強質量控制。Lam說，隨著人工智能和自動化技術在生產中的加入，系統會產生用于分析的數據，可以利用這些數據來監控缺陷或錯誤。"通過計算機視覺，機器可以檢測到人類肉眼無法看到的最微小的瑕疵，然后觸發警報，標記項目，甚至停止生產線。這樣既避免了產品浪費，也避免了產量損失。當然，你還是需要一個人去排除問題，讓生產線恢復運轉。"

更準確的規劃。Murthi說，供應鏈規劃--包括預測、異常處理和補貨--可以通過人和機器的搭配得到加強。他指出，由于全球大流行病相關的停產，電子商務銷售額急劇上升，以及消費品零售商和供應商在預測這種激增時遇到的困難。

"在COVID之前，2019年電商銷售額占美國全部零售額的比例約為11%，預計到2025年將達到25%。但隨后，隨著流行病的發生，我們在2020年上半年達到了25%--這個渠道發生了一步改變，"他說。"預計會回落，但回落多少，何時回落，很難確定。AI和ML算法可以幫助企業更好地感知需求，以及評估如何通過定價和促銷來塑造這種需求。"

人類依靠AI生成的場景規劃，可以更深刻地掌握消費者購物清單上會有哪些類型的產品，以及開展哪些促銷活動。他們還可以通過評估AI生成的不同參數的結果來塑造這些促銷活動的成功，包括改變時間段、地點、折扣水平等。

更好的網絡優化。Murthi表示，AI的場景規劃和分析能力可以幫助他們的人類同事更好地優化他們的供應商和履約中心網絡。他說，從實體店向增加電商轉型的零售商正在通過這種方式成為AI和ML的主要用戶。

"系統可以編譯和分析關于哪些商店位置正在使用和沒有使用的數據，并提供建議，將其轉換為區域最后一英里履行的暗店，與在不同地點增加更多的電子商務履行中心，"他解釋說。"通過AI和ML，供應鏈領導者可以更快速地確定最佳設計，以提高產品流向消費者。"協作機器人幫助制造商提高生產率，解決勞動力短缺

MT Solar 是一家太陽能安裝設備制造商，每年夏天的需求量都會激增 300%，但卻一直找不到熟練的焊接工人來處理季節性的上升。此外，一些任務的重復性變得單調，質量偶爾會受到影響。

公司老板兼總裁Travis Jordan最初研究了傳統的焊接機器人，但發現它們需要專門的工作人員進行編程，而且缺乏操作所需的靈活性。這是因為 MT Solar 生產許多不同類型的安裝部件，通常是高混合/低批量的。

Jordan 解釋道。"把我們想象成一個'太陽能宜家'（Solar Ikea）。所有的部件都必須送到客戶手中，在現場進行組裝。如果我沒有與之配套的所有其他部件，我就不能發貨。"

此外，傳統自動化的高成本還因為需要專門的工作人員進行編程和復雜的設置與安全防護而變得更加復雜，Jordan補充道。

隨后，MT Solar發現了Vectis Automation的機器人焊接工具，由MHI成員Universal Robots提供動力。操作人員直接與系統合作，通過機器人教學掛件上的3D界面設置夾具、提供零件和編程焊接任務。集成軟件包括一個完整的焊接庫，從簡單到高級。一旦編程完成，機器人就會自主運行一個完整的MIG循環，按照預定義的順序焊接6到8個零件，而不需要進行批處理。這使得該公司能夠輕松滿足其季節性需求。

工人們發現它很容易使用，運營經理Mike Gillin說："我是一名焊工，但我對機器人一無所知，而且我也不太懂電腦。我真的很驚訝于它的簡單易懂。"

此外，該系統還提供了一致的可重復性和產品質量。"當我們告訴客戶，'這個零件是在機器人上焊接的'時，我們的客戶很興奮。他們去把它裝上，它看起來和上一個一模一樣。"喬丹說，他補充說，熟練的焊工已經被解放出來，可以執行更具挑戰性的增值任務。

他指出，該系統還成為了一種招聘工具，他解釋說，團隊中擁有機器人有助于吸引年輕的優質人才。

提高生產力。通過利用從支持物聯網的設備和機械中收集的數據（例如溫度，壓力和振動），人工智能解決方案可以防止計劃外的停機時間，這會對生產率產生負面影響，Lam說：“該系統將獲取大量數據并進行分析以確定導致故障的原因，并預測何時可能發生故障。對于設備滿負荷運行的運營，停機時間的減少等于生產和銷售的設備數量增加，有可能增加數百萬美元的利潤。”

Campbell說，協作機器人也是如此，這同樣提高了吞吐量。他還指出，機器人技術和自動化技術已經變得越來越便宜，制造商已經使其軟件和編程界面變得如此簡單和直觀，以至于部署和操作不再需要內部機器人專家。

他解釋說：“這兩個因素都使這些技術可用于中小型運營商，這些中小型運營商甚至在十年前都無法提供設備或專業知識來使用它?！?nbsp;“通過將日常任務分配給機器人，將艱巨的工作分配給人類，這甚至可以幫助最小的業務部門提高生產率。反過來，吞吐量的提高則可以幫助他們保護和發展當前的客戶關系，并通過收購新客戶來擴大業務?！?/p>

改進的客戶服務。通過利用AI和ML識別供應線的潛在中斷，公司可以更準確地預測缺貨情況。Lam說：“該系統可以在客戶做空之前就提供多種供應選擇的警報?！?nbsp;“或者，它可以指出估計的交貨時間與實際的交貨時間之間的差異，并提供替代的供應選擇，以便經理可以最大程度地減少潛在影響。”

Murthi補充說，訂單履行也是如此，尤其是客戶對縮短交貨時間的期望越來越高?！?ML可以評估系統中當前存在的數千個訂單，并識別出最有可能無法按時完成的50個訂單?；谶@些信息，AI算法可以評估這50個訂單，并針對哪些訂單需要進行說明性建議加快以防止客戶不滿意。”

加強人才招募和保留。Campbell觀察到，僅僅有機會使用這些先進技術就能吸引潛在的新員工，尤其是制造和倉儲工作的新員工。告訴我，通過向潛在候選人展示他們正在使用協作機器人來處理日常的日常任務，而他們的操作員執行更有趣的增值任務，則他們更有可能接受要約。”

通往新供應鏈勞動力隊伍的潛在障礙

雖然人類和機器之間的合作產生的好處很多，但為了確保成功，在建立這種新的勞動力時，有一些注意事項需要牢記。

Stiffler建議，對于人類將自己的弱點注入人工智能和自動化，要謹慎對待，因為這種系統的設計、輸入和編程都是以人為本的。"算法是由人類根據他們對數據源的決定和個人經驗創建的。但人類并不完美，這可能導致不理想的結果，"她解釋說。

Lam同意，并補充說，人工智能解決方案產生的建議只有在數據、政策、業務規則和約束條件下才是好的。"公司需要以處理人類勞動力的方式來管理他們的數字勞動力。也就是說，如果一個人工智能或自動化解決方案沒有達到它的目的，那就不是一個信息技術問題，"他指出。"組織不能只是部署自動化和AI，并假設它將發揮作用。"

相反，Lam繼續說道，創建這些新的協作勞動力的公司需要擁有既了解供應鏈如何運作的人--隨著不斷變化的輸入，不斷變化的動態，不斷發展的數據和可變的外部因素，以及對為AI和自動化提供數據的理解。"能夠理解推動變化的因素，以及如何解讀和利用變化，是公司必須雇傭或開發的技能。"

Stiffler表示，許多公司已經在培訓和發展方面進行投資，以提高現有員工的技能。"只有三分之一的供應鏈組織告訴我們，他們可以直接獲得或擁有構建解決方案所需的數字技能；這意味著三分之二的人沒有。"

她說，出于這個原因，目前的最佳做法是與外部組織合作，以成功獲得和利用這些解決方案，至少在最初。

"當我們研究領先的供應鏈組織如何為人工智能和自動化提供強大的數字業務案例時，我們幾乎總是發現他們并不是獨自到達里，"Stiffler說。"總是公司與各種技術供應商、不同的供應鏈合作伙伴協同行動，有時甚至與直接競爭對手協同行動。"

最后，Murthi提出了這樣的觀點。"當你考慮投資這些解決方時，成功來自于你要明白，這些解決方案也許應該建立在10%的算法和20%的技術之上；剩下的70%才是真正的通過將技術和人兩方面結合起來，來改變業務流程。那些只關注技術的人將會錯失良機，人的方面是至關重要的。"

（以上的英語原文來源于SARA PEARSON）