富顺| 索县| 永德| 瑞金| 广宗| 长岛| 五大连池| 围场| 广饶| 新宾| 灵璧| 石首| 旬邑| 北碚| 福清| 海原| 玛多| 庄河| 内丘| 南山| 丽江| 白水| 长宁| 阳朔| 廊坊| 错那| 灵台| 扎赉特旗| 璧山| 灵武| 曲靖| 阳朔| 东阿| 阜新市| 苍山| 呈贡| 长兴| 扶余| 曹县| 温泉| 栖霞| 蕉岭| 吉安县| 乌兰浩特| 防城区| 抚松| 盐城| 洛宁| 株洲县| 梓潼| 乌什| 赣县| 上杭| 黟县| 防城区| 深泽| 布拖| 呼玛| 彭州| 武安| 铜川| 巫溪| 芜湖县| 白朗| 惠民| 东平| 泽普| 田东| 马龙| 侯马| 兴仁| 临高| 北戴河| 水富| 大余| 平房| 沂水| 会昌| 饶平| 元江| 关岭| 南郑| 商水| 灞桥| 昌平| 洱源| 鄂伦春自治旗| 邱县| 南京| 娄底| 镇赉| 满洲里| 邗江| 宜宾市| 肃北| 横山| 土默特左旗| 襄城| 洪泽| 临清| 新蔡| 亳州| 贺兰| 平顶山| 怀集| 化州| 高明| 梨树| 米易| 全椒| 民和| 化隆| 带岭| 于都| 周至| 泗阳| 临泉| 苍溪| 上饶市| 吉安县| 桂林| 尚义| 澄江| 泸溪| 团风| 高台| 加格达奇| 汤原| 德庆| 滑县| 莱山| 石阡| 射阳| 陵县| 九台| 珲春| 固原| 澳门| 义马| 荔波| 巴彦淖尔| 正定| 汝城| 都江堰| 长兴| 彭阳| 漳平| 开化| 澎湖| 梧州| 安图| 柳城| 神农架林区| 蓝山| 龙山| 泾川| 莒南| 鸡西| 建昌| 八一镇| 常熟| 盐山| 马尔康| 澎湖| 耿马| 萧县| 定日| 托里| 金乡| 兴和| 惠东| 仁化| 梓潼| 康乐| 青川| 石景山| 共和| 噶尔| 精河| 清流| 太谷| 澎湖| 南丹| 宿松| 民丰| 汉中| 诏安| 深泽| 大兴| 永平| 格尔木| 云梦| 杭锦后旗| 泽库| 德令哈| 太仓| 册亨| 喀什| 南宫| 庆云| 维西| 乌兰浩特| 和林格尔| 孟津| 荔波| 屏南| 晋宁| 且末| 庄河| 安宁| 武隆| 科尔沁左翼中旗| 茄子河| 怀远| 阿拉尔| 南雄| 德钦| 彭山| 永丰| 常熟| 绛县| 来凤| 沙洋| 易门| 岳普湖| 吉县| 库伦旗| 门头沟| 青龙| 邵东| 冕宁| 龙州| 甘泉| 长安| 曲水| 红安| 资溪| 峡江| 贵州| 响水| 汉口| 宁南| 岑巩| 彭阳| 新会| 大丰| 衡东| 乐安| 凯里| 新乐| 昭觉| 子洲| 金口河| 翁源| 西安| 松原| 民和| 米林| 桐柏| 元谋| 图木舒克| 西峰| 头屯河|

栖霞视窗--江苏频道--人民网

2019-07-21 02:50 来源:新华网

  栖霞视窗--江苏频道--人民网

  BU可以在金链整个生态里面所有的商家里面,去兑换服务和产品,但绝不可与法定货币形成兑换。“中国摆脱核心技术受制于人的需求越来越迫切,只有科技这块‘骨头’足够硬,我们才有机会站起来,与国际巨头平等对话。

共青团中央维护青少年权益部部长王锋致辞约半数青少年每天上网时间得到合理控制,娱乐和学习类内容受到的关注度最高根据调查显示,当代青少年网民的触网年龄愈发提前,约有超过六成的青少年触网年龄在6-10岁,且八成以上都具备较强的网络使用能力,接近半数的青少年每天上网时长都能控制在两小时以内,24%的青少年每天上网时长达到2-4小时。“芯”痛在哪里?攻“芯”难在哪里?1.“芯”痛在于操作系统和中国邮电大学信息经济与竞争力研究中心主任曾剑秋:同心协力,操芯有望,操芯是操作系统和芯片,操作系统和芯片同样重要,“芯”痛应该是在这两个方面讲核心技术,是硬件和软件都在一起。

  参会人员观看宣传片发布仪式上,参会人员共同观看了“党费通”和“不忘初心”宣传片。共青团中央维护青少年权益部部长王锋表示,团中央一直努力推动青少年与网络良性互动。

  这些意见固然都和提速降费有关,但更重要的则是以此为切入口,在惠及千家万户的同时,优化发展环境,加快培育经济发展新动能,同时发挥“乘法效应”,将网络强国建设不断推向前进。BU唯一的来源就是用户的真实行为。

国家新闻出版广电总局近日发出通知,要求对网络视听答题活动加强管理。

  亚沙会是与亚运会并列的亚洲五大赛事之一。

  与传统的英文域名相比,中文域名有其自身的天然优势,中文针对特定群体,中文域名注册审核严格,加上中国政策与管理的规范性,限制了中文域名的滥用,使得滥用机率低。15亿主力资金近三日杀入芯片国产化概念股据统计,近三日上涨%,A股成交金额较前三日下降%,主力资金最多的概念为芯片国产化,该概念所属个股共有33只,其中主力资金净流入前列的个股是、、,分别净流入亿元、亿元、亿元;净流出最多的个股为、、,净流出亿元、亿元、亿元。

  基本上所有芯片都是围绕这四类来做的。

  据了解,本次520拍卖节搜罗了全球14个国家的稀缺好物,涵盖艺术人文、汽车房产、生鲜食品等20多个类目,超过10000件拍品,其中富有情人节特色的商品更是花样翻新。BU可以在金链整个生态里面所有的商家里面,去兑换服务和产品,但绝不可与法定货币形成兑换。

    “云联惠”案件暴露出,在高压打击态势下,传销手法仍然不断翻新,不仅更具迷惑性,而且也更具隐蔽性,导致打击难度日趋加大。

  知道创宇与中信集团之间的合作由来已久,不仅为集团提供整套网络安全服务,更是最早一批入驻中信云网的安全合作伙伴,知道创宇一直在为中信集团“互联网+”战略实施安全保障服务,全面保障中信集团“互联网+转型”战略的安全实施,同时也在为中信云网生态用户提供最强网站云防御,坚决捍卫中信云网用户网站数据及业务安全。

  短视频迅速崛起,和音乐一起成为青少年娱乐休闲生活的新方式,游戏退居二线听音乐因为其伴随性的特点,是青少年网络娱乐生活中频率最高的活动,几乎总是在听音乐的青少年占比达到29%。今天,咱们就来讲讲零担的网络。

  

  栖霞视窗--江苏频道--人民网

 
责编:
科技行者用机器学习改善供应链的10个方法

用机器学习改善供应链的10个方法

用机器学习改善供应链的10个方法

用机器学习改善供应链的10个方法

2019-07-21 科技行者
  • 分享文章到微信 敦泰电子2005年在美国注册成立,2006年迁址回亚洲,在深圳和台湾设立了研发及工程服务中心,致力于人机界面解决方案的研发。

    扫一扫
    分享文章到微信

  • 关注官方公众号-科技行者

    扫一扫
    关注官方公众号
    科技行者

如今,企业在利用机器学习预测错误率、需求规划生产力、降低成本、准时出货方面实现了两位数的改进,从根本上变革了供应链管理。

来源:科技行者 2019-07-21

关键字:机器学习 人工智能 供应链

如今,企业在利用机器学习预测错误率、需求规划生产力、降低成本、准时出货方面实现了两位数的改进,从根本上变革了供应链管理。

机器学习算法以及基于这种算法的模型,非常擅长在大型数据集中发现异常、模式和得出预测性见解,如此一来,当供应链遇到时间、成本和资源约束等多方面的挑战,机器学习成为解决这些问题的理想选择。

比如,亚马逊的Kiva机器人正是依靠机器学习技术来提高精度、速度和规模;而DHL则是利用人工智能和机器学习来支持他们的Predictive Network Management系统——该系统会分析58个不同的内部数据参数,以确定影响货运延迟的主要因素。

由此可见,机器学习正在重新定义下一代供应链管理。据Gartner预测,到2020年,95%的供应链计划(SCP)厂商将在他们的解决方案中采用受监督的和无人监督的机器学习技术;到2023年,25%的供应链技术解决方案中将内嵌智能算法和人工智能技术,或者将其作为增强型组件。

下面就让我们来看看机器学习改变供应链管理的这十种方式:

1、基于机器学习的算法是下一代物流技术的基础,先进的资源调度系统可以带来最显著的效果。据麦肯锡预测,机器学习最重要的贡献将是为供应链运营方提供更深入的见解,了解如何改善供应链,预测物流成本和物流效率,机器学习还提供了关于自动化技术如何带来最大规模优势的洞察。

资料来源:麦肯锡,《Automation in logistics: Big opportunity, bigger uncertainty》,2019年4月,作者:Ashutosh Dekhne、Greg Hastings、John Murnane和Florian Neuhaus

用机器学习改善供应链的10个方法

2、物联网传感器、远程信息处理、智能交通系统产生的数据集千变万化,运用机器学习算法和技术来改善供应链,要从最具多样性和可变性的数据集开始着手。而供应链最具挑战性的问题通常出现在优化物流方面,因此完成生产所需的材料必须要准时运送到达。

资料来源:毕马威,《Supply Chain Big Data Series Part 1》

用机器学习改善供应链的10个方法

3、机器学习具有通过使用物联网传感器发现追踪数据模式的潜力,每年可节省资金600万美元。BCG最近研究了使用追踪应用的去中心化供应链是如何提高性能和降低成本的,结果发现,当使用区块链在供应商网络中实时共享数据的时候,一个30节点的配置结合更好的分析洞察力,每年可节省成本600万美元。

资料来源:波士顿咨询集团(BCG),《Pairing Blockchain with IoT to Cut Supply Chain Costs》,2019-07-21,作者:Zia Yusuf、Akash Bhatia、Usama Gill、Maciej Kranz、Michelle Fleury和Anoop Nannra

用机器学习改善供应链的10个方法

4、使用基于机器学习的技术可以将预测误差降低50%,使用基于机器学习的规划和优化技术,让由于产品未供货导致的销售损失减少了65%,使用基于机器学习的供应链管理系统,让库存减少20%-50%。

资料来源:Digital/McKinsey,《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》

用机器学习改善供应链的10个方法

5、DHL Research发现,机器学习能够帮助物流和供应链运营优化产能利用率,改善客户体验,降低风险并创建新的业务模式。一直以来, DHL的研究团队不断追踪和评估各种新兴技术对于物流和供应链的影响,并预测,人工智能将实现后台自动化、预测性运营、智能物流资产、全新的客户体验模型。

资料来源:DHL Research,(Logistics Trend Radar, Version 2018/2019)

用机器学习改善供应链的10个方法

6、很多制造企业都投入资金把基于机器学习的应用用于检测和处理供应商质量水平和交付不一致的问题。微软通过对于北美中型制造企业的调查发现,这些企业当前面临的第二大增长阻碍,就是供应商在质量和交付上存在不一致的问题,第一个障碍则是缺乏熟练的劳动力。制造企业通过使用机器学习和高级分析,可以很快地找出谁是最佳供应商,谁是最差供应商,以及哪些生产中心在发现错误方面最准确。

制造企业使用类似下图这种仪表板,将机器学习技术用于解决供应商的质量、交付和一致性问题。

资料来源:微软,《Supplier Quality Analysis sample for Power BI: Take a tour》,2018年 

用机器学习改善供应链的10个方法

7、降低欺诈风险,同时根据机器学习提供的洞察来改善产品和流程质量,给供应链中的检查环节带来了转折点。当使用移动技术实现自动检查,并将结果实时上传到安全的云平台时,机器学习算法就可以提供降低风险和欺诈可能性的即时洞察力。

Inspectorio就是该领域的一家初创公司,他们正在致力于解决缺乏检查和供应链可视性所带来的诸多问题,专注于如何为品牌和零售商立即解决这些问题。

资料来源:福布斯,《How Machine Learning Improves Manufacturing Inspections, Product Quality & Supply Chain Visibility》,2019-07-21

用机器学习改善供应链的10个方法

8、机器学习在端到端供应链可见性方面正在带来快速而显著的效果,提供的预测性和规范性见解帮助企业更快速地做出响应。

而面向全球贸易和供应链管理的多企业商务网络,与人工智能平台和机器学习平台相结合,正在彻底改变着供应链的端到端可见性。该领域的早期领导者之一是Infor的Control Center【Control Center将来自Infor GT Nexus Commerce Network(2015年9月被Control Center收购)的数据与Infor Coleman Artificial Intelligence 的数据结合在一起】,Control Center这款人工智能平台的命名来自于著名物理学家兼数学家Katherine Coleman Johnson,之所以如此为之,是因为她通过具有开创性的工作帮助美国宇航局登陆月球,如果你还不了解她和其他很多才华横溢的女性数学家对太空探索所做出的贡献,请务必看看ChainLink Research题为《How Infor is Helping to Realize Human Potential》的文章和《隐藏人物》这部电影。下图来自Control Center的两个截屏。

用机器学习改善供应链的10个方法

9、“权限凭证”,是全球供应链出现安全漏洞的主要根源,而机器学习被证明是阻止权限凭证滥用的基础。

企业组织通过采用权限访问最小化的方法,让攻击面最小化,提高审计和合规可见性,降低运营现代混合型企业的风险、复杂性和成本。

CIO们知道,即使某个有权限的用户正确输入了凭证,但如果该用户发出的情况存在风险,就需要更强的验证方式提供访问授权,从而解决权限凭证滥用的问题。

Zero Trust Privilege是一种经过验证的框架,可通过验证谁请求访问权限、请求的上下文、访问环境的风险情况来阻止权限凭据滥用的发生。

Centrify也是该领域的领导者,客户包括思科、英特尔、微软和Salesforce等全球厂商。

资料来源:福布斯,《High-Tech's Greatest Challenge Will Be Securing Supply Chains In 2019》,2019-07-21

10、基于物联网数据,利用机器学习预测,什么时候应该对货运和物流工具进行预防性维护,这可以帮助提高资产利用率并降低运营成本。

麦肯锡发现,利用机器学习增强预测性维护,结合来自先进物联网传感器的数据、维护日志以及外部数据,可以更好地预测和避免机器故障,使得资产生产率提高20%,整体维护成本降低10%。

资料来源:Digital/McKinsey,《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》

    丈八沟街道 洪殿街道 山川镇 新荣乡 碑记镇
    胡集乡 孟关苗族布依族乡 天津港保税区海滨六路国贸园 张贵庄街祺霞道 翠涛道