交货时间，库存管理，运输方式的选择，天气以及不同国家/地区的法律法规的特殊要求都可能成为影响物流供应链的因素。供应链中不可预测的事件将迅速使生产过程复杂化，并且在不同层次上可以感觉到由这些影响因素引起的各种问题。供应链由许多参与者组成，并且链中某个链接的断开很容易影响整个供应链。供应链优化方面的投资对于每个参与者都是非常值得的。人工智能AI的应用可能是解决问题的起点，但也可能有助于业界带来两极分化的技术并为用户提供有用的帮助。 JDA Software Group是朝着这个方向努力工作的企业。自1985年JDA集团成立以来，它一直专注于供应链。自2014年以来，该公司加大了在AI人工智能领域的研发力度，并建立了自己的人工智能技术实验室。在2018年被AI人工智能公司BlueYonder合并后，该公司拥有特定的研发产品。 BlueYonder公司自2008年以来一直在研究功能性AI解决方案。在1990年代，该公司的创始人Michael Feindt教授在Cern训练了他的第一个生物神经网络，并教授了“如何机器学习”。 AI人工智能可以独立工作。 JDA负责欧洲，中东和非洲公司的副总经理Gapiel Werner先生将监控控制室中的实时物资交付，以便可以更准确地预测未来的交付日期。人工智能应根据收集到的数据对可能影响供应链的事件做出准确的预测。进行精确预测后的下一步是采取有效措施，以减少意外事件的影响：“我们在设计思想上做了很多工作，以开发出能够说服用户的解决方案。我们希望使用自动化技术来打破物流计划和设计。中国恶性循环的问题。”维尔纳先生说。当JDA开发的软件可以实时监视物流过程时，通常会发生这种情况。供应链中项目经理遇到的问题是其他地方已经发生的问题。在这种情况下，机器学习可以帮助用户解决问题。人工智能AI的算法语言不仅能够根据收集到的数据对未来可能发生的事件做出准确的预测，而且还能提供解决方案的建议。根据Werner先生的说法，有一天，人工智能AI将完全独立地工作。当时，人工智能人工智能系统将自行做出供应链优化决策，而无需人工干预。但是目前，我们只能为供应链的一部分做出独立的优化和改进决策。英国的Morisson超市连锁店已实现了99％的自动分销范围，但该软件尚未在供应链的其他环节中做出决定。那些对财务有重大影响的交易仍必须由会计师处理。 ControlTower物流链监控软件的用户界面清楚地显示了供应链中最重要的数据和信息。为了使AI人工智能系统有效地工作，首先要解决的问题是收集大量数据。 “最重要的问题始终是数据的可用性。在项目开始时，我们要做的首要任务之一是分析是否有足够的数据供算法语言使用。维尔纳先生解释。可以在用户的EAP企业管理软件平台系统和IT基本系统中找到诸如销售历史或价格之类的相关信息和数据。 JDA公司还将某些可能会影响供应链的外部信息（例如气候数据）纳入其提供的技术服务中，作为其提供的服务的一部分。但是，人工智能系统不仅需要用户文件中的信息和数据。人工智能系统获得的数据和信息越多，工作就越好。完整的供应链中有许多中间环节。如果所有中间链接都可以提供自己的数据，则未来的预测将更加准确。这与供应链的起点无关。 “例如，JDA的一个项目有一个奥地利纺织纤维生产厂。该公司不是供应链的起点或终点，而是项目的发起者。但是作为项目的一部分，它是一个单元关系