近年來,收集顧客購買習慣的資料越來越普遍,這導致許多公司將這些資訊用於運營決策,但如果沒有合適的 智能演算法 來分析處理這些資訊,將可能導致決策出錯。透過 智能演算法 可以資料變成有用的資訊,有助於決策者參考使用,並可能的延伸為自動化系統的功能之一。

賓夕法尼亞州立大學的研究人員、工業工程助理教授張華南說。“資料就像是石油一樣,是供應鏈行業的新石油,但未經提煉的資料通常是不能直接使用的”

 

 智能演算法 用以改善運營決策

賓夕法尼亞州立大學工業工程助理教授張華南,從美國最大的物料物流與供應鏈協會——三菱重工,獲得了22,500美元的研究資金,以説明改善根據收集的資料做出的運營決策。張華南的研究將專注於,以創建一種資料驅動的演算法,讓企業通過改進倉庫庫存預測來提高利潤。倉庫庫存預測是指企業決定其產品種類和數量的方式。

張華南說:當前基於歷史資料的運營決策,就像一個圓圈的運作方式,圍繞著資料、決策、實施和效果,在管理像是倉庫這樣的高維庫存系統時,基於未更改的歷史資料,所執行的錯誤操作策略可能會導致‘螺旋下降效應’,即隨著時間的推移,收集的資料品質和操作決策都會下降。這是一個很難分析的領域,因為有大量的資料和不確定的因素所導致的結果。

 

創建一個新的 智能演算法

通過張華南在運籌學方面的專業知識,以及與他在資料驅動演算法,和供應鏈問題方面的興趣相結合,張華南致力於創建一個專注于,使用客戶交易資料來探索客戶購買行為的演算法。該演算法旨在自動改進決策,從而有效地平衡學習和收益。

張華南對城市倉庫特別感興趣,由於空間分配的問題,不理想的演算法,使管理倉庫變得更加困難。城市倉庫通常比傳統倉庫更小、更貴,且通常位於空間稀少、戰略儲備至關重要的大城市之中。而由於零售商當日發貨的服務,使得城市倉庫變得越來越受歡迎。

如果一家公司在城市倉庫裡儲存了某些商品,而且銷量很大,那代表可能只是因為它的地理位置和運輸速度快,這沒有辦法證明消費者喜歡,或想要這個特定的商品。我們需要更好的演算法來探索產品選項,以便公司能在城市倉庫中做出更好的選擇,畢竟空間是有限的。

 

智能演算法有效的改善方式

張華南解釋說,一家公司可能會把某件商品放在城市倉庫裡,因為它在當地很受歡迎。而很有可能的,顧客會因為商品存放在城市倉庫中,因而能快速運輸的便利而選擇購買商品。而公司查看了這段時間內所收集的資料,可能會根據消費者的需求,繼續在城市倉庫中存儲該項商品。

 

智能演算法主要以幫助企業決策

資料就像是石油一樣,是供應鏈行業的新石油,但未經提煉的資料通常不能直接使用,這是相關性而不是因果關係。該 智能演算法 將能夠證明,在任何情況下,它都是最準確的,不會被資料欺騙或誤導。這種‘聰明學習’的策略將有助於減少產品浪費,進而改善公司營運。