AI物流 洞悉未來

2017年以来，人工智能(AI)席卷了全球各大媒体版面，几乎各行各业，都希望与人工智能沾上边，希望能降低成本、提高效率，甚至可精准预测未来，所谓的预测型物流规划(Anticipatory Logistics)，就是要透过日常作业中的大数据，预测短期未来可能需要的资源（如人力需求、车辆需求、物流空间需求）与订单需求状况，而在消费者尚未正式下单前，就预先部署好所需的库存与运输资源。

之所以需要预测型物流作业，主因就是客户对于缩短前置期(lead time)的需求越来越大，每个客户都希望最好一下单，马上就可交件，而且没有人希望备置大量库存，在这种状况下，如何预先把资源配置在正确的地方，并且避免资源在需要使用时却发生故障（例如运输车辆抛锚），就不是单纯靠经验可解决的问题。

值得注意的是，AI的预测不在于诉求精准，而是强调抓重点、找趋势，之所以可做到这样，是萃取大量历史数据而来。而现阶段要做到预测型物流，恐怕还是得靠供应链体系中的大厂来主导，例如WALMART、UPS、Fedex等。

对于中小型物流业者而言，利用AI先做局部改善是可行的，AI特别适合简单、重复性高、耗工时处理的低附加价值工作，在物流中心内，包括手写字体辨识、出货检查、定期盘点、客户常见问题答询，包装箱尺寸自动选择，甚至出货配送，都有AI发挥的空间。

AI要成功，必须有大数据，称为训练数据(training data)。例如我们要预测某个商品可实际配送到消费者手上的时间，或是预估某一日的所有待配送对象，会有多少件无法于pm 20:00配送完毕，可透过每次消费者实际签收的时间，以及当日的总配送件数、商品重量、配送总距离、配送员步行距离、天候状况等数值数据，丢入AI网络模型去学习，而且学习过程，必须给定AI二种数据，一种数据称为真实数据(ground truth)，另一种称为模型预测结果(predict)，AI模型就是希望使得每一次的预测结果都尽可能贴近真实数据，因此物流业者在准备训练数据时，需要有消费者实际签收时间，以及原本规划预计配送到着时间。

物流业大数据的数据源相当多，但多半缺乏科学化记录与回报机制，例如宅配司机每日实际步行距离、宅配车辆行驶里程、油耗、载重量、每地点停留时间…等，有良好的大数据，AI才能真正发挥效益，这是要实施AI物流前需要有的基本认识。

可口可乐

这家超过130年历史的老牌饮料企业，从以往的可乐起家，到现在跨足果汁、茶饮，甚至跨足到服装、香水等时尚产业，品牌价值高居全球第三，其成功的因素就是不断创新，并且运用科技来解决老问题。目前可口可乐公司除了自身生产线的自动化检查，甚至把AI的触角延伸到自动贩卖机，以往自动贩卖机仅能统计今天销售了多少瓶饮料，卖了多少钱；拜硬件成本降低之赐，新的贩卖机往后将可加装摄影机，透过影像识别，可以很精准的分析哪一类的人、性别为何、年龄为何，买了哪一种饮料，甚至消费者在贩卖机前面看了某瓶饮料看了多久时间才做投币决策，这样可以很精准的评估贩卖机内部的黄金柜位；这还不是最厉害的，最新的贩卖机可以做人脸识别，也会记得消费者的口味，例如喜欢哪一种咖啡、温度为何、甜度为何，消费者仅需投币，贩卖机递出来的饮料绝对是完全客制的。

随着消费者健康意识抬头，对于低糖、低发泡饮料的需求增加，可口可乐公司也设法做出改善。

在供应链更上游，可口可乐公司把脑筋动到「种植」这件事上，透过卫星影像、气候、雨量、土壤酸碱值等数值纪录，以及水果的甜度关系，可口可乐公司可以知道何时收成是最佳的，甚至其水果原汁的甜度，已经很接近市场的真正需求，如此就可以在最少的加工与添加物下，做出消费者喜欢的商品，整件事与其说是降低生产成本，不如说是将生产成本，改投资于供应链的上游环节，使供应链整体的销售更大。

UPS

UPS每年在科技上的更新与投资超过10亿美元，在2016年底，开始引入聊天机器人(chatbot)，把这样的聊天机器人配置于脸书粉丝团，用来实时回答消费者问题，包括运费、寄件时效，甚至消费者往后直接在脸书要求寄件，都可使用自然语言(natural language)与聊天机器人交谈，这个改善主要可以黏住末端消费者，消费者不需要再拨入客服中心等待人员接通，可一对一快速获得回复，聊天机器人的设计，其实是一连串科技与数据整合的结果，以往消费者要自行登入UPS网站，挑选正确的页面后才能进行货件查询，使用聊天机器人，可以让小朋友甚至老婆婆，都可用自己熟悉的对话去询问所需讯息，因此是服务接口(interface)的大跃进，一旦服务机器人技术成熟，后端的客服人员至少可减少一半以上。在配送方面，早在2016年九月，UPS就开始测试无人机送货的可能性。