对于美国加州的Infinera公司来说，2017年并不一帆风顺。这家电信设备制造商的收入从2016年的8．7亿美元下降到2017年的7．4亿美元，毛利率从45％下降到33％。这家公司在美国、加拿大、中国、印度和瑞典共有约2000名员工，当年净亏损1．95亿美元，而2016年净亏损2400万美元。
为了扭转局面，Infinera公司首席执行官托Thomas Fallon今年早些时候告诉投资者，公司的重点之一就是技术改进。
“除了增加对市场的关注之外，我们重组计划还包括成为一个能够确保短期内加快产品交付、长期保持undefined差异化技术的企业。我们正在这方面取得进展。”
为此，Infinera公司正在转向人工智能，目标领域之一是就是供应链管理（SCM）。Infinera将利用机器学习，通过分析生产交货时间的历史变化，更好地预测交货日期和物流提供商的表现。
“我们希望我们的销售团队能够快速确定当前待定报价和订单产品的供货，希望能够在做出调度决策时快速考虑到更多因素和约束条件，” Infinera公司信息技术undefined副总裁Todd Tuomala这样说道。
人工智能的预测性影响
Tuomala介绍说，Infinera的undefined供应链人工智能试点项目将于今年年中上线，先从其中一个制造工厂开始。“我们希望在年底之前为我们的销售团队和客户提供所有产品的供货信息。”
他说，使用机器学习可以加速公司调度决策的能力，也让公司考虑到比目前更多的因素。
Infinera正在使用Intrigo Systems的供应链管理技术，结合Splice Machine的人工智能技术。
Splice Machine公司首席执行官兼联合创始人Monte Zweben说，很多企业已经从他们的供应链管理系统获得了30年的可用预测。但直到最近，数据基础架构才能准确预测像交付时间这样的信息。
“如果你是一家大型网络设备制造商，并且有销售人员在售卖这些大型系统，那你总会看到有销售在问，‘你可以在这个日期之前给我订购的产品吗？’而大多数公司，即使拥有undefined好的ERP系统，销售人员也会说‘我先确认下再回复你’。这时候客户可能就会去找其他提供商，得到有竞争力的订单报价——不管怎么说，他们都得要等待。”
通过实时获得信息，销售团队就可以与客户展开谈判。也许其中一个订单项在规定的日期内无法交付，但其他订单项是可以保证的。“这是一个完全不同的过程，”他说。
但预测交付不仅仅是能够拉动制造和出货时间表。凭借着智能供应链管理技术，企业还可以查看历史运输时间和制造细节，并将其与外部数据源（如天气预报等）相结合使用。
Zweben表示：“你一开始可以先承诺之前预测好的库存量，而不是计划好的库存量。而且你要根据可能发生的情况——而不是应该会发生的情况——向客户给出承诺。”
供应链难题
Infinera在部署这项技术方面具有优势，因为Infinera有垂直整合的业务模式。对于其他公司来说，将人工智能技术运用于供应链是一个很棘手的过程。
OpenText 是一家位于美国安大略省的企业信息管理供应商，该公司产品营销总监Mark Morley说：“这看起来似乎是undefined基本的问题，但事实是，业务合作伙伴之间交换的信息中仍然有超过50％是通过传真、电子邮件或电话传输的。”
上柏自动化科技有限公司成立于2009 年10 月，主要从事现代智能自动化物流系统，主要有自动化立体库系统AS/RS(automated storage&retrieve system)，电子标签拣货系统DPS(Digital Picking System) , 自动导引车系统AGV(Automated Guided Vehicle) ，自动货柜(Automation Counter System)等，这些产品与上柏开发并不断完善的管理信息系统，满足客户的物料搬运及自动化物流需求，为客户打造信息时代的全新生产模式，实现生产力的飞跃。请咨询:4006605611热线，或发送您的需求至info@symbol-tech.com。
