AlphaGo Zero, 用了40天，从零开始学围棋，已经打败了人类棋谱训练出来的阿法狗二代。
我非常喜欢看来的关于人工智能的一个说法：人工智能就好像一列火车，当他没有来的时候，我们远远的望着并期盼着他，但是当他突然出来在我们眼前，迅速的把我们甩在身后，就只有那么一瞬间。
机器未来更多的取代人的工作正在成为“共识”。三个月以前，在一个领导力的培训上，讨论到未来5年内人类工作是否会大批量受到机器的取代，大部分经理人都举了手。我们突然进入到一个时代，如果你不怎么相信机器对人类的这种趋势正在迅速发生，那么你好像已经有点“过时”了……
如果你问一个做供应链的朋友，你怕不怕失业？怕不怕机器算的预测比你好？怕不怕机器控制库存更加精准？怕不怕机器排的计划更加有效？大公司里无数的表哥表妹们一定会对你笑笑：我们现在水表都还是手抄的!
就好像，在到处都在讨论新零售的同时，街边依然有清晨冒着热气的早点店，老板用油腻的手接过你的一块五角钱扔进纸盒子里，再捞一条嗞嗞作响的油条。
油条店的老板，要不要怕新零售呼啸而来的时候，没有客户来店里吃早餐？
几个月前，我在北京参加医疗工厂的智能制造启动周，在车间参观的环节，一个班组长在介绍生产线线边库的设置。所谓的线边库，既可以是原材料来料检验结束以后，不入仓库库房，直接放在产线使用点旁边的标准存放位置，也可以是仓库和产线之间，更加靠近产线的一个叫料区。
撇开上下游信息流，库存标准化这些，单从操作角度，线边库就是物料配送的一种批量化处理。就像一个配送的中间站，让产线可以近距离的以一个更快的频率从线边库取料，让供应商和仓库可以以一个相对的较慢的频率进行补料。
那么问题来了，产线边允许这样操作的空间毕竟有限，否则就失去了线边库的意义，那么放什么，放多少，如何决定？
当有人提出这个问题的时候，班组长说这种平衡就是不断尝试的结果。
让我们再来看下这个问题，用稍微抽象一点的方式：
假设说物料i一年的消耗量是Di, 这个物料在线边库的分配量是Vi, 那么一年下来，这个物料在线边库的补充次数就是Di/Vi。
如果上面这些听起来不是那么直观的话，我们这么设想：有一块软件，能够帮助我们在线边库现有条件的基础上，迅速提供建议，是不是会让我们迭代的更快？改进的更快？
就在国庆节前的最后一个工作日的早晨，我打开邮件，看见一封来自AnyLogic公司的邮件，推销他们的新产品，供应链 络优化软件。看过金线之前文章的朋友，都知道供应链的 络优化，其实也是抽象成一个表达式，求整体供应链成本的最优解。我以前做 络优化的时候需要写语句式的命令去调用CPLEX算法和数据，在最新的软件里，点点鼠标，就搞定了。
软件，就是让了解这个业务逻辑的人，把输入变得更加简单，把迭代变得更快。以前需要几个月几年积累的运营经验，可能用一个更加快捷的途径获得。
有一些刚进入供应链的年轻朋友问我，要不要去学编程。你要是精通当然非常好。以后的世界不会编程，就跟我们这一代人不会英语一样。
但是有句话怎么讲，会开车不一定要会造车。
最简单的建议，多用软件。现在市面上什么样的供应链软件都有，而且有很多个厂家。包括ERP的大供应商，SAP, Oracle，他们都在更大的拓展自己供应链软件的版图。虽然很多软件都很不好用，但是多接触，你会知道软件能帮你做什么。
能够抽象出你的业务逻辑。不管是开发软件的人，还是应用软件的人，都需要对具体操作的抽象化，就好像那个线边库的操作一样。这样的例子太多了：再制品库存应该放多少？供应链 络怎么优化？仓库配货的路径怎么走？
如果你的脑子还没有过于生锈的话，去看一些算法。对你的抽象能力会有好处。
越来越复杂的供应链，需要越来越快的迭代速度。而软件，能帮我们做到这一点。就好像今年Gartner的供应链前50名，很多都已经将AI用在仓储配送路径的优化。
可以预见的是，软件公司一定会从传统制造公司手里挖走相当一部分最顶尖的制造人才。
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！