
主要观点
01
新时代下,供应链管理迎来诸多挑战,供应链决策难度指数级提升,如何决策成为供应链管理
的主要难点。
07
联想以机器学习驱动的预测性分析技术能力包括因果推断与多特征、多层级下的概率性预测。
04
联想供应链智能决策的关键技术包括机器学习、机器学习驱动的运筹优化、机器学习驱动的预
测性分析。
10
联想供应链智能决策技术方案用于物流规划与调度优化,通过对打包装箱、网络规划、运输配
送环节的优化,推动物流环节走向绿色与智能。
02
数据挖掘分析、运筹优化等供应链决策技术一定程度上提高了供应链的决策水平与效率,但仍
有待进一步发展。
08
联想供应链智能决策技术方案用于需求预测与智能备货,可赋能企业的服务供应链与零售供应
链,显著提升运营水平,降低成本。
05
联想面向智能决策的机器学习技术能力包括图神经网络、强化学习、多智能体学习。
11
未来,诸多的数字技术将与与机器学习、数据挖掘分析、运筹优化等决策技术进一步融合,持
续提升供应链的智能决策水平。
03
智能化决策是供应链决策技术未来发展的重要方向,机器学习与传统决策技术的融合应用将推
动供应链管理实现“智能决策”。
09
联想供应链智能决策技术方案用于物料管理与生产计划,可提升物料的分配与库存管理水平,
并为制造业提供了更高效优质的生产计划决策。
06
联想以机器学习驱动的运筹优化技术能力包括在线优化与神经网络求解器。
12
未来,企业供应链多个场景、多个环节的决策有望协同联动,智能决策将贯穿企业供应链管理
全链条,实现一体化决策。
13
可靠性(Reliability)、可复用性(Reusability)、可调节性(Regulatability)、可信赖性
(Responsibility)的“4R”能力是智能决策技术的未来发展方向。
02主要观点
评论