人工智慧讓供應鏈物流充分發揮效益
我們多半將供應鏈視為單一龐大實體（長賜輪卡在蘇伊士運河的畫面立即浮現腦海），但供應鏈其實包含許多環節。物流這種搬運產品的瑣事，包含了供應鏈的重要元素。
貨運物流有林林總總的煩惱。舉例來說，包裹可能因為各種原因延遲或永遠無法到達最終目的地。1990 年，20 多個 Nike 球鞋的貨櫃，在從南韓運往美國的途中，從貨船上掉下來。然而，在貨運物流真實世界中，包裹延誤的理由並不那麼顯眼。條碼模糊或是單純標籤從包裝脫落，都可能延誤交貨，而這些看似旁枝末節的因素加總以來，可能成為企業的一大煩惱。
供應鏈分析的自動化挑戰
Siena Analytics 是為大量物流提供供應鏈人工智慧和影像識別的公司，創辦人兼執行長 John Dwinell 表示：「現今物流所面臨的最大壓力，與包裝體積和速度有關。」
配銷中心與倉儲經手的包裝數量爆增這個問題尤其棘手，因為消費者對快速送貨的需求同時也增加了。2021 年的意見調查顯示，自從全球大流行開始以來，將近三分之一的美國消費者，對於加速送貨的期望越來越高。
這雙重因素，加上人力持續短缺，成了配銷中心和倉庫進行自動化和數位轉型的充分理由。Dwinell 表示：「很遺憾，包裝品質問題成了自動化挑戰的絆腳石。」
舉例來說，需要讀取的條碼可能藏在塑膠下方或完全遺失。品質不佳會導致不一致，進而使得自動化更困難。在自動化的配銷中心，有問題的包裝會傳送至「醫院通道」，而且員工必須診斷以及解決問題。這些小問題會佔用寶貴的員工資源，並且損失寶貴的時間，而且無論是哪一個，企業都吃不消。
利用人工智慧解決自動化的各項難題
Siena Analytics 在掃描通道中使用感應器，處理從包裹品質相關障礙到物流自動化的一切問題。攝影機會在包裹進入配銷中心以及在配銷中心移動時，擷取包裹的影像。這個平台利用人工智慧模型分析圖片，即時解決問題，並且提供企業可據以行動的長期包裹智慧。
Siena Analytics 解決方案在邊緣將疑難排解的工作自動化，否則這些工作可能早已移至醫院通道。舉例來說，尺寸過大的包裝或許需要特定類型的貨運標籤。感應器能識別產品尺寸，並且通知機器列印合適的標籤。同樣地，如果標籤脫落，攝影機能透過其他區別功能識別包裝、在包裹先前照片的快取中追蹤包裹，然後產生新標籤。
人工智慧還能提供模式智慧，加速偵測不一致之處。舉例來說，一直將影像標籤貼錯的供應商，可以參加供應商合規計畫，接受訓練。包裝智慧可提供配銷中心的數位分身，大規模實現可見度。企業能準確指出特定機器的瓶頸、以更簡單的方式排序通道，並且視需要設定系統發出警示。Dwinell 表示：「您可以對建築物現況的優劣與不堪之處，獲得更有智慧的見解。」
低程式碼開發平台讓人工智慧訓練更輕鬆
Siena 協助公司行號在低程式碼開發的 Siena Insights 平台後方，自行設定人工智慧驅動的包裝智慧解決方案。Dwinell 指出，企業雖然充分瞭解他們的領域，但缺乏擷取合適資料的工具和專業知識，因此無法獲得深入洞見。Siena 理解人工智慧令人生畏的部分，並且將那些工作流程自動化。
公司專家光靠領域專業知識，為 Siena 解決方案擷取的影像資料貼標籤，並且訓練及建立客製化的人工智慧解決方案。Dwinell 表示：「我們的平台讓您無須成為專業資料科學家，即可訓練人工智慧模型。」
Siena Analytics 仰賴 Intel® Edge 工業平台協調資料量，以及「可以因應任何硬體的」Intel® OpenVINO™ 工具組，Dwinell 表示。「OpenVINO 讓我們擁有共同且可擴充的高效平台，可在邊緣進行推論。」
Siena 先從簡單的資料分析解決方案開始，協助客戶拉近 OT 與 IT 之間的歧異。由於該公司的解決方案提供了立竿見影的效果，大幅提高了利潤，因此系統整合商能夠為管理階層說明採用解決方案的理由。Dwinell 表示：「系統整合商對資料速度和我們展現實際結果的能力格外刮目相看。」
供應鏈物流的未來
在不久的將來，流程可望進一步標準化，包括貼標籤、條碼中的資訊。機器人型解決方案也會更臻成熟，並且在倉庫發揮更高的效益。人工智慧這項有轉化力量的技術將持續重塑物流。這項技術已經簡化了流程，並且消除更廣泛供應鏈中效率不彰的問題。
包裝資訊通常來自託運人，而且未必符合現實。Siena Insights 這類人工智慧型解決方案顛覆了那種作法。託運人所作所為與包裝實際的樣子之間有出入，其實很容易就能發現並修正。若是由感應器提供資料，那麼資料不僅即時，真實性更是毋庸置疑。資料經過比對之後即可修正。
Dwinell 表示：「Siena 正善用人工智慧演算法賦予常見物流問題的優勢。」配銷中心分秒必爭時，凡是解決一個瓶頸，就能讓物流受益。