江苏龙网

  1. 首页 > 资讯 > 科技 > >

[]东北大学黄敏教授：看运筹优化和供应链管理剪不断理还乱的关系( 三 )


答：实际上人们在决策时 ， 通常是在效益优化和风险规避之间不断地权衡 。 如果不能承担风险 ， 决策必然趋于保守 。 那么 ， 很多人担忧鲁棒优化方法是否会使决策结果过于保守呢？这个答案是否定的 。 实际上 ， 鲁棒优化只是一个决策工具 ， 决策结果是否趋于保守要取决于决策者的决策偏好 ， 也就是决策者定义的可接受最大风险尺度 ， 鲁棒优化只是在决策者定义可接受的最大风险尺度后 ， 为其确定最优决策方案及最优收益 。 所以 ， 效益优化和风险规避之间的平衡也是由决策者态度决定的 。
4
人工智能与供应链管理
问：现在人工智能研究的比较热门 ， 人工智能与供应链的交叉研究有哪些？比如说用机器学习的方法来做供应链预测 ， 解决库存比较高 ， 运营成本上升和现金流紧张的这些问题 ， 当客户的需求信息在经销商和生产商 ， 供应商之间逐级传递过程中出现了放大 ， 到最后导致需求信息不真实 ， 出现了一些所谓的牛鞭效应（bullwhip effect） ， 用人工智能的方法是否能很好的解决 。
答：这是一个非常好的问题 。 在AI热起来前 ， 我们在做决策的时候 ， 需要有一定信息量 。 但关于企业的信息通常是不完整的 ， 所以基于不完整信息做出的决策有时不能完全切合企业需求 。 而随着AI和数据科学技术的发展 ， 我们可获得关于企业的更多且更具体的信息 ， 例如关于客户需求和偏好等的更精准信息 ， 在这种情况下 ， 就可以借助AI改善供应链决策状态 ， 帮助我们提升决策效率和质量 。
总体上来说 ， AI技术与供应链管理研究的交叉 ， 可分成四个层面：第一个层面是数据的获取 ， 即如何利用云、大、物、移、社技术进行信息的获取；第二个层面是预测 ， 即如何利用获取的数据 ， 揭示一些规律 ， 比如说客户的需求的规律；第三个层面是决策 ， 传统上我们对于供应链的管理常通过建模去决策 ， 这一过程需要对问题进行描述、分析和建模来完成 。 而当问题有所变化时需重新建模 ， 所以当AI出现后 ， 是不是能够利用深度学习方法直接去做决策呢？比如说在供应链中配送路径规划中 ， 根据路况状态信息等能实时地进行配送路径规划决策；第四个层面是系统层优化 ， 供应链是一套系统 ， 使得这个系统效率达到最高 ， 就需要利用一些先进的AI技术 ， 如大家现在常常提到的数字孪生技术等等 。 无论是信息获取、预测、决策 ， 还是系统层的优化 ， 实际上核心思想就是能够获取和利用更多的数据 ， 利用AI相关技术 ， 使得决策能够得到实时地优化 ， 我认为这是两者最重要的一个交叉点 。 AI和供应链管理的交叉 ， 可以在各个层面上进行 ， 但无论是哪个层面 ， 供应链管理都将受益于实时优化 。
问：所以说实时的数据或者说现在的大数据 ， 是人工智能和供应链可能产生一些交叉的应用场景的最终驱动力 。
答：我个人同意这一说法 。 从学术研究角度人们常常提到的就是动态决策 ， 即动态优化 ， 这是从运筹学角度来定义的 。 而从企业实战角度 ， 对应概念就是实时决策 ， 且更加强调响应时间及不同的时间尺度 。
问：近年来人工智能相关的研究话题非常地热 ， 大家对人工智能和深度学习非常了解和关注 ， 但是对运筹学和供应链的关注度相对较低 ， 您觉得主要的原因有什么？
答：原因可能主要有两个方面 。 一个方面 ， 可能是媒体宣传 。 毕竟人工智能的出现 ， 是令人兴奋的事情 ， 因为机器可以帮我们做很多事情 ， 有些事可能我们曾经期待着 ， 但一直没做到 ， 但是现在可以做到 ， 所以说媒体会做大量的宣传 ， 可能出发点是让大家对这个问题有更多的关注；另一方面 ， 还是大家对这背后原理并不是很清楚 ， 因为大家只是看到这样的一个现象 ， 而对这背后的一些关联性并没有看到 。 实际上我们知道无论是深度学习 ， 还是一些其它的机器学习方法 ， 实质上都是优化方法 。 比如说现在出现的基于图的一些学习方法 ， 考虑信息关联的一些学习方法 ， 它们最终都是转化为一个优化问题来求解 ， 而运筹学就是一门关于优化的学问 。 所以优化贯穿于整个机器学习和AI的核心部位 ， 它们两者是紧密关联的 。


推荐阅读


上一篇：『智慧』品质家居不二之选！华为智慧屏X65 让智慧生活再上新高度

下一篇：MIUI■MIUI 12要来了，你的小米手机准备好升级了吗？