對于制造業(yè)來說，最難做的事情就是預測需求，讓產(chǎn)銷平衡。在聯(lián)想，因為有了AI加持的智慧服務供應鏈系統(tǒng)，這個問題迎刃而解，每年還能夠節(jié)省千萬美元資金。

近日，全球知名中文IT技術(shù)交流平臺CSDN公布2020年度 “百萬人學AI” 評選結(jié)果，聯(lián)想研究院攜手業(yè)務部門打造的聯(lián)想智慧服務供應鏈系統(tǒng)（聯(lián)想智鏈）入選AI 優(yōu)秀案例實踐獎Top 30，同時入圍的還有騰訊、京東、科大訊飛等行業(yè)頂級AI公司案例。

按照CSDN的評選標準，入選的優(yōu)秀案例均通過AI技術(shù)改善業(yè)務流程，降低生產(chǎn)成本，提高生產(chǎn)效率，真正解決實際業(yè)務問題，探索出經(jīng)濟上可行的解決方案，并且具有一定的示范性和可復制性。

據(jù)此，CSDN認為，聯(lián)想智鏈通過機器學習和運籌優(yōu)化技術(shù)，打破行業(yè)痛點，顯著提升服務供應鏈的表現(xiàn)，降低企業(yè)服務供應鏈采購、運輸、庫存等運營成本，加快企業(yè)數(shù)字化轉(zhuǎn)型步伐。

作為全球最大的PC廠商，聯(lián)想售后服務部門每年要給全球用戶更換海量配件，由于各地配件消耗數(shù)量和種類各不相同，還會受到交通和季節(jié)影響，如在印度雨季，手機和筆記本的特定備件壞損率會急劇提升，預測復雜度因而陡增。

很多時候，在新產(chǎn)品剛上市還沒有具體用量時，就需要為備件提前備貨，而服務供應鏈最大的痛點便是對未來的需求把握不準確、應對突發(fā)事件的儲備預案不足、多元可替換備件調(diào)度不智能、多需求點同時調(diào)度請求時分配不合理等等。

過去，類似的問題往往依靠備件計劃員的經(jīng)驗和規(guī)則來化解，如今，隨著AI的應用，可以自動從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，找到應對之策。

聯(lián)想智鏈面向服務供應鏈，基于多種機器學習算法和運籌優(yōu)化技術(shù)，快速準確地助力企業(yè)進行服務供應鏈網(wǎng)絡規(guī)劃、備件需求計劃、庫存優(yōu)化等決策支持，快速滿足客戶需求，提升用戶滿意度，同時降低企業(yè)服務供應鏈采購、運輸、庫存等運營成本，重點技術(shù)包括：需求預測、時間序列生成、服務供應鏈仿真模擬、多目標貝葉斯優(yōu)化等。

在具體應用場景方面，聯(lián)想智鏈通過機器學習引發(fā)主動需求預測，觸發(fā)多層級多場景下對服務備件整個生命周期以及采購計劃期內(nèi)，準確的需求趨勢分析和需求周期性波動預測。

通俗地解釋就是，有了AI的加持，聯(lián)想智鏈能夠在用戶的產(chǎn)品發(fā)生故障以前就感知到需求。在應用聯(lián)想智鏈后，備件需求預測比人工表現(xiàn)提升了7％，人員需求減少20％，采購支出減少23％，庫存總水平減少18％，每年可節(jié)省上千萬美元資金。

對于聯(lián)想而言，人工智能已經(jīng)滲透在其供應鏈的多個環(huán)節(jié)，除了聯(lián)想智鏈，還有智能排產(chǎn)以及通過機器學習賦能的城市配送方案等。未來，聯(lián)想研究院將繼續(xù)致力于多場景的人工智能算法應用，用智能決策實現(xiàn)效率和質(zhì)量的雙提升，讓智能變革越AI越深刻。