1. 我是CIO首页
  2. 资讯
  3. 人工智能

联合利华如何利用AI、云和物联网做出数据驱动的决策

联合利华(Unilever)制造与交付IT主管Rejin Surendran解释了公司如何通过迁移到Oracle Logistics Cloud来优化车辆利用率,降低燃油消耗和二氧化碳排放量,以及分析,人工智能和物联网为客户创造价值的作用。

联合利华如何利用AI、云和物联网做出数据驱动的决策

拥有数十亿美元资产的跨国消费品公司联合利华(Unilever)希望创建一种具有数据智能能力并可以预测未来的文化和组织–对于一家在190个国家开展业务,营业额达510亿欧元的全球巨头而言,这绝非易事。

联合利华的Make&Deliver公司IT主管Rejin Surendran分享了他对公司如何通过迁移到Oracle Logistics Cloud来优化车辆利用率,减少燃料消耗,CO2排放和交通的看法。他还提供了使用的洞察分析,AI的作用,以及如何通过部署物联网(IOT)为客户创造价值。

对于许多包装消费品(CPG)公司而言,更多的市场销售渠道意味着更多的卡车在路上,并运送到更多的零售地点。这都存在哪些挑战?

由于电子商务提供商的出现,运输市场的增长是我们关注的问题之一。运输中有一套承运人服务,所有参与者都在为此竞争。这里的挑战是从运营商那里获得有吸引力的合同和定价。

另一个挑战是客户变得越来越积极。典型的客户订单数量在减少,而订单频率在增加。例如,沃尔玛(Walmart)甚至印度的Reliance等大客户在一周内以较小订单的形式下订单的频率更高。随着订单周期变得越来越小,他们正在努力减少库存,并提高对订单的可预见性和可见性。我们面临的挑战是如何优化其货运量,以确保我们仍在运送最优量的商品的同时,保持较低的分销成本。

除此之外,客户对他们的运营管理方式也更加严格。例如,他们希望获得有关联合利华卡车何时运送至仓库以及卡车应在该仓库花费多少时间的清晰信息。为了应对所有这些挑战,我们需要从可见性角度持续跟踪发货,并向我们的客户提供更新,并获得洞察力,以正确且严密地管理运营。

您如何应对这些挑战并修改公司的运输策略以简化物流并提高其敏捷性?

我们已将工厂和仓库中市场的大部分运输计划流程整合在一起。我们实施了Oracle运输管理(OTM)修改公司的运输策略,以改善物流的“ 3C”。客户服务,降低交付成本并减少二氧化碳排放量,这与我们通过联合利华可持续生活计划制定的更广泛的企业社会责任战略是一致的。

运送给客户的每个产品都通过OTM,这意味着它实际上是关键任务应用程序。在2018年,经过认真评估,我们决定将托管在Oracle托管云上的运输管理系统升级到Oracle Logistics Cloud。我们将两年的历史数据移到了云中。此举已导致对跨境和跨境运输进行更好的管理,优化了路线,提高了效率,并且还有助于减少碳足迹。

从技术角度来看,我们看到性能上的巨大差异,计划操作所需的时间提高了10倍。我们还发现系统之间的交易几乎提高了30-40%。借助新的云产品(Oracle Logistics Cloud),我们可以按季度发布增强功能。它使企业能够进入敏捷的交付周期。

结果令人印象深刻。在过去三年中,印度货车的行车总里程减少了300个基点(bps)。在过去的五年中,在印度这样的市场中,我们已经能够将卡车的基本交通运输量提高500 bps。2010年,我们决定到2020年将物流网络的二氧化碳排放量减少40%。我们正朝着实现这一目标迈进。

这也将涉及大量分析,以获取正确的见解。您如何通过充分利用分析来赋予数据目的和价值?

当我们迁移到Oracle Logistics Cloud时,我们还采用了Oracle的Analytic Cloud服务。OTM系统中的所有核心运输交易数据都有助于在北美等市场跟踪和放置卡车。

我们将运输计划的内部数据与来自跟踪的数据进行组合,并加以使用实时可见性。客户服务团队或后勤计划团队等所有内部利益相关者都可以实时跟踪卡车的位置并进行更新。此功能也扩展到我们的客户,他们可以在此登录和跟踪卡车。除了这种预测能力外,我们还努力为客户预测卡车的到货时间,以便他们可以相应地计划其运营。

分析还被用于优化我们的出货量。看一下卡车从A点移动到B点的情况。在路线中途某处,我们得到了另一批货物的订单,例如从位置B附近的某处。现在,我们不再雇用新卡车,而是可以实际改变当前卡车的路线,使其首先到达B点,卸载货物,然后到达B附近的位置,提货并返回。

联合利华(Unilever)在AI和物联网(IoT)上以何种速度和规模推动数字创新的方法是什么?

我们期望物联网在两个大领域带来价值。一种是在连接机器和设备的工厂中使用工业物联网。他们从温度到生产周期时间等都生成大量数据。通过收集所有这些数据,并使用分析和机器学习,我们可以了解整个工厂的可视性,根据历史数据预测结果或机器故障。

物联网的第二个方面是围绕我们为消费者提供的水和空气净化器产品。这是处于非常早期的阶段。但是,在接下来的2-3年中,从内部和外部运营的角度以及从外部消费者的角度来看,物联网将发挥关键作用。

人工智能作为一种技术是我们一直在所有市场和所有职能上关注的事物。例如,就运输而言,我们将内部和外部数据结合起来并围绕其构建模型。然后,我们可以将其用于天气或交通预测。我们面临的挑战之一是进入过多的需求波动和运输现货价格。我们正在尝试通过使用机器学习获得更准确的预测来解决它

本文为作者 黄凯 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论