用机器学习改善供应链的10个方法(2)

资料来源：福布斯，《How Machine Learning Improves Manufacturing Inspections, Product Quality & Supply Chain Visibility》，2019年1月23日

8、机器学习在端到端供应链可见性方面正在带来快速而显著的效果，提供的预测性和规范性见解帮助企业更快速地做出响应。

而面向全球贸易和供应链管理的多企业商务网络，与人工智能平台和机器学习平台相结合，正在彻底改变着供应链的端到端可见性。该领域的早期领导者之一是Infor的Control Center【Control Center将来自Infor GT Nexus Commerce Network（2015年9月被Control Center收购）的数据与Infor Coleman Artificial Intelligence 的数据结合在一起】，Control Center这款人工智能平台的命名来自于著名物理学家兼数学家Katherine Coleman Johnson，之所以如此为之，是因为她通过具有开创性的工作帮助美国宇航局登陆月球，如果你还不了解她和其他很多才华横溢的女性数学家对太空探索所做出的贡献，请务必看看ChainLink Research题为《How Infor is Helping to Realize Human Potential》的文章和《隐藏人物》这部电影。下图来自Control Center的两个截屏。

9、“权限凭证”，是全球供应链出现安全漏洞的主要根源，而机器学习被证明是阻止权限凭证滥用的基础。

企业组织通过采用权限访问最小化的方法，让攻击面最小化，提高审计和合规可见性，降低运营现代混合型企业的风险、复杂性和成本。

CIO们知道，即使某个有权限的用户正确输入了凭证，但如果该用户发出的情况存在风险，就需要更强的验证方式提供访问授权，从而解决权限凭证滥用的问题。

Zero Trust Privilege是一种经过验证的框架，可通过验证谁请求访问权限、请求的上下文、访问环境的风险情况来阻止权限凭据滥用的发生。

Centrify也是该领域的领导者，客户包括思科、英特尔、微软和Salesforce等全球厂商。

资料来源：福布斯，《High-Tech's Greatest Challenge Will Be Securing Supply Chains In 2019》，2019年11月28日

10、基于物联网数据，利用机器学习预测，什么时候应该对货运和物流工具进行预防性维护，这可以帮助提高资产利用率并降低运营成本。

麦肯锡发现，利用机器学习增强预测性维护，结合来自先进物联网传感器的数据、维护日志以及外部数据，可以更好地预测和避免机器故障，使得资产生产率提高20％，整体维护成本降低10％。

资料来源：Digital/McKinsey，《Smartening up with Artificial Intelligence (AI) - What’s in it for Germany and its Industrial Sector?》

（编辑：ASP站长网）