1. 工业物联网 IOT
区块链，物联网和人工智能在世博会上大肆炒作 【Expo】
====本文中肯而深入浅出地简介了三者的私心和联合的趋势。作者Jason Bloomberg是行业分析公司Intellyx的总裁。=====
人工智能（AI）供应商中，重心是图像识别 - 深度学习的主要用例之一。对于物联网（IoT）来说，兴奋的焦点集中在各种硬件设备上，包括各种行业的传感器和执行器。甚至还有日本和韩国的展馆，展示了各自国家制造商的商品。区块链的重心并不好。比特币投机泡沫的戏剧性通缩加上对接管加密世界的骗子越来越多的监管和法律行动，使与会者普遍对整个事件持怀疑态度。
然而，计算机视觉，物联网设备和加密技术与我的企业技术优势完全相关。幸运的是，有少数供应商拥有真正的企业价值主张。Knowi提供了一个分析平台，可以使用简单的查询构建器替换传统的提取，转换和加载（ETL）功能，该构建器可以跨关系数据库和NoSQL数据库并行工作。
从本质上讲，Knowi使数据分析师能够将SQL，NoSQL和基于REST的数据集混合在一起，而无需移动它们，然后在几分钟内可视化生成的见解。Knowi还支持自然语言查询，基于机器学习的异常检测和流数据支持。
在展会的物联网部分，以企业为重点的突出部分是Progress DataRPM。该平台使用机器学习提供资产行为分析。此类资产可以是组织希望跟踪的任何内容，但DataRPM特别适合物联网资产。例如，它可以检测并预测异常并提供机器健康洞察。
DataRPM使资产密集型组织能够控制来自每个设备的传感器数据。它分析时间序列数据和其他类型的数据，如客户数据，因此比仅关注时间序列数据的类似工具提供更广泛的适用性。
区块链突出
剥离密码无意义，少数区块链平台供应商脱颖而出，为企业提供（或至少可能提供）真正的价值。Boardwalktech的平台提供交易链，帮助公司跟踪复杂多方交易中个人价值的变化。在展会上，该公司还在谈论其使用机器学习提供围绕交易的推理的能力。
Gospel Technology的平台可帮助企业实现安全性和基础架构整合。该公司正在宣传一家英国电信客户如何使用Gospel平台管理物联网设备中的SIM卡，以及制药行业的客户如何利用该平台进行复杂的库存管理。
在这些创业公司中，有两家公司在一个小摊位上代表着企业软件巨头SAP，好像他们是市场上新进入者。这两位研究员最感兴趣的是与现有人交谈 树液客户了解供应商如何将其基于HyperLedger的区块链解决方案应用于高科技，生命科学/制药和消费品包装/零售/农业行业的行业团体。
值得一提的一个不熟悉的企业区块链供应商是Insolar，它正在开发一个区块链平台，该平台将提供可变权限和基于策略的域，其中只有一些节点处理事务。
这两项功能都是令人着迷的创新，因为它们可以解决具有共识和可扩展性的挑战性问题，这些问题困扰着现有的区块链方法。该公司目前处于测试阶段，预计将于2019年中期推出。
共同主题：数据
似乎AI，物联网和区块链是技术领域的三个不同角落 - 但是当涉及我在这里展示的企业解决方案时，有一个明显的共同点：数据。
当然，数据是每个企业的生命线，因此毫无疑问，数据构成了展会上展示的各种破坏性趋势的商业价值的基础渠道。
我的建议是：停止关注那些困扰当今技术世界的夸大其词的术语。商业价值应始终是您的核心关注点，而数据往往是这种价值的关键。
How IoT, AI, and blockchain will revolutionize business. [甲骨文的白皮书，冠冕堂皇]
2. 物流链 Logistics，供应链 Supply Chain
2.1 机器学习和AI方面
机器学习的10种方式正在改变供应链管理【在供应链方面的优势讲解】
结论： 机器学习可以通过依靠快速查明供应网络成功的最有影响因素的算法来发现供应链数据中的模式，同时不断学习流程。
1. 机器学习算法和运行它们的应用程序能够快速分析大型，多样化的数据集，提高需求预测的准确性。管理供应链最具挑战性的方面之一是预测未来的生产需求。现有技术的范围从基线统计分析技术（包括移动平均值）到高级模拟建模。事实上，机器学习在考虑到现有方法无法随时跟踪或量化的因素方面非常有效。以下示例显示了如何使用广泛的频谱来完成需求预测，Lennox目前正在使用机器学习。资料来源：机器学习 - 供应链预测的巨大飞跃，物料搬运和物流会议（PDF，28页，无选择加入）。
2. 降低运费，提高供应商交付绩效和降低供应商风险是机器学习在协作供应链网络中提供的众多好处中的三个。以下是如何使用机器学习来确定多个托运网络之间的横向协作协同效应的示例。资料来源：运输和物流领域的机器学习和人工智能，Frank Salliau和Sven Verstrepen物流会见创新Vlerick布鲁塞尔 - 2017年11月15日（PDF。，82页，无选择加入）。
3. 机器学习及其核心结构非常适合提供改进以前技术所不具备的供应链管理绩效的见解。结合无监督学习，监督学习和强化学习的优势，机器学习被证明是一种非常有效的技术，不断寻找最能影响供应链绩效的关键因素。下面的分类中定义的每个端点完全由基于算法的逻辑派生，这可确保算法在全球企业中扩展。资料来源：DHL，物流人工智能，2018年（PDF，45页，无选择加入）。
4. 机器学习擅长视觉模式识别，为整个供应链网络中的物理资产的物理检查和维护开辟了许多潜在的应用。通过使用快速寻求在多个数据集中设置可比模式的算法进行设计，机器学习在整个物流中心的自动化入站质量检查中也非常有效，可以隔离损坏和磨损的产品。IBM Watson平台中的机器学习算法能够确定运输容器和/或产品是否损坏，按损坏时间对其进行分类，并建议采取最佳纠正措施来修复资产。Watson将基于视觉和系统的数据结合起来，实时跟踪，报告和提出建议。资料来源：DHL，物流人工智能，2018年（PDF，45页，无选择加入）。
5. 通过机器学习与供应链运营中的相关技术相结合，获得更大的情境智能，可以降低库存和运营成本，加快客户响应速度。机器学习正在物流控制塔运营中得到应用，为如何改进供应链管理，协作，物流和仓库管理的各个方面提供新的见解。下图显示了从机器学习中获得的上下文智能如何简化操作。资料来源：DHL，物流人工智能，2018年（PDF，45页，无选择加入）。
6. 预测新产品的需求，包括大多数推动新销售的因果因素，是一个领域机器学习正在应用于今天，取得了很好的结果。从询问渠道合作伙伴，间接和直接销售团队的实用方法来看，他们将使用先进的统计模型销售多少新产品，公司预测下一代产品需求的方式存在很大差异。事实证明，机器学习在考虑影响需求的因果因素方面是有价值的，但之前并不为人所知。
7. 公司通过寻找通过物联网传感器收集的使用数据的新模式，延长关键供应链资产的寿命，包括机械，发动机，运输和仓储设备。制造业在其每年生产的数据量方面领先所有其他行业。机器学习在分析机器衍生数据以确定哪些因果因素对机械性能影响最大时证明是非常宝贵的。此外，机器学习可以更准确地衡量整体设备效率（OEE），这是许多制造商和供应链运营所依赖的关键指标。
8. 通过在供应商的质量水平中找到模式并为每个供应商创建跟踪和跟踪数据层次结构来提高供应商质量管理和合规性，无需辅助。平均而言，典型的公司依靠外部供应商来处理组装成特定产品的80％以上的组件。供应商的质量，合规性以及跟踪和跟踪层次结构的需求在受监管的行业中至关重要，包括航空航天和国防，食品和饮料以及医疗产品。正在引入机器学习应用程序，可以独立定义产品层次结构并简化跟踪和跟踪报告，每年节省典型制造商在这些领域投入的数千个手动小时数。
9. 机器学习通过考虑多个约束并针对每个约束进行优化来改进生产计划和工厂调度准确性。在依赖按订单生产和按库存生产工作流程的制造商中，机器学习使得有可能比过去手动更有效地平衡每个约束。制造商正在使用机器学习减少其最严格定制产品中使用的组件和部件的供应链延迟。
10. 将机器学习与高级分析，物联网传感器和实时监控相结合，首次提供了跨多个供应链的端到端可视性。当今许多供应链中需要的是一个全新的操作平台或基于实时数据的架构，丰富了过去以前的分析工具所不具备的模式和见解。机器学习是未来供应链平台的基本要素，它将彻底改变供应链管理的各个方面。
2.2 区块链方面
2.2.1 Blockchain Practices, Potentials, and Perspectives in Greening Supply Chains 绿化供应链中的区块链实践，潜力和前景「原文可下载」
供应链中存在一些最普遍的区块链技术用例。可持续的，特别是绿色的供应链可以从区块链技术中受益，但也有一些警告。可持续发展和环境管理研究以及学术文献才刚刚开始研究这一新兴领域。本文旨在帮助推进讨论并激发与绿色供应链和区块链技术相关的其他实践和研究。该观点文件提供了对区块链技术的一些主要方面的见解，用例和问题的概述，以及一些进一步研究的一般研究领域。
【备注】狭义绿色供应链指环境保护和节约能源两层含义，就是用最少的能源、最绿色的材料，制造出最环保的产品。广义上指的是要求供应商其产品与环境相关的管理，亦即将环保原则纳入供应商管理机制中，其目的是让本身的产品更具有环保概念，提升市场的竞争力。
2.2.2 BLOCKCHAIN IN LOGISTICS
Perspectives on the upcoming impact of blockchain technology and use cases for the logistics industry （一份来自 DHL Trend Research 的报告，写得十分详实。有大量工业产品图片。）
细节请点2.2.2 连接， 直接看第14页
埃森哲（Accenture）正在开发一种基于区块链的系统，该系统还专注于取代传统的提单，并为所有供应链利益相关者提供单一的事实来源，以便进行货运查询，直至签发贸易文件。 在这里，分散的网络连接供应链中的所有各方，实现直接沟通，消除了通过中央实体和依赖中介的需要。 根据埃森哲全球货运物流主管Adriana Diener的说法，该项目的成功价值超出了预期：“使用区块链取代传统的提单文件来运送货物将带来数百万美元的流程效率和运营成本降低的好处 跨越贸易生态系统中多方的供应链，包括托运人，收货人，承运人，货运代理，港口，海关机构，银行和保险公司“。
3. 供应链金融/融资 （Supply Chain Finance SCF ）
定义: 供应链金融（SCF）是各种融资工具的通用术语，用于为供应链中的各方提供融资。SCF是指使用短期信贷来平衡买方和卖方之间的营运资本，从而最大限度地降低总供应链成本。企业可以利用供应链融资与供应商建立更牢固的关系，降低货币风险并最终改善流动性。金融机构提供供应链融资解决方案，旨在通过提供有效的应付账款平台来简化支付流程（Finextra），从而改善购买者的营运资金和供应商的流动性。
从供应链的角度来看，SCF通过改善整个价值链的流动性和资本配置，为买家和供应商创造了一个双赢的局面（Popa，2013）来源
3.1 区块链方面
3.1.1 区块链技术助力供应链融资（Sep 24, 2018）
现有难点：
供应链融资依赖传统的纸张密集型流程，涉及广大的政党和中介机构。因此，在收取应收账款和信贷方面存在很多挑战比如：欺诈，转移，操纵和透明度。
助力方式：
区块链技术将文档数字化，然后将其存储在供应链中所有人都可见的共享分类帐上。用区块链不可变性减少信息被篡改的可能性。
【1. 验证和认证 VALIDATION & AUTHENTICATION】：验证和验证访问权限以及信息，数据和资源的权利以及验证过程的完整性是SCF的关键组成部分。区块链将确保供应链中各方的认证权利的有效分配和完整性，以确保防止欺诈，例如中国青岛港的仓库收据丑闻（延展：LME货物电子追踪技术），犯罪分子利用虚假仓库证书抵押金属作为抵押品多笔银行贷款; 显然，验证收据/证书的传统方式（即使它是通过ERP进行数字化）并不能保证文件的足够安全性和完整性。
【2. 透明度，可见性和可审计性TRANSPARENCY, VISIBILITY & AUDITABILITY】：区块链将提供信息/文件从一方转移到另一方时的可见性和可追溯性; 通过这种方式，银行/贷方/买方知道他们正在融资，因此能够主动减少欺诈和信用风险。该技术还包括智能合约，它实质上使供应链财务解决方案中的所有各方能够在单个共享分类账上行事。银行/金融机构可以访问智能合约，并可以在任何给定时间跟踪制造，运输，订单履行等流程。供应商和制造商以及每个其他参与者将仅更新其交易的各个部分，从而在不可变的分类账记录（Finextra）上实现效率和“前所未有”的信任和透明度。
【3. 速度和提高控制】：今天，由于艰苦的系统和流程（例如提交提单，信用证，发票，收货验证和付款），提供SCF解决方案的速度非常缓慢并且缺乏足够的控制。由区块链技术提供支持的智能合约可以根据设定条件在瞬间完成所有这些工作。从SCF请求开始到付款所需的时间（由于银行/金融机构的人工活动减少）将减少。交易时间的缩短也将导致付款时间缩短; 贷款审批，降低欺诈风险。区块链技术在增加控制方面提供了更大的潜力，因为所有交易都由链中的双方或所有方监控。
【4. 增加的竞争和机遇】：区块链技术将提供的信任，安全和透明度将吸引其他资本提供者进入供应链金融，增加竞争并降低利润率。这也将引导并鼓励银行和技术提供商之间建立伙伴关系，以便像IBM和欧洲七大银行一样汇集资源。
更多讨论资料 （备注：左边的资料来自NeuroChain，是一款增强型区块链，由机器学习和人工智能机器人链）
3.1.2 BLOCKCHAIN SCF项目简介：
马士基联合IBM全球跨境区块链供应链解决方案 Maersk global cross border blockchain-based supply chain solution。 其他资料
IBM相关：欧洲7家最大型银行组成的联盟与IBM携手（2018年1月），搭建和托管一个Hyperledger Fabric 平台。旨在简化和促进欧洲中小企业进行国内和跨境贸易，同时帮助企业提高金融交易的整体透明度。通过全球竞标，DTC (Digital Trade Chain Consortium) 数字商业链联盟选择与IBM合作，该联盟包含德意志银行、汇丰银行、比利时联合银行、法国外贸银 行、荷兰合作银行、法国兴业银行和意大利联合信贷银行。 该数字商业链 (Digital Trade Chain) 平台将在IBM云上运行。
由中国电子公司Dianrong和在线市场贷方FnConn（富士康子公司）推出的Chained Finance
Mahindra与IBM的通用平台
流利的贸易资产市场
Halotrade - http://halotrade.io/
Skuchain - http://www.skuchain.com/
其他参考：
3.2 AI 运用方面
3.2.1 Supply Chain Finance and Artificial Intelligence - a game changing relationship?
3.2.2 A Perfect Triangle with: Artificial Intelligence, Supply Chain Management, and Financial Technology 「论文下载」
美的三角形：人工智能，供应链管理和金融技术
近年来，人工智能在金融服务和供应链管理等其他领域越来越受到关注和普及。自20世纪70年代后期以来，由于能够理解模式和业务现象，搜索和分析信息以及人类反复自动执行任务，因此开发了人工智能以改善企业中的人类决策过程和生产力。
根据Tungsten Network的说法，宝贵的时间和金钱浪费在由人类进行操作的琐碎供应链相关任务上。因此，企业可以自动执行某些任务以减少机器人流程的浪费时间，并将机器学习算法集成到分析和CRM平台中，以发现有关如何更好地为客户提供服务的信息。除了在供应链中使用人工智能之外，还可以注意到其在金融技术方面的存在，包括能够学习和执行智能分析的先进机器学习软件和专家系统，以及金融业中某些业务流程的自动化。同时，考虑到供应链融资，包括供应商，制造商，供应商的解决方案，
本文概述了人工智能及该技术的应用领域以及当前在金融技术和供应链管理中的应用。本文还将探讨人工智能技术在金融技术和供应链管理业务中的优势。
3.2.3 Comparison of individual, ensemble and integrated ensemble machine learning methods to predict China’s SME credit risk in supply chain finance
这是一篇2016年的老文章。运用集集成机器学习方法（IEML，即RS-boosting和multi-boosting），来预测SCF中的中小企业信用风险，并比较六种方法的有效性和可行性。实验选择深圳证券交易所中小企业板48家上市中小企业，2012年上海证券交易所六家上市核心企业和深圳证券交易所三家上市企业的季度财务和非财务数据 - 2013年作为实证样本。结果IEML方法获得了更好的性能。
我们同样也能更新的机器学习方法来重复实验，也许能得到更好的结果。
网友评论