除了在人力和网点上的竞争，物流管理的也是影响最终结果重要因素之一。

如今，在物流管理中有很多关于人工智能（AI）和机器学习（ML）的讨论。其理念很简单：优化、预测、执行和重复。今天我们聊的话题就是一个物流技术的游戏规则改变者——机器学习和异常管理。

本文1069字，需要4分钟。

物流管理中的机器学习

物流管理的主要环节包括订单计划、供应商绩效管理、运力优化（管理）、调度管理、在途的货物跟踪以及交付管理。

接下来，系统推断出这些环节（物流流程）中哪些节点或瓶颈可以被修复、改进或增强。然后，这些推断或分析被实施到物流设置中。学习机制从优化开始。随着时间的推移，该系统演变和改善所有关联的物流管理流程。这是物流管理中的机器学习。

物流中的异常管理是什么？

物流异常（问题）是偏离计划的或预期的执行过程。例如：

货物装载没有正确地分配到可用的运力中（造成容量不匹配和装载/调度延迟），产生运力浪费或延迟。

在途中的货物被滞留在一个地点超过两个小时（或违反服务协议，超速或严重刹车）。

收货人订单和收货数量（或产品）不符。

异常管理的目标是尽全力缩小计划结果和实际结果之间的差距。异常管理的机器学习引入了责任和效率。可以作用到主管，仓库，货运代理，物流服务提供商，收货人（分配点）等。

机器学习支持的异常管理系统通过6个阶段完善和提升物流效能。它们是发现、分析、分配、解决、记录和升级。

发现：检测并报告流程中的问题或异常。这可以通过温度传感器（冷链物流）、实时运动跟踪、订单行程跟踪（每个SKU）等。

分析：根据协议（或学习）分析和处理问题或异常。它对所有异常进行分类并向前推进——无论是分配异常还是升级异常。

分配：将异常定位到正确的人员或部门（最适合及时解决异常的人或单位）。

解决方法：最佳的解决路径寻找和提供。

记录：记录并分析从发现到解决的每一个异常。该系统处理这些记录，以便为未来的应用可能出现的问题提供见解或最佳方案。

升级：这是动态异常管理的一个重要方面。系统不断地跟踪系统内的每个问题。如果在分析或解决阶段，主管（或系统）认为问题是关键的或复杂的，那么它将通过特殊的“分析”和解决升级。它主要包括拥有不同技能或权限的人。如果系统检测到一个问题没有在合理时间范围内得到解决，它将再次升级。

通过这6个阶段，该系统不断地剔除导致效率低下的问题。有助于减少错误和延误，从而提高利润率。

在物流领域，异常管理是一个游戏规则改变者。它成功地弥合了技术效率和现场员工效率之间的差距。在缺乏组织或传统的市场上，这种方法尤其有效，因为这些市场充斥着各种“意外”。

如果以正确的方式使用机器学习支持的异常管理系统(EMS-Exception Management System)，许多企业可以迅速扩大规模，提高效率。这不仅是盈利的前提，更可能是拯救公司的唯一选择。