AWS 供应链功能

AWS Supply Chain 使用面向供应链的机器学习模型来设置数据湖，以了解、提取不同的不兼容数据并将其转换为统一的数据模型。该数据湖可以从各种数据来源摄取数据，包括现有的 ERP 系统（如 SAP S/4HANA）和供应链管理系统。为添加来自 EDI 856 等可变源的数据，AWS Supply Chain 使用机器学习和自然语言处理 (NLP)，将源系统中的数据与统一的数据模型相关联。EDI 850 和 860 消息使用预定义但可自定义的转换配方直接转换。您还可以将数据从其他系统加载到 Amazon Simple Storage Service (S3) 存储桶，在该存储桶中，系统会将数据自动摄取到 AWS Supply Chain 数据湖中。

AWS 供应链使用一组基于微前端（MFE）架构而构建的交互式可视化最终用户界面，在实时可视化地图中情境化您的数据。然后，AWS 供应链突出显示当前的库存选择和数量，以及每个位置的库存状况（例如，存在库存不足风险的库存）。库存经理可以深入了解特定设施，并查看每个位置的当前现有库存、在途库存和潜在风险库存。

AWS Supply Chain 使用数据湖中的全面供应链数据，自动生成有关潜在供应链风险（例如，库存过剩或库存不足）的见解，并将其显示在实时可视化地图中。

AWS Supply Chain 应用机器学习模型（该模型基于与 Amazon 所采用的技术类似的技术构建）来生成更准确的供应商交付周期预测。供应规划人员可以使用这些预测的供应商交付周期，来更新规划模型中内置的静态假设，以降低库存不足或库存过剩的风险。

库存经理、需求规划人员和供应链主管还可以通过选择位置、风险类型（例如，库存不足或存货超额风险）和库存阈值，然后将团队成员添加为观察者，以创建自己的见解观察列表。如果检测到风险，AWS 供应链将生成警报，以突出显示潜在风险和受影响的位置。

AWS 供应链会自动评估、排名和共享各种重新平衡选项，以便在检测到风险时为库存经理和规划人员提供要采取的建议措施。建议选项按已解决风险的百分比、不同设施之间的距离和可持续性影响进行评分。供应链经理还可以深入了解每个选项将对整个网络中其他配送中心产生的影响。AWS Supply Chain 还会不断从您所作出的决策中进行学习，以便随着时间的推移改进建议。

为帮助您与同事达成共识并实施重新平衡操作，AWS Supply Chain 提供了内置的情境协作功能。团队在聊天和互相发送消息时，将共享有关风险和推荐选项的信息。这样可以减少由于沟通不畅而导致的错误和延迟，让您可以更快地解决问题。

AWS 供应链需求规划会生成更准确的需求预测，根据市场状况进行调整，并助力需求规划人员进行跨团队协作，帮助避免库存成本过高和浪费。为帮助消除围绕需求规划的手动工作和猜测，AWS Supply Chain 会使用机器学习来分析历史销售数据和实时数据（例如未结订单）、创建预测并不断调整模型以提高准确性。AWS Supply Chain 需求规划还会不断从持续变化的需求模式和用户输入中进行学习，以提供近乎实时的预测更新，让公司能够主动调整供应链运营。