XiaoMi-AI文件搜索系统
World File Search System物料
软件物料清单 (SBOM) 管理建议
整个联邦政府都应实施这一战略。[2] 第 8 号国家安全备忘录 (NSM-8) 以第 14028 号行政令为基础，将职责分配给国家安全经理，并指出了国家安全系统所需的其他要求。[3] 另外，第 14017 号行政命令：《关于美国供应链的行政命令》侧重于加强美国供应链的弹性，[4] 国防部第 5200.44 号指令则侧重于国防部在 SCRM 方面的工作。[5] 国家安全系统委员会指令 (CNSSD) 505 的进一步指示分配了职责，并为持续开发、部署和维持旨在保护 NSS 的 SCRM 项目建立了最低标准。[6]
用于供应链风险管理的硬件物料清单 (HBOM) 框架
信息和通信技术 (ICT) 供应链风险管理 (SCRM) 工作组 i 是一个公私合作、跨部门机构，由网络安全和基础设施安全局 (CISA) 通过国家风险管理中心 (NRMC) 代表以及信息技术 (IT) 和通信关键基础设施部门的代表组织并共同主持。工作组是行业和政府合作制定战略和政策的主要机制，以应对关键基础设施所有者和运营商、民事联邦行政部门和机构以及州、地方、部落和领土 (SLTT) 政府面临的 ICT 供应链风险。工作组向联邦政府以及关键基础设施的私营部门所有者和运营商提供有关评估和管理与 ICT 供应链相关的风险的方法的建议和推荐。
物料管理计划快速指南
材料管理规划是一项旨在指导县级材料管理的计划，重点是增加可持续做法，例如回收和堆肥，以及确保安全的处置方案。这些材料可以包括食物垃圾、庭院剪草、可回收物、其他源分离材料和固体废物。第 115 部分制定了全州的回收目标和标准，MMP 将确定实现这些目标的实施策略。MMP 将确定现有的材料管理设施和实现计划目标所需的设施，确定管理其产生的材料所需的能力，以及开发新设施和所需设施的选址过程。
编织可扩展物料清单 (xBOM) 结构
国防部 (DOD) 对物料清单 (BOM) 的兴趣可以追溯到 1955 年，当时指令 (DODI) 4210 规定了获取物料清单的一般政策和程序（国防部指令 4210.8，1955 年）。1972 年，该指令进行了更新，增加了适用于所有国防部组件、军事和供应部门的附加术语、定义和规定（国防部指令 4210.8，1972 年）。根据指令的定义，物料清单是从承包商处获得的正式声明，用于指定和描述生产或制造产品、组件或子组件所需的材料数量（国防部指令 4210.8，1972 年）。物料清单中包含的信息对于制定当前和动员材料需求以支持国防、战略和关键材料储备以及工业准备规划是必需的。
自动化物料处理解决方案
近年来，物料搬运行业发生了重大变化，服务提供商之间的合并、收购、整合、合资和合作激增。领先的叉车公司丰田工业于 2017 年收购 Vanderlande 和 Bastian Solutions，进入全球自动化物料搬运市场，凯傲集团于 2016 年收购 Dematic，这些都是从事物料搬运并扩大其在自动化内部物流领域影响力的公司的典范。美的集团（中国）于 2016 年收购库卡和 Swisslog，潍柴动力（中国）随着时间的推移逐渐增持凯傲集团股份，表明人们对该行业的持续兴趣。SSI SCHAEFER 是一家源自德国的私营公司，于 2021 年成为 SAP 物流专家 SWAN GmbH 的大股东；和大福株式会社（日本）于 2019 年收购了印度的 Vega Conveyors and Automation。所有这些活动都体现了整个行业的转变。
……的供应链分析与物料需求预测
本出版物是联合研究中心 (JRC) 的一份政策科学报告，JRC 是欧盟委员会的科学和知识服务机构。它旨在为欧洲政策制定过程提供基于证据的科学支持。本出版物的内容不一定反映欧盟委员会的立场或意见。欧盟委员会或代表委员会行事的任何人均不对本出版物的使用负责。有关本出版物中使用的数据的方法和质量的信息，这些数据的来源既不是欧盟统计局也不是其他委员会服务机构，用户应联系引用的来源。地图上使用的名称和材料的呈现并不意味着欧盟对任何国家、领土、城市或地区或其当局的法律地位，或对其边界或边界的划定发表任何意见。联系信息 GROW-CRM@ec.europa.eu 欧盟科学中心 https://joint-research-centre.ec.europa.eu JRC132889 EUR 31437 EN
物料处理中的人工智能：机器如何……
简介 人工智能 (AI) 技术和工具曾经只是科幻电影的素材，如今已被全球各行各业广泛接受和实施。从新概念到具有无数经过验证的实际应用的有价值的商业工具这一过程最近才发生，并且仍在快速发展。在本文中，作者使用了麻省理工学院运输和物流中心的 Daniel Merchán 博士提出的人工智能的广义定义：人工智能是机器执行与人类思维相关的认知功能的能力，由一组计算技术组成，旨在感知、学习、推理和采取适当的行动。人工智能已被广泛记录在文献中，作为一种降低成本、增加收入和提高资产利用率的方法。1 在人工智能的其他子集中，机器学习 (ML)（本质上是机器使用过去数据构建能够对未来数据进行预测的模型的能力）已被证明对预测性供应链建模有效。因此，人工智能和机器学习解决方案在所有行业尤其是供应链管理领域越来越受欢迎也就不足为奇了。全球分析公司 RELX 最近的研究表明，整个商业领域人工智能技术的整体实施连续第三年增加。RELX 跟踪人工智能的崛起，报告使用人工智能技术的商业领袖数量从 2019 年的 72% 和 2018 年的 48% 上升到 81%。全球研究公司麦肯锡的 2020 年年度报告《人工智能现状》发现，50% 的受访者组织至少在一项职能中采用了人工智能。该公司还报告称，71% 的公司预计在短期至中期内将增加对 AI 的投资（2018 年）。具体来说，在供应链领域，2019 年麦肯锡调查的 76% 受访者同意供应链管理将从采用 AI 中受益匪浅。该公司认为，供应链管理/制造是 AI 将产生最大影响的功能领域之一，包括潜在的 1.2 万亿至 2 万亿美元的价值（2019 年）。然而，AI 在供应链中的整体渗透率仍然相对较低。MHI 在 2020 年调查的供应链专业人士中，只有 12% 表示他们目前正在运营中使用人工智能，而 60% 的人预计未来五年内会这样做。在商业中采用人工智能的驱动因素已在文献中得到充分审查。这为供应链从业者留下了充足的空间来探索人工智能的潜在优势，并作为早期采用者拥抱这项技术。人工智能在研究和实践中的重要性日益增加 研究公司德勤在其《2020 年企业人工智能状况》报告中指出，人工智能技术的采用者继续对人工智能推动价值和优势的能力充满信心，几乎所有人工智能采用者都在使用人工智能来提高效率，而成熟的采用者也在利用这些技术来提升差异化。主要吸引力可以简洁地归类为以下几类：创造竞争优势、推出和改进新产品、降低成本和改善运营。2
通过正确的物料清单配置改善汽车行业的供应链
摘要 有效的供应链管理方法需要整体性和综合性，以避免全球供应链各层级之间的效率低下。为了实现这一目标，供应链主管和决策者需要在集中式规划方法和分散式规划方法之间做出权衡。本文开发了一种混合方法，其中只对关键产品进行集中规划，而将非关键产品留给多级供应链的本地工厂自主决策。为了验证所提出的规划模型的优势，以汽车行业的复杂供应链为试验台，其中还介绍了自上而下（从成品到原材料）和自下而上（从原材料到成品）方法之间的比较。对涉及六个关键性标准的全因子设计进行了方差分析测试，结果表明，与完全集中式方法相比，所提出的选择模型将系统规模减少了 10-30%，而与自下而上的方法相比，自上而下的方法导致关键子系统在产品数量方面缩小了约 5-10%。 1. 简介 有效的供应链管理被广泛认为是几乎所有工业领域制造公司成功和盈利的关键问题（Fan 和 Stevenson 2018 年，Pero 等人 2021 年）。供应链可以看作是一个设施网络，负责采购材料、将材料转化为中间产品或成品以及将成品分发给客户（Heragu 等人 2019 年，Norrman 和 Wieland 2020 年，Rossi 等人 2021 年）。