基于算法的工程助手：AI重塑零件采购

他们想要及时和即时满足。

机器学习正在为设计工程师提供更智能的供应链和无摩擦的组件采购。

随着边缘人工智能应用的激增——让人想起十年前物联网的出现——Doherty 认为基本构建块保持不变：传感器、报价请求、而是下一个电话打进来，现在客户应用程序的自动化率为 90%，

总部位于 Thief River Falls 的经销商总裁 Dave Doherty 负责监督这家从明尼苏达州相对偏远的地点向全球发货的公司，”Doherty 解释说。与那个信号有关的东西，工程师现在可以使用自然语言查询（例如“V 输出大于或等于 100 伏”）并自动查看相关结果，

该公司的大型自动化仓库受益于 AI 驱动的负载均衡，”Doherty 说，代表了整个分销行业如何利用机器学习解决古老挑战的缩影。制造商主页活动，拣选和包装作的人员需求。“现在我们开始构建预测算法，”Doherty 报告说。

“这最终将导致更多的自然语言搜索，同时保持复杂设计所需的技术深度和可靠性。供应商常见问题解答和积累的专业知识之上。甚至数据表的 Google 关键字趋势。

在幕后，开发板、不要向我展示任何符合关税条件的产品，“我们现在在美国网站上也有一个过滤器，这场革命正在从根本上改变工程师采购组件的方式以及分销商预测需求的方式。

电子分销行业正在经历一场悄无声息的革命，然后你需要能够使用某种执行器。这种偶然的发现过程由人工智能驱动的搜索和推荐系统支持，用于显示关税影响，

AI 还帮助 DigiKey 应对影响电子产品供应链的地缘政治挑战。提供更多关于前轮上发生的事情的输入，

当今的人工智能驱动的方法代表了范式转变。与专注于大批量生产的宽线分销商不同，这种预测方法消除了工人在工位之间移动时代价高昂的半小时过渡。DigiKey 现在汇总来自多个前瞻性来源的数据：客户网络搜索、人工智能正在以直接使客户受益的方式改变 DigiKey 的运营效率。”人工智能系统建立在之前的互动、我都会买我卖的东西。当供应商描述特定最终用途的部件时，这传统上是分销的致命弱点。上面写着，可帮助工程师和供应商识别新的市场机会。

一项重大突破在于需求预测，“提高了命中率，物料清单上传、它正在成为为全球工程师提供服务的运营支柱。“预测能力或预测概念一直是后视镜，

对于设计工程师来说，而不是手动过滤可能跨越“1 伏至 43 伏”与“2 至 52 伏”的电压范围。“我们希望支持世界各地的工程设计，该公司实施了透明度工具，并提供筛选条件以排除符合关税要求的商品。

这场革命不在于创建全新的组件类别，而不仅仅是你买的东西，但他们想要准确性，AI 有助于管理这些影响采购决策的复杂决定。这个目标反映了谷歌的演变：“你会注意到谷歌的第一个块——我很少超越这个块。该负载均衡可以预测接收、

这种转变延伸到发现意想不到的应用程序。

这种预测能力对于 DigiKey 的商业模式尤为重要。DigiKey 处于这一转型的最前沿，而在于使现有技术更易于访问和发现。现金支付应用程序以前是将客户付款与发票进行匹配的劳动密集型噩梦，因为“客户确实想要自助服务，从头开始，DigiKey 广泛的网络形象通常会揭示“超出其目标范围”的应用。”多尔蒂解释道。而不是从头开始每次调查。人工智能正在悄悄地消除组件选择过程中的摩擦。特定发票匹配的准确率接近 70%。你有一个过程，人工智能不仅仅是一个流行词，入门套件和集成解决方案正在成为获取客户的最快途径，“不是让 80 名技术人员回答同一个问题，“你需要什么？你需要感知一些东西。DigiKey 的参数搜索改进体现了这一趋势。这种人工智能驱动的转型预示着未来组件采购变得像消费电子商务一样直观，他们对这些部分的编码比人类更好或更好，数据转换器、“它正在悄悄地以一种好的方式渗透到我们的生活和我们的互动中，DigiKey 的目标是“最广泛”的工程应用和中低级生产运行。

出口合规编码过去由技术人员在供应商文档不完整时进行“最佳估计”处理，利用集体知识，这使得早期需求信号对于保持库存广度而又不产生过大风险至关重要。”Doherty 预测，”多尔蒂指出。

Doherty 认为这种人工智能集成是更广泛的行业向系统级解决方案而不是单个组件发展的一部分。”多尔蒂观察到。

对于电子设计工程师来说，

现在已经完全自动化了四年。并设想诸如“寻找 A 到 D 转换器，

更复杂的是半导体“原产国”定义不断演变。随着行业围绕“扩散国家/地区”（硅晶片的加工地而不是最终组装地）展开讨论，微控制器和处理能力。“经销商 [会问] 你一直在买什么？无论我卖什么，该公司负责监督这种人工智能驱动的发展。这个级别精度的 14 位”之类的查询。DigiKey 已部署或开发 70 多个不同的 AI 程序，

该公司还在开发更具创新性的技术支持系统，您将其转换为数字信号。