3 maneres en què l'aprenentatge automàtic està transformant la indústria de la logística

Empreses de logística estan utilitzant intel·ligència artificial i aprenentatge automàtic per garantir els millors resultats per mantenir la productivitat al seu nivell més alt, millorar decisions empresarials, i estar al dia de la competència. La importància de la IA en aquesta indústria és enorme. Es calcula que en els propers 20 anys, les empreses derivaran entre 1.3 bilions de dòlars i 2 bilions de dòlars anuals en valor econòmic gràcies a aquesta tecnologia avançada en la fabricació i cadenes de subministrament mundials. 

Si encara et preguntes com IA i aprenentatge automàtic pot ajudar el vostre negoci, feu una ullada a alguns interessants casos d'ús i decidiu si aquesta és la solució per a vosaltres.

1. Programari de planificació de rutes basat en IA

Escollir la ruta òptima, planificar les pauses per als conductors i evitar els camins més concorreguts i perillosos són només alguns dels molts reptes que formen part del treball diari a la indústria logística. 

Segons Goldman Sachs, quan parlem de lliurar només 25 paquets, les rutes possibles arriben a uns 15 bilions de bilions. I aquí és on màquina d'aprenentatge ve al rescat. El programari de planificació de rutes basat en ML pot analitzar totes les opcions per triar la solució òptima en termes de costos, terminis aplicables i esdeveniments de carretera inesperats que requereixen decisions immediates.

Basat en grans conjunts de dades proporcionada al sistema, com ara informació sobre l'eficiència del combustible, possibles accidents o obstruccions de trànsit, mida del vehicle i horaris de treball d'altres conductors, en temps real optimització de la ruta algoritmes determinar la millor ruta per als conductors. Estan basats en núvol, de manera que es proporciona tota la informació en temps real i poden accedir-hi els despatxadors, conductors, gestors i altres empleats, com ara gestors de comptes, per mantenir els clients informats sobre el termini de lliurament previst.

Basat en màquina d'aprenentatge, optimització de la ruta El programari pot aportar molts beneficis al vostre negoci, com ara:

• Millorat Experiència del client: Amb estimacions de temps de lliurament més precises, els clients estaran més satisfets amb el vostre servei i més propensos a donar-vos comentaris positius. A més, també podeu introduir notificacions sobre un lliurament proper per correu electrònic o SMS. 
• Estalvi de costos: Un dels avantatges clau de màquina d'aprenentatge sol ser l'estalvi de temps i diners. Això és cert aquí, com optimització de la ruta Els sistemes controlen el consum de combustible i suggereixen les rutes més rendibles. 
• Supervisa el rendiment del controlador: Un sistema de núvol basat en L'aprenentatge automàtic ajuda supervisar el treball dels seus empleats i assegurar-se que compleixen les seves funcions de manera fiable. També podeu assegurar-vos que segueixen les normes de circulació i el seu horari de treball. A més, ser conscient que els directius tenen accés a aquesta informació pot augmentar l'eficiència i la productivitat dels empleats.
• Seguiment de KPI: Amb la informació clau com ara el temps de viatge, els costos del combustible i la productivitat dels empleats, podeu controlar millor el rendiment de la vostra empresa i reaccionar més ràpidament si cal millorar algun element.

Un exemple de la vida real on és algorítmic optimització de la ruta millora dels ingressos a la indústria logística is aquest estudi de cas de McKinsey. El seu client era una empresa de logística asiàtica que va demanar a l'empresa tecnològica que resolgués el seu problema amb l'adaptació del subministrament i les rutes de la flota als requisits dels clients.

Com ho van aconseguir?

En primer lloc, l'equip de McKinsey va recopilar totes les dades essencials sobre els seus processos per trobar qualsevol problema a millorar. Van analitzar informació vital com ara les ubicacions dels clients, les ubicacions del centre i els recursos de la flota. Aquesta informació els va permetre construir un model d'optimització de rutes que genera horaris personalitzats per a tots els vehicles. Amb aquesta solució, van poder millorar la gestió en molts àmbits, tenint en compte factors com:

• Tipus de vehicle
• Cost d'utilització
• Càrregues màximes
• Temps de viatge

Què hi havia darrere del seu èxit?

Va ser tant l'experiència com els algorismes d'aprenentatge automàtic d'avantguarda que van utilitzar per crear aquesta solució. Per exemple, van utilitzar el model Network Optimization Algorithm (NOAH) per crear guies visuals en mapes diaris de les rutes. A més, van proporcionar una aplicació mòbil que mostra dades en temps real, facilitant el treball tant als despatxadors com als conductors.

Com a resultat, la seva solució va reduir els costos en un 3.6% i va augmentar l'eficiència de la xarxa de transport de línia, la qual cosa va comportar un augment dels beneficis del 16%.

2. Chatbots en Logística

Sabies que tants com? El 97% de la gent diu que un mal servei al client té un impacte en les seves intencions de compra? Tanmateix, un altre recurs ho diu 36% dels clients encara estan frustrats per la manca de resposta de les empreses a les seves preguntes senzilles. 

Aquestes dades mostren la importància de tenir un xat de xat respondre immediatament als clients per estalviar temps i millorar experiència del client. Ús d'assistents virtuals processament del llenguatge natural per parlar amb gent en un xat, normalment directament a la pàgina d'inici de l'empresa. Es construeixen amb algoritmes que pot reconèixer la pregunta que es fa i després relacionar-hi la resposta. Suposem que un usuari fa una pregunta incomprensible per a la qual no hi ha resposta a la base de dades. En aquest cas, el xat de xat intenta fer coincidir una de les respostes "de reserva" o aprendre nous patrons del client per utilitzar aquesta informació la propera vegada que es faci una pregunta similar. 

A xat de xat té un cert coneixement sobre una empresa i els seus productes o serveis. Pot utilitzar les seves bases de dades o extreure informació de fonts externes. L'assessor virtual respon les preguntes i dirigeix ​​la conversa per si mateix, dirigint la conversa a temes relacionats amb les activitats de l'empresa o suggerint una visita a una pàgina relacionada.

5 avantatges clau dels chatbots

Encara no n'estic segur xat de xat són una bona solució per al vostre negoci? Només heu de fer una ullada als cinc avantatges clau d'implementar-los en a empresa logística.

1. Respostes immediates 24/7/365

A les empreses de logística, el contacte amb el client és fonamental. Per exemple, DHL ofereix tres formularis de contacte diferents:

• Correu electrònic al servei d'atenció al client
• Contacte telefònic
• Chatbot 24/7

El chatbot permet als clients obtenir informació instantània sobre l'estat d'enviament, preus, el temps de lliurament previst d'un paquet i molt més.

Per què és important?

Avui en dia, El 77% de la gent espera obtenir respostes immediates des del xat en línia a qualsevol hora del dia o de la nit. Chatbots pot treballar tot el temps, fins i tot quan els vostres empleats no treballen (a més, mai es cansaran). 

La implementació d'un chatbot sempre disponible millora significativament l'experiència de l'usuari. Per exemple, amb el xatbot Helmi creat per GetJenny, la Fundació per a l'habitatge per a estudiants a la regió d'Hèlsinki va assenyalar un augment de la seva puntuació global de satisfacció del servei al client de 4.11 a 4.26. 

2. Millor navegació pel lloc web

Sabia vostè que El 34% dels clients es senten frustrats per la difícil navegació del lloc? 

Chatbots pot resoldre aquest problema ajudant els visitants a navegar pel lloc i a trobar ràpidament la informació que els interessa. L'ajuden a crear una imatge de marca positiva i una experiència de client personalitzada. Per tant, si us preocupa generar satisfacció i fidelitat a la marca entre els vostres clients, un chatbot pot ser un primer pas excel·lent. 

Un exemple interessant de chatbot que us ajuda a trobar tota la informació sobre un producte és el chatbot Alex, disponible a la Resum Intellexer lloc web. Quan li facis una pregunta, rebràs un missatge amb un enllaç a una pàgina on podràs trobar informació d'interès.

Per crear aquest bot, no cal que proporcioneu i extreu moltes dades. Només cal que processeu el contingut del lloc web per proporcionar-lo de forma adequada. A continuació, separeu la informació sobre el contingut de la pàgina i les dades per crear un flux lògic de la conversa. A més, els chatbots aprenen constantment, de manera que com més preguntes rebin, més precises seran les seves respostes. Sovint, aquest tipus de chatbot és la primera solució d'IA que opten les empreses.

3. Assistència al lliurament

Els assistents virtuals poden ser el primer contacte amb els clients i rebre sol·licituds de lliurament d'ells. Com altres solucions d'IA, poden alleujar els vostres empleats de moltes tasques repetitives, com ara recopilar informació de comandes. A més, també poden executar instantàniament les sol·licituds dels clients relacionades amb el lliurament, com ara enviar una factura per a una comanda o informar sobre l'estat del lliurament.

4. Suport integral als empleats

Chatbots pot ajudar els vostres empleats de moltes maneres, des de tràmits fins a fer comandes i processar pagaments. Poden rebre o omplir documents com ara factures o sol·licituds de pagament, i molts més. I quan les màquines necessiten ajuda humana, envien un missatge als treballadors humans perquè facin el següent pas correcte. 

Segons Bas Vogels, supervisor i formador de l'equip d'atenció al client de DHL: "Els empleats tenen molt més temps per resoldre preguntes complexes dels clients i evitar escalades. La taxa de satisfacció dels empleats també ha augmentat enormement".

5. Seguiment d'enviaments en temps real

En logística, terminis de lliurament i en temps real La informació sobre l'estat d'una comanda és crucial. Chatbots s'assegurarà que els vostres clients no hagin d'esperar una resposta. Un exemple real d'aquesta solució és l'estudi de cas de RoboRobo. Van crear un bot per a RPL que informa els clients sobre l'estat de la seva comanda. El chatbot permet als clients de RPL controlar la ubicació del seu paquet i saber quan serà lliurat.

Chatbots es pot utilitzar en molts llocs, no només en un lloc web. Cada cop hi ha més empreses que opten xat de xat disponible a Facebook, Skype, WhatsApp i altres canals.

3. Resolució de problemes d'encaminament i lots de Picker en operacions de magatzem

Una altra tasca que intel·ligència artificial compleix en logística és desenvolupar els mètodes més eficients per al flux de mercaderies tant en el magatzem com en la fase de distribució.

Basat en IA gestió de magatzems Els sistemes poden registrar totes les activitats i processos que tenen lloc al magatzem. El programari analitza el dades històriques recull i l'utilitza per planificar com els equips utilitzats (robots i sistemes automàtics i semiautomàtics) gestionaran les càrregues. Especialment útil aquí pot ser aprenentatge profund, analítica predictiva, visió per ordinador i programari de reconeixement de productes que pot ajudar a reconèixer objectes al magatzem i fer-los estesos predicció de quines accions seran necessàries.

Un dels principals objectius de algorismes d'aprenentatge automàtic és ajudar les persones amb tasques monòtones però difícils. En la logística i la indústria manufacturera una d'aquestes tasques és l'encaminament del selector, que les màquines també poden suportar. 

Un exemple apassionant d'això és la solució creada per Nvidia per a Zalando, un gegant del comerç electrònic, que té milers de noves comandes cada hora. La seva solució basada en IA va permetre resoldre dos problemes.

1. Reduint el temps d'encaminament del selector

Van preparar una solució que permetia el control del magatzem amb una disposició “escala de corda” (la qual cosa significa que tots els productes s'emmagatzemen en prestatgeries col·locades en diverses files amb passadissos). Atès que un treballador necessita recuperar productes situats en diferents parts del magatzem, el sistema suggereix el recorregut més curt possible per tot el magatzem que permeti recollir tots els articles necessaris. 

Els desenvolupadors de Nvidia van crear l'algoritme OCaPi (Optimal Cart Pick) que troba el recorregut de selecció òptim per al treballador i fins i tot per als moviments del carro del treballador. Va permetre als treballadors de Zalando deixar d'utilitzar l'heurística d'encaminament en forma de S i planificar una ruta més òptima.

2. Resolució del problema del lot

A Zalando, totes les comandes s'han d'assignar a una llista de selecció. Quan la llista està completa, els productes s'envasen per al client.

Els desenvolupadors de Nvidia van intentar fer una solució que permeti aconseguir la suma dels temps de viatge per a totes les llistes de selecció el més petita possible, suposant que un treballador només pot cabre 10 articles al carro. Van analitzar els recorreguts de recollida d'OCaPi per a deu comandes de dues coses per trobar les divisions més eficients de les comandes en llistes de selecció.

Quines tecnologies poden reduir aquests problemes?

Una tecnologia clau utilitzada en aquests projectes és l'algorisme OCaPi, una funció altament no lineal que va permetre als desenvolupadors calcular el temps de viatge, tenint en compte diferents posicions de recollida. Aquesta solució els va mostrar que els viatges depenen principalment del temps que es dediquen a escollir un article de la cantonada posterior, situat lluny de la resta de productes. 

Per fer que l'estimació del temps de viatge OCaPi sigui encara més ràpida, van utilitzar el marc de xarxa neuronal Caffe i la biblioteca de xarxes neuronals convolucionals cuDNN de NVIDIA. Els va permetre entrenar quatre models en paral·lel per trobar una arquitectura de xarxa neuronal molt precisa. Com a resultat, el seu sistema va permetre a l'empresa reduir el temps de viatge per article escollit en un 11%.

Tal màquina d'aprenentatgeLes solucions basades en -permeten a les empreses:

• Augmenta la productivitat
• Accelera els temps de recollida de comandes, augmentant la satisfacció del consumidor
• Augmentar la satisfacció dels empleats la feina dels quals es recolza en solucions intel·ligents
• Millora l'empleat diàriament flux de treball
• Elimineu l'error humà, ja que el càlcul de la ruta és més ràpid i precís que si ho fes un humà.