3 Τρόποι με τους οποίους η Μηχανική Μάθηση Μεταμορφώνει τη Βιομηχανία Logistics

Οι εταιρείες logistics χρησιμοποιούν τεχνητή νοημοσύνη και μηχανική μάθηση για να εξασφαλίσουν τα καλύτερα αποτελέσματα και να διατηρήσουν την παραγωγικότητα στο υψηλότερο επίπεδο, να λάβουν καλύτερες επιχειρηματικές αποφάσεις, και να παραμείνουν ανταγωνιστικές. Η σημασία της ΤΝ στη βιομηχανία αυτή είναι τεράστια. Υπολογίζεται ότι τις επόμενες 20 χρόνια, οι εταιρείες θα αποκτήσουν μεταξύ 1,3 τρισεκ. και 2 τρισεκ. δολαρίων ετησίως σε οικονομική αξία χάρη σε αυτήν την προηγμένη τεχνολογία στη производία και τις παγκόσμιες αλυσίδες εφοδιασμού.

Εάν ακόμη αναρωτιέστε πώς η ΤΝ και η μηχανική μάθηση μπορούν να βοηθήσουν την επιχείρησή σας, δείτε κάποιες ενδιαφέρουσες περιπτώσεις χρήσης και αποφασίστε εάν αυτή είναι η λύση για εσάς.

1. Λογισμικό Προγραμματισμού Δρομολογίου με βάση την ΤΝ

​​Η επιλογή του βέλτιστου δρομολογίου, η προγραμματισμός διακοπών για τους οδηγούς και η αποφυγή των πιο πολυσύχναστων και επικίνδυνων μονοπατιών είναι μόνο κάποιες από τις πολλές προκλήσεις που αποτελούν μέρος της καθημερινής εργασίας στη βιομηχανία logistics.

Σύμφωνα με τη Goldman Sachs (GS ), όταν μιλάμε για την παράδοση μόνο 25 πακέτων, οι πιθανές διαδρομές φτάνουν γύρω στα 15 τρισεκατομμύρια. Και εδώ είναι όπου η μηχανική μάθηση έρχεται για να σώσει την κατάσταση. Το λογισμικό προγραμματισμού δρομολογίου με βάση τη μηχανική μάθηση μπορεί να αναλύσει όλες τις επιλογές για να επιλέξει την βέλτιστη λύση σε όρους κόστους, εφαρμοστέων προθεσμιών και απροσδόκητων οδικών συμβάντων που απαιτούν άμεσες αποφάσεις.

Βάσει μεγάλων συνόλων δεδομένων που παρέχονται στο σύστημα, όπως πληροφορίες σχετικά με την αποδοτικότητα του καυσίμου, πιθανές τροχαίες συμφόρες ή εμποδισμό, μέγεθος οχήματος και πρόγραμμα εργασίας άλλων οδηγών, αλγόριθμοι βελτιστοποίησης δρομολογίου σε πραγματικό χρόνο καθορίζουν τη βέλτιστη διαδρομή για τους οδηγούς. Είναι βασισμένα στο cloud, οπότε όλες οι πληροφορίες παρέχονται σε πραγματικό χρόνο και μπορούν να προσεγγιστούν από διανομείς, οδηγούς, διευθυντές και άλλους υπαλλήλους, όπως οι διαχειριστές λογαριασμών, για να διατηρήσουν τους πελάτες ενημερωμένους σχετικά με την αναμενόμενη ώρα παράδοσης.

Βάσει μηχανικής μάθησης, το λογισμικό βελτιστοποίησης δρομολογίου μπορεί να φέρει πολλά οφέλη στην επιχείρησή σας, όπως:

• Βελτιωμένη εμπειρία πελάτη: Με πιο ακριβείς εκτιμήσεις χρόνου παράδοσης, οι πελάτες θα είναι πιο ικανοποιημένοι με τις υπηρεσίες σας και πιο πιθανό να σας δώσουν θετικά σχόλια. Τι πιο σημαντικό, μπορείτε επίσης να εισαγάγετε ειδοποιήσεις για μια επικείμενη παράδοση μέσω email ή SMS.
• Εκταμίευση κόστους: Ένα από τα κύρια οφέλη της μηχανικής μάθησης είναι συνήθως η εξοικονόμηση χρόνου και χρημάτων. Αυτό ισχύει εδώ, поскольку το λογισμικό βελτιστοποίησης δρομολογίου παρακολουθεί την κατανάλωση καυσίμου και προτείνει τις πιο οικονομικές διαδρομές.
• Παρακολούθηση της απόδοσης των οδηγών: Ένα σύστημα cloud που βασίζεται στη μηχανική μάθηση σας βοηθά να επιβλέψετε την εργασία των υπαλλήλων σας και να βεβαιωθείτε ότι εκτελούν τις εργασίες τους με αξιοπιστία. Μπορείτε επίσης να βεβαιωθείτε ότι ακολουθούν τους οδικούς κανόνες και το πρόγραμμα εργασίας τους. Επιπλέον, η γνώση ότι οι διευθυντές έχουν πρόσβαση σε αυτές τις πληροφορίες μπορεί να αυξήσει την αποτελεσματικότητα και την παραγωγικότητα των υπαλλήλων.
• Παρακολούθηση KPI: Με την ενημέρωση για βασικές πληροφορίες όπως χρόνος ταξιδιού, κόστος καυσίμου και παραγωγικότητα των υπαλλήλων, μπορείτε να παρακολουθήσετε καλύτερα την απόδοση της εταιρείας σας και να αντιδράσετε πιο γρήγορα αν κάποιο στοιχείο χρειάζεται βελτίωση.

Ένα πραγματικό παράδειγμα όπου η αλγοριθμική βελτιστοποίηση δρομολογίου βελτίωσε τα έσοδα στη βιομηχανία logistics είναι αυτή η μελέτη περίπτωσης από τη McKinsey. Ο πελάτης τους ήταν μια ασιατική εταιρεία logistics που ζήτησε από την εταιρεία τεχνολογίας να λύσει το πρόβλημα της αντιστοίχισης της προσφοράς στόλου και διαδρομών με τις απαιτήσεις των πελατών.

Πώς το πέτυχαν;

Πρώτα, η ομάδα της McKinsey συγκέντρωσε όλα τα απαραίτητα δεδομένα σχετικά με τις διαδικασίες τους για να βρει τυχόν προβλήματα που χρειάζονται βελτίωση. Αναλύθηκαν βασικές πληροφορίες όπως τοποθεσίες πελατών, τοποθεσίες κέντρων, και πόρους στόλου. Αυτές οι πληροφορίες τους επέτρεψαν να δημιουργήσουν ένα μοντέλο βελτιστοποίησης δρομολογίου που δημιουργεί προσωποποιημένα προγράμματα για όλα τα οχήματα. Με αυτή τη λύση, μπόρεσαν να βελτιώσουν τη διαχείριση σε πολλές περιοχές, λαμβάνοντας υπόψη παράγοντες όπως:

• Τύπος οχήματος
• Κόστος εκμετάλλευσης
• Μέγιστες εκφορτώσεις
• Χρόνος ταξιδιού

Τι ήταν πίσω από την επιτυχία τους;

Ήταν και η εμπειρία και τα state-of-the-art αλγόριθμοι μηχανικής μάθησης που χρησιμοποίησαν για να δημιουργήσουν αυτή τη λύση. Για παράδειγμα, χρησιμοποίησαν το μοντέλο NOAH (Optimal Cart Pick) για να δημιουργήσουν οπτικούς οδηγούς στις ημερήσιες χάρτες των διαδρομών. Επιπλέον, παρείχαν μια εφαρμογή για κινητά που δείχνει δεδομένα σε πραγματικό χρόνο, καθιστώντας την εργασία πιο εύκολη και για τους διανομείς και τους οδηγούς.

Ως αποτέλεσμα, η λύση τους μειώνει τα κόστη κατά 3,6% και αυξάνει τις αποδοτικότητες του δικτύου line-haul, οδηγώντας σε αύξηση κερδών 16%.

2. Chatbots στη Logistics

Γνωρίζετε ότι τόσο πολλά όσο το 97% των ανθρώπων λένε ότι η κακή εξυπηρέτηση πελατών έχει επίδραση στις προθέσεις αγοράς τους; Ωστόσο, μια άλλη πηγή λέει ότι 36% των πελατών παραμένουν απογοητευμένοι από την αποτυχία των εταιρειών να απαντήσουν σε απλές ερωτήσεις τους.

Αυτά τα δεδομένα δείχνουν τη σημασία της ύπαρξης ενός chatbot για να απαντήσει στους πελάτες άμεσα για να σώσει χρόνο και να βελτιώσει την εμπειρία του πελάτη. Οι εικονικοί βοηθοί χρησιμοποιούν φυσική επεξεργασία γλώσσας για να μιλήσουν με τους ανθρώπους σε μια συνομιλία, συνήθως ακριβώς στην αρχική σελίδα της εταιρείας. Είναι κατασκευασμένοι με αλγόριθμους που μπορούν να αναγνωρίσουν την ερώτηση που ζητείται και στη συνέχεια να αντιστοιχίσουν την απάντηση σε αυτή. Υποθέστε ότι ένας χρήστης ζητά μια ακατανοητή ερώτηση για την οποία δεν υπάρχει απάντηση στη βάση δεδομένων. Σε αυτή την περίπτωση, ο chatbot προσπαθεί να αντιστοιχίσει μια από τις “fallback” απαντήσεις ή να μάθει новые μοτίβα από τον πελάτη για να χρησιμοποιήσει αυτές τις πληροφορίες την επόμενη φορά που θα ζητηθεί μια παρόμοια ερώτηση.

Ένας chatbot έχει μια ορισμένη ποσότητα γνώσεων για μια εταιρεία και τα προϊόντα ή τις υπηρεσίες της. Μπορεί να χρησιμοποιήσει τις βάσεις δεδομένων του ή να αντλήσει πληροφορίες από εξωτερικές πηγές. Ο εικονικός σύμβουλος απαντάει σε ερωτήσεις και διεξάγει την συνομιλία από μόνος του, κατευθύνοντας τη συνομιλία σε θέματα που σχετίζονται με τις δραστηριότητες της εταιρείας ή προτείνει μια επίσκεψη σε μια σχετική σελίδα.

5 Κλειδιά Οφέλη των Chatbots

Ακόμη δεν είστε βέβαιοι ότι οι chatbots είναι μια καλή λύση για την επιχείρησή σας; Απλώς δείτε πέντε κλειδιά οφέλη της εφαρμογής τους σε μια εταιρεία logistics

1. Άμεσες Απαντήσεις 24/7/365

Στις εταιρείες logistics, η επικοινωνία με τον πελάτη είναι κρίσιμη. Για παράδειγμα, η DHL προσφέρει τρεις διαφορετικές φόρμες επικοινωνίας:

• Email στην υπηρεσία πελατών
• Τηλεφωνική επικοινωνία
• Chatbot 24/7

Ο chatbot επιτρέπει στους πελάτες να λαμβάνουν άμεσες πληροφορίες σχετικά με την κατάσταση αποστολής, τιμολόγιο, την αναμενόμενη ώρα παράδοσης ενός πακέτου και άλλα.

Γιατί είναι σημαντικό;

Σήμερα, 77% των ανθρώπων περιμένουν να λαμβάνουν άμεσες απαντήσεις από την online συνομιλία οποιαδήποτε στιγμή της ημέρας ή της νύχτας. Οι chatbots μπορούν να εργάζονται όλο το 24ωρο, ακόμη και όταν οι υπαλλήλους σας δεν εργάζονται (πλέον, δεν θα είναι ποτέ κουρασμένοι).

Η εφαρμογή ενός chatbot που είναι πάντα διαθέσιμος βελτιώνει σημαντικά την εμπειρία του χρήστη. Για παράδειγμα, με τον chatbot Helmi που δημιουργήθηκε από την GetJenny, η Fondation για τη Φοιτητική Στέγαση στη Περιοχή του Ελσίνκι σημείωσε αύξηση του συνολικού σκορ ικανοποίησης πελατών από 4,11 σε 4,26.

2. Καλύτερη Πλοήγηση Ιστοσελίδας

Γνωρίζετε ότι 34% των πελατών είναι απογοητευμένοι από τη δυσχερή πλοήγηση της ιστοσελίδας;

Οι chatbots μπορούν να λύσουν αυτό το πρόβλημα βοηθώντας τους επισκέπτες να πλοηγηθούν στην ιστοσελίδα και να βρουν γρήγορα τις πληροφορίες που τους ενδιαφέρουν. Βοηθούν στην δημιουργία μιας θετικής εικόνας του brand και προσωπικής εμπειρίας πελάτη. Έτσι, αν σας αρέσει να χτίζετε ικανοποίηση και πιστότητα του brand μεταξύ των πελατών σας, ένας chatbot μπορεί να είναι ένα εξαιρετικό πρώτο βήμα.

Ένα ενδιαφέρον παράδειγμα chatbot που σας βοηθά να βρείτε όλες τις πληροφορίες για ένα προϊόν είναι ο chatbot Alex, διαθέσιμος στην ιστοσελίδα Intellexer Summarizer. Όταν ρωτήσετε μια ερώτηση, θα λάβετε ένα μήνυμα με einen σύνδεσμο σε μια σελίδα όπου μπορείτε να βρείτε πληροφορίες που σας ενδιαφέρουν.

Πηγή: https://summarizer.intellexer.com/

Για να δημιουργήσετε ένα τέτοιο bot, δεν χρειάζεται να παρέχετε και να εξαγάγετε πολλά δεδομένα. Απλώς χρειάζεται να επεξεργαστείτε το περιεχόμενο της ιστοσελίδας για να το παρέχετε σε μια κατάλληλη μορφή. Στη συνέχεια, να分离σετε τις πληροφορίες σχετικά με το περιεχόμενο της σελίδας και τα δεδομένα για να δημιουργήσετε μια λογική ροή της συνομιλίας. Επιπλέον, οι chatbots είναι συνεχώς στην διαδικασία μάθησης, οπότε όσο περισσότερες ερωτήσεις λαμβάνουν, τόσο πιο ακριβείς θα είναι οι απαντήσεις τους. Συχνά, αυτό το είδος chatbot είναι η πρώτη λύση AI που επιλέγουν οι εταιρείες.

3. Βοήθεια Παράδοσης

Οι εικονικοί βοηθοί μπορούν να είναι η πρώτη επαφή με τους πελάτες και να λαμβάνουν αιτήσεις παράδοσης από αυτούς. Όπως και άλλες λύσεις AI, μπορούν να ανακουφίσουν τους υπαλλήλους σας από πολλές επαναλαμβανόμενες εργασίες, όπως η συλλογή πληροφοριών παραγγελίας. Τι πιο σημαντικό, μπορούν επίσης να εκτελέσουν άμεσα αιτήσεις παράδοσης που σχετίζονται με τους πελάτες, όπως η αποστολή τιμολογίου για μια παραγγελία ή η ενημέρωση σχετικά με την κατάσταση παράδοσης.

4. Ολοκληρωμένη Υποστήριξη Υπαλλήλων

Οι chatbots μπορούν να βοηθήσουν τους υπαλλήλους σας με πολλούς τρόπους, από την εργασία γραφείου μέχρι την τοποθέτηση παραγγελιών και την επεξεργασία πληρωμών. Μπορούν να λαμβάνουν ή να συμπληρώνουν έγγραφα όπως τιμολόγια ή αιτήσεις πληρωμής και πολλά άλλα. Και όταν τα μηχανήματα χρειάζονται ανθρώπινη βοήθεια, στέλνουν ένα μήνυμα στους ανθρώπινους υπαλλήλους για να κάνουν το σωστό επόμενο βήμα.

Σύμφωνα με τον Bas Vogels, επιβλέπων και εκπαιδευτής της ομάδας εξυπηρέτησης πελατών της DHL: “Οι υπαλλήλους έχουν πολύ περισσότερο χρόνο να giải quyết σύνθετα προβλήματα πελατών και να αποτρέψουν την εκτόξευση. Το ποσοστό ικανοποίησης των υπαλλήλων έχει επίσης αυξηθεί enormemente.”

5. Παράδοση σε Πραγματικό Χρόνο

Στη logistics, ο χρόνος παράδοσης και πραγματικός χρόνος πληροφόρησης σχετικά με την κατάσταση μιας παραγγελίας είναι κρίσιμα. Οι chatbots θα διασφαλίσουν ότι οι πελάτες σας δεν θα πρέπει να περιμένουν για μια απάντηση. Ένα πραγματικό παράδειγμα αυτής της λύσης είναι η μελέτη περίπτωσης από τη RoboRobo. Δημιουργήσανε ένα bot για την RPL που ενημερώνει τους πελάτες σχετικά με την κατάσταση της παραγγελίας τους. Ο chatbot επιτρέπει στους πελάτες της RPL να παρακολουθούν την τοποθεσία του πακέτου τους και να μάθουν πότε θα παραδοθεί.

Οι chatbots μπορούν να χρησιμοποιηθούν σε πολλούς χώρους, όχι μόνο στην ιστοσελίδα. Όλο και περισσότερες εταιρείες επιλέγουν chatbots που είναι διαθέσιμοι στο Facebook, Skype, WhatsApp και άλλα κανάλια.

3. Λύση Προβλημάτων Δρομολογίου και Συσσώρευσης στις Λειτουργίες Αποθήκης

Ένα άλλο έργο που η τεχνητή νοημοσύνη εκπληρώνει στη logistics είναι η ανάπτυξη των πιο αποτελεσματικών μεθόδων για τη ροή των αγαθών τόσο στην αποθήκη όσο και στη φάση διανομής.

Συστήματα διαχείρισης αποθήκης με βάση την ΤΝ μπορούν να καταγράψουν όλες τις δραστηριότητες και τις διαδικασίες που λαμβάνουν χώρα στην αποθήκη. Το λογισμικό αναλύει τα ιστορικά δεδομένα που συλλέγονται και τα χρησιμοποιεί για να σχεδιάσει πώς το χρησιμοποιούμενο εξοπλισμό (ρομπότ και αυτόματα και ημι-αυτόματα συστήματα) θα χειριστούν τις φόρτες. Ιδιαίτερα χρήσιμο εδώ μπορεί να είναι η βαθιά μάθηση, προβλεπτική ανάλυση, υπολογιστική όραση και λογισμικό αναγνώρισης προϊόντων που μπορούν να βοηθήσουν στην αναγνώριση αντικειμένων στην αποθήκη και να κάνουν εκτεταμένη προβλέψη των ενεργειών που θα χρειαστούν.

Ένα από τα κύρια αντικείμενα των αλγορίθμων μηχανικής μάθησης είναι να βοηθήσουν τους ανθρώπους με μονότονες αλλά δύσκολες εργασίες. Στη βιομηχανία logistics και παραγωγής μια από αυτές τις εργασίες είναι η δρομολόγηση, η οποία μπορεί επίσης να υποστηριχθεί από τις μηχανές.

Ένα ενδιαφέρον παράδειγμα είναι η λύση που δημιουργήθηκε από την Nvidia (NVDA ) για τη Zalando, einen γίγαντα του e-commerce, η οποία έχει χιλιάδες νέες παραγγελίες κάθε ώρα. Η λύση AI που βασίζεται στη μηχανική μάθηση τους επέτρεψε να λύσουν δύο προβλήματα.

​​1. Μείωση του Χρόνου Δρομολογίου

Ετοίμασαν μια λύση που επιτρέπει τον έλεγχο της αποθήκης με ένα “σκαλοπάτι” διάταξης (που σημαίνει ότι όλα τα προϊόντα αποθηκεύονται σε ράφια τοποθετημένα σε πολλές σειρές με διαδρόμους). Δεδομένου ότι ένας εργαζόμενος πρέπει να ανακτήσει προϊόντα που βρίσκονται σε διαφορετικά τμήματα της αποθήκης, το σύστημα προτείνει τη συντομότερη δυνατή διαδρομή μέσα στην αποθήκη που επιτρέπει την ανάκτηση όλων των αναγκαίων αντικειμένων.

Οι dévelopπεurs της Nvidia δημιούργησαν τον αλγόριθμο OCaPi (Optimal Cart Pick) που βρίσκει την βέλτιστη περιήγηση για τον εργαζόμενο και ακόμη και για τις κινήσεις του καροτσιού του εργαζομένου. Αυτό επέτρεψε στους εργαζόμενους της Zalando να σταματήσουν να χρησιμοποιούν την εύρεση S-σχήματος και να σχεδιάσουν μια πιο βέλτιστη διαδρομή.

2. Λύση του Προβλήματος Συσσώρευσης

Στη Zalando, όλες οι παραγγελίες πρέπει να ανατεθούν σε μια λίστα παραγγελιών. Όταν η λίστα είναι ολοκληρωμένη, τα προϊόντα συσκευάζονται για τον πελάτη.

Οι dévelopπεurs της Nvidia προσπάθησαν να δημιουργήσουν μια λύση που επιτρέπει να επιτύχουν το άθροισμα των χρόνων ταξιδιού για όλες τις λίστες παραγγελιών όσο το δυνατόν μικρότερο, με την υπόθεση ότι ένας εργαζόμενος μπορεί να χωρέσει μόνο 10 αντικείμενα στο καρότσι. Αναλύθηκαν περιηγήσεις OCaPi για δέκα παραγγελίες δύο πραγμάτων για να βρουν τις πιο αποτελεσματικές διαιρέσεις των παραγγελιών σε λίστες παραγγελιών.

Ποίες Τεχνολογίες Μπορούν να Μειώσουν Αυτά τα Προβλήματα;

Μια κλειδί τεχνολογία που χρησιμοποιείται σε αυτά τα έργα είναι ο αλγόριθμος OCaPi — μια高度 μη γραμμική συνάρτηση που επέτρεψε στους développeurs να υπολογίσουν τον χρόνο ταξιδιού, λαμβάνοντας υπόψη τις θέσεις ανάκτησης. Αυτή η λύση τους έδειξε ότι το ταξίδι εξαρτάται κυρίως από τον χρόνο που διαρκεί η ανάκτηση ενός αντικειμένου από την πίσω γωνία, που βρίσκεται μακριά από όλα τα άλλα προϊόντα.

Για να κάνουν την εκτίμηση του χρόνου ταξιδιού OCaPi ακόμη πιο γρήγορη, χρησιμοποίησαν το πλαίσιο αλγορίθμων Caffe και τη βιβλιοθήκη αλγορίθμων cuDNN της NVIDIA. Αυτό τους επέτρεψε να εκπαιδεύσουν τέσσερα μοντέλα παράλληλα για να βρουν μια πολύ ακριβή αρχιτεκτονική νευρωνικού δικτύου. Ως αποτέλεσμα, το σύστημά τους επέτρεψε στην εταιρεία να μειώσει τον χρόνο ταξιδιού ανά αντικείμενο που ανακτώνται περίπου 11%.

ΣUCH λυσεις με βάση τη μηχανική μάθηση επιτρέπουν στις εταιρείες να:

• Αυξήσουν την παραγωγικότητα
• Ταχυνοποιήσουν τους χρόνους ανάκτησης παραγγελιών, με αποτέλεσμα την αύξηση της ικανοποίησης των πελατών
• Αυξήσουν την ικανοποίηση των υπαλλήλων της οποίας η εργασία υποστηρίζεται από έξυπνες λύσεις
• Βελτιώσουν την ημερήσια ρουτίνα
• Εξαλείψουν ανθρώπινους λάθους, καθώς ο υπολογισμός της διαδρομής είναι γρηγορότερος και πιο ακριβής από ότι αν ένας άνθρωπος το έκανε.