3 τρόποι με τους οποίους η μηχανική μάθηση μεταμορφώνει τη βιομηχανία Logistics

Εταιρείες εφοδιαστικής χρησιμοποιούν της τεχνητής νοημοσύνης και της μηχανικής μάθησης για να εξασφαλίσετε τα καλύτερα αποτελέσματα για να διατηρήσετε την παραγωγικότητα στο υψηλότερο επίπεδο, βελτιώστε Επιχειρηματικές αποφάσεις, και συμβαδίζει με τον ανταγωνισμό. Η σημασία της τεχνητής νοημοσύνης σε αυτόν τον κλάδο είναι τεράστια. Υπολογίζεται ότι μέσα στα επόμενα 20 χρόνια θα προκύψουν εταιρείες μεταξύ 1.3 και 2 τρισεκατομμυρίων δολαρίων το χρόνο σε οικονομική αξία χάρη σε αυτή την προηγμένη τεχνολογία στην κατασκευή και παγκόσμιες αλυσίδες εφοδιασμού. 

Αν ακόμα αναρωτιέστε πώς AI και μηχανική μάθηση μπορεί να βοηθήσει την επιχείρησή σας, ρίξτε μια ματιά σε μερικά συναρπαστικά περιπτώσεις χρήσης και αποφασίστε αν αυτή είναι η λύση για εσάς.

1. Λογισμικό Σχεδιασμού Διαδρομών Βασισμένο σε AI

Η επιλογή της βέλτιστης διαδρομής, ο προγραμματισμός διαλειμμάτων για τους οδηγούς και η αποφυγή των πιο πολυσύχναστων και επικίνδυνων μονοπατιών είναι μερικές μόνο από τις πολλές προκλήσεις που αποτελούν μέρος της καθημερινής εργασίας στον κλάδο της εφοδιαστικής. 

Σύμφωνα με την Goldman Sachs, όταν μιλάμε για παράδοση μόλις 25 πακέτων, πιθανές διαδρομές φτάνουν περίπου τα 15 τρισεκατομμύρια τρισεκατομμύρια. Και εδώ είναι που μάθηση μηχανής έρχεται στη διάσωση. Το λογισμικό σχεδιασμού διαδρομής που βασίζεται σε ML μπορεί να αναλύσει όλες τις επιλογές για να επιλέξει τη βέλτιστη λύση όσον αφορά το κόστος, τις ισχύουσες προθεσμίες και τα απροσδόκητα οδικά συμβάντα που απαιτούν άμεσες αποφάσεις.

Βασισμένο στο μεγάλα σύνολα δεδομένων παρέχονται στο σύστημα, όπως πληροφορίες σχετικά με την απόδοση καυσίμου, πιθανά τροχαία ατυχήματα ή εμπόδια, το μέγεθος του οχήματος και τα προγράμματα εργασίας άλλων οδηγών, σε πραγματικό χρόνο βελτιστοποίηση διαδρομής αλγόριθμοι καθορίσει την καλύτερη διαδρομή για τους οδηγούς. Βασίζονται σε σύννεφο, επομένως όλες οι πληροφορίες παρέχονται στο σε πραγματικό χρόνο και μπορούν να έχουν πρόσβαση σε διεκπεραιωτές, οδηγούς, διαχειριστές και άλλους υπαλλήλους, όπως διαχειριστές λογαριασμών, για να ενημερώνουν τους πελάτες σχετικά με τον αναμενόμενο χρόνο παράδοσης.

Βασισμένο στο μάθηση μηχανής, βελτιστοποίηση διαδρομής Το λογισμικό μπορεί να αποφέρει πολλά οφέλη στην επιχείρησή σας, όπως:

• βελτιωμένη εμπειρία πελάτη: Με πιο ακριβείς εκτιμήσεις χρόνου παράδοσης, οι πελάτες θα είναι πιο ικανοποιημένοι με την υπηρεσία σας και πιο πιθανό να σας δώσουν θετικά σχόλια. Επιπλέον, μπορείτε επίσης να εισάγετε ειδοποιήσεις σχετικά με μια επερχόμενη παράδοση μέσω email ή SMS. 
• Η εξοικονόμηση κόστους: Ένα από τα βασικά οφέλη του μάθηση μηχανής είναι συνήθως η εξοικονόμηση χρόνου και χρήματος. Αυτό ισχύει εδώ, όπως βελτιστοποίηση διαδρομής τα συστήματα παρακολουθούν την κατανάλωση καυσίμου και προτείνουν τις πιο οικονομικές διαδρομές. 
• Παρακολούθηση της απόδοσης του προγράμματος οδήγησης: Ένα σύστημα cloud που βασίζεται σε η μηχανική μάθηση βοηθά να επιβλέπετε την εργασία των υπαλλήλων σας και να βεβαιωθείτε ότι εκτελούν τα καθήκοντά τους αξιόπιστα. Μπορείτε επίσης να βεβαιωθείτε ότι τηρούν τους οδικούς κανόνες και το πρόγραμμα εργασίας τους. Επιπλέον, η επίγνωση ότι οι διευθυντές έχουν πρόσβαση σε αυτές τις πληροφορίες μπορεί να αυξήσει την αποτελεσματικότητα και την παραγωγικότητα των εργαζομένων.
• Παρακολούθηση KPI: Με πληροφορίες για βασικές πληροφορίες, όπως ο χρόνος ταξιδιού, το κόστος καυσίμων και η παραγωγικότητα των εργαζομένων, μπορείτε να παρακολουθείτε καλύτερα την απόδοση της εταιρείας σας και να αντιδράτε πιο γρήγορα εάν κάποιο στοιχείο χρειάζεται βελτίωση.

Ένα πραγματικό παράδειγμα όπου αλγοριθμικό βελτιστοποίηση διαδρομής βελτιωμένα έσοδα στην βιομηχανία logistics is αυτή η μελέτη περίπτωσης από τη McKinsey. Ο πελάτης τους ήταν μια ασιατική εταιρεία logistics που ζήτησε από την εταιρεία τεχνολογίας να λύσει το πρόβλημά της με την αντιστοίχιση προμήθειας στόλου και δρομολογίων με τις απαιτήσεις των πελατών.

Πώς το πέτυχαν αυτό;

Πρώτον, η ομάδα της McKinsey συνέλεξε όλα τα απαραίτητα δεδομένα σχετικά με τις διαδικασίες της για να βρει τυχόν προβλήματα προς βελτίωση. Ανέλυσαν ζωτικής σημασίας πληροφορίες, όπως τοποθεσίες πελατών, τοποθεσίες κόμβων και πόρους στόλου. Αυτές οι πληροφορίες τους επέτρεψαν να δημιουργήσουν ένα μοντέλο βελτιστοποίησης διαδρομής που δημιουργεί προσαρμοσμένα προγράμματα για όλα τα οχήματα. Με αυτή τη λύση, μπόρεσαν να βελτιώσουν τη διαχείριση σε πολλούς τομείς, λαμβάνοντας υπόψη παράγοντες όπως:

• Τύπος οχήματος
• Κόστος αξιοποίησης
• Μέγιστες φορτίσεις
• Χρόνος ταξιδιού

Τι κρυβόταν πίσω από την επιτυχία τους;

Ήταν τόσο η εμπειρία όσο και οι προηγμένοι αλγόριθμοι Machine Learning που χρησιμοποίησαν για την κατασκευή αυτής της λύσης. Για παράδειγμα, χρησιμοποίησαν το μοντέλο Network Optimization Algorithm (NOAH) για να δημιουργήσουν οπτικούς οδηγούς σε καθημερινούς χάρτες των διαδρομών. Επιπλέον, παρείχαν μια εφαρμογή για κινητά που εμφανίζει δεδομένα σε πραγματικό χρόνο, διευκολύνοντας την εργασία τόσο για τους αποστολείς όσο και για τους οδηγούς.

Ως αποτέλεσμα, η λύση τους μείωσε το κόστος κατά 3.6% και αύξησε την απόδοση του δικτύου γραμμών μεταφορών, γεγονός που οδήγησε σε αύξηση των κερδών κατά 16%.

2. Chatbots στα Logistics

Γνωρίζατε ότι όσοι Το 97% των ανθρώπων λέει ότι η κακή εξυπηρέτηση πελατών έχει αντίκτυπο στις αγοραστικές τους προθέσεις? Ωστόσο, μια άλλη πηγή το λέει αυτό 36% των πελατών εξακολουθούν να απογοητεύονται από την αποτυχία των εταιρειών να απαντήσουν στις απλές ερωτήσεις τους. 

Αυτά τα δεδομένα δείχνουν τη σημασία της ύπαρξης α chatbot να ανταποκρίνεται άμεσα στους πελάτες για εξοικονόμηση χρόνου και βελτίωση εμπειρία του πελάτη. Χρήση εικονικών βοηθών επεξεργασία φυσικής γλώσσας για να μιλήσετε με άτομα σε μια συνομιλία, συνήθως απευθείας στην αρχική σελίδα της εταιρείας. Είναι χτισμένα με αλγόριθμοι που μπορεί να αναγνωρίσει την ερώτηση που τέθηκε και στη συνέχεια να αντιστοιχίσει την απάντηση σε αυτήν. Ας υποθέσουμε ότι ένας χρήστης κάνει μια ακατανόητη ερώτηση για την οποία δεν υπάρχει απάντηση στη βάση δεδομένων. Σε αυτή την περίπτωση, το chatbot προσπαθεί να ταιριάξει μία από τις «εναλλακτικές» απαντήσεις ή να μάθει νέα μοτίβα από τον πελάτη για να χρησιμοποιήσει αυτές τις πληροφορίες την επόμενη φορά που θα γίνει μια παρόμοια ερώτηση. 

A chatbot έχει ένα ορισμένο ποσό 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 απαντά σε ερωτήσεις και διεξάγει ο ίδιος τη συνομιλία, κατευθύνοντας τη συζήτηση σε θέματα που σχετίζονται με τις δραστηριότητες της εταιρείας ή προτείνοντας μια επίσκεψη σε σχετική σελίδα.

5 Βασικά πλεονεκτήματα των Chatbots

Ακόμα δεν είμαι σίγουρος ότι chatbots είναι μια καλή λύση για την επιχείρησή σας; Απλώς ρίξτε μια ματιά σε πέντε βασικά οφέλη από την εφαρμογή τους σε α εταιρεία logistics.

1. Άμεσες Απαντήσεις 24/7/365

Στις εταιρείες logistics, η επαφή με τους πελάτες είναι ζωτικής σημασίας. Για παράδειγμα, η DHL προσφέρει τρεις διαφορετικές φόρμες επικοινωνίας:

• Email στην εξυπηρέτηση πελατών
• Τηλεφωνική επικοινωνία
• 24/7 chatbot

Το chatbot επιτρέπει στους πελάτες να λαμβάνουν άμεσες πληροφορίες σχετικά με την κατάσταση αποστολής, τιμολόγηση, τον αναμενόμενο χρόνο παράδοσης ενός πακέτου και πολλά άλλα.

Γιατί είναι σημαντικό?

Σήμερα, Το 77% των ανθρώπων αναμένει να λάβει άμεσες απαντήσεις από την ηλεκτρονική συνομιλία οποιαδήποτε στιγμή της ημέρας ή της νύχτας. Chatbots μπορεί να εργάζεται συνεχώς, ακόμη και όταν οι υπάλληλοί σας δεν εργάζονται (συν, δεν θα κουραστούν ποτέ). 

Η εφαρμογή ενός chatbot που είναι πάντα διαθέσιμο βελτιώνει σημαντικά την εμπειρία του χρήστη. Για παράδειγμα, με το Helmi chatbot που δημιουργήθηκε από την GetJenny, το Ίδρυμα για τη Φοιτητική Στέγαση στην Περιφέρεια του Ελσίνκι σημείωσε ένα αύξηση της συνολικής βαθμολογίας ικανοποίησης από την εξυπηρέτηση πελατών από 4.11 σε 4.26. 

2. Καλύτερη πλοήγηση στον ιστότοπο

Ξέρατε ότι Το 34% των πελατών είναι απογοητευμένο από τη δύσκολη πλοήγηση στον ιστότοπο? 

Chatbots μπορεί να λύσει αυτό το πρόβλημα βοηθώντας τους επισκέπτες να πλοηγηθούν στον ιστότοπο και να βρουν γρήγορα τις πληροφορίες που τους ενδιαφέρουν. Σας βοηθούν να δημιουργήσετε μια θετική εικόνα επωνυμίας και εξατομικευμένη εμπειρία πελάτη. Έτσι, εάν ενδιαφέρεστε για την οικοδόμηση ικανοποίησης και αφοσίωσης στην επωνυμία μεταξύ των πελατών σας, ένα chatbot μπορεί να είναι ένα εξαιρετικό πρώτο βήμα. 

Ένα ενδιαφέρον παράδειγμα ενός chatbot που σας βοηθά να βρείτε όλες τις πληροφορίες σχετικά με ένα προϊόν είναι το chatbot Alex, διαθέσιμο στο Intellexer Summarizer δικτυακός τόπος. Όταν του κάνετε μια ερώτηση, θα λάβετε ένα μήνυμα με έναν σύνδεσμο προς μια σελίδα όπου μπορείτε να βρείτε πληροφορίες που σας ενδιαφέρουν.

Για να δημιουργήσετε ένα τέτοιο bot, δεν χρειάζεται να παρέχετε και να εξαγάγετε πολλά δεδομένα. Απλώς χρειάζεται να επεξεργαστείτε το περιεχόμενο του ιστότοπου για να το παρέχετε σε κατάλληλη μορφή. Στη συνέχεια, διαχωρίζετε τις πληροφορίες σχετικά με το περιεχόμενο της σελίδας και τα δεδομένα για να δημιουργήσετε μια λογική ροή της συνομιλίας. Επιπλέον, τα chatbot μαθαίνουν συνεχώς, επομένως όσο περισσότερες ερωτήσεις λαμβάνουν, τόσο πιο ακριβείς θα γίνονται οι απαντήσεις τους. Συχνά, αυτός ο τύπος chatbot είναι η πρώτη λύση τεχνητής νοημοσύνης που επιλέγουν οι εταιρείες.

3. Βοήθεια παράδοσης

Οι εικονικοί βοηθοί μπορούν να είναι η πρώτη επαφή με τους πελάτες και να λαμβάνουν αιτήματα παράδοσης από αυτούς. Όπως και άλλες λύσεις τεχνητής νοημοσύνης, μπορούν να απαλλάξουν τους υπαλλήλους σας από πολλές επαναλαμβανόμενες εργασίες, όπως η συλλογή πληροφοριών παραγγελιών. Επιπλέον, μπορούν επίσης να εκτελέσουν άμεσα αιτήματα πελατών που σχετίζονται με την παράδοση, όπως η αποστολή τιμολογίου για μια παραγγελία ή η ενημέρωση για την κατάσταση παράδοσης.

4. Ολοκληρωμένη Υποστήριξη Εργαζομένων

Chatbots μπορεί να βοηθήσει τους υπαλλήλους σας με πολλούς τρόπους, από τη γραφειοκρατία μέχρι την υποβολή παραγγελιών έως την επεξεργασία πληρωμών. Μπορούν να λαμβάνουν ή να συμπληρώνουν έγγραφα όπως τιμολόγια ή αιτήματα πληρωμής και πολλά άλλα. Και όταν οι μηχανές χρειάζονται ανθρώπινη βοήθεια, στέλνουν ένα μήνυμα στους ανθρώπινους εργάτες να κάνουν το σωστό επόμενο βήμα. 

Σύμφωνα με τον Bas Vogels, επόπτης και εκπαιδευτής της ομάδας εξυπηρέτησης πελατών της DHL: «Οι εργαζόμενοι έχουν πολύ περισσότερο χρόνο για να διευθετήσουν περίπλοκες ερωτήσεις πελατών και να αποτρέψουν κλιμάκωση. Το ποσοστό ικανοποίησης των εργαζομένων έχει επίσης αυξηθεί πάρα πολύ».

5. Παρακολούθηση αποστολής σε πραγματικό χρόνο

Σε logistics, χρόνο παράδοσης και σε πραγματικό χρόνο πληροφορίες σχετικά με την κατάσταση μιας παραγγελίας είναι ζωτικής σημασίας. Chatbots θα βεβαιωθείτε ότι οι πελάτες σας δεν χρειάζεται να περιμένουν απάντηση. Ένα πραγματικό παράδειγμα αυτής της λύσης είναι η μελέτη περίπτωσης από RoboRobo. Δημιούργησαν ένα bot για την RPL που ενημερώνει τους πελάτες για την κατάσταση της παραγγελίας τους. Το chatbot επιτρέπει στους πελάτες της RPL να παρακολουθούν την τοποθεσία του πακέτου τους και να μαθαίνουν πότε θα παραδοθεί.

Cκαπελάκια μπορεί να χρησιμοποιηθεί σε πολλά μέρη, όχι μόνο σε έναν ιστότοπο. Όλο και περισσότερες εταιρείες επιλέγουν chatbots διαθέσιμο στο Facebook, το Skype, το WhatsApp και άλλα κανάλια.

3. Επίλυση προβλημάτων δρομολόγησης και παρτίδας επιλογής στις λειτουργίες αποθήκης

Άλλο ένα έργο που τεχνητή νοημοσύνη πληροί στα logistics είναι η ανάπτυξη των πιο αποτελεσματικών μεθόδων για τη ροή των αγαθών τόσο στην αποθήκη όσο και στη φάση της διανομής.

Με βάση την τεχνητή νοημοσύνη διαχείριση αποθήκης τα συστήματα μπορούν να καταγράφουν όλες τις δραστηριότητες και διαδικασίες που λαμβάνουν χώρα στην αποθήκη. Το λογισμικό αναλύει το ιστορικά δεδομένα συλλέγεται και το χρησιμοποιεί για να σχεδιάσει πώς ο εξοπλισμός που χρησιμοποιείται (ρομπότ και αυτόματα και ημιαυτόματα συστήματα) θα χειριστεί τα φορτία. Ιδιαίτερα χρήσιμο εδώ μπορεί να είναι βαθιά μάθηση, αναλυτικές προβλέψεις, όραση υπολογιστή και λογισμικό αναγνώρισης προϊόντων που μπορεί να βοηθήσει στην αναγνώριση αντικειμένων στην αποθήκη και στην επέκταση πρόβλεψη ποιες ενέργειες θα χρειαστούν.

Ένας από τους κύριους στόχους του αλγόριθμους μηχανικής μάθησης είναι να βοηθάς ανθρώπους με μονότονες αλλά δύσκολες εργασίες. Στα logistics και μεταποιητική βιομηχανία μία από αυτές τις εργασίες είναι η δρομολόγηση picker, την οποία μπορούν επίσης να υποστηρίξουν τα μηχανήματα. 

Ένα συναρπαστικό παράδειγμα αυτού είναι τη λύση που δημιούργησε η Nvidia για τη Zalando, έναν κολοσσό του ηλεκτρονικού εμπορίου, που έχει χιλιάδες νέες παραγγελίες κάθε ώρα. Η λύση που βασίζεται σε AI επέτρεψε την επίλυση δύο προβλημάτων.

1. Μείωση χρόνου δρομολόγησης επιλογέα

Ετοίμασαν μια λύση που επιτρέπει τον έλεγχο της αποθήκης με διάταξη «σκάλας σχοινιού» (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 μέρη της αποθήκης, το σύστημα προτείνει τη συντομότερη δυνατή διαδρομή στην αποθήκη που επιτρέπει τη συλλογή όλων των ειδών που χρειάζονται. 

Οι προγραμματιστές της Nvidia δημιούργησαν τον αλγόριθμο OCaPi (Optimal Cart Pick) που βρίσκει τη βέλτιστη περιήγηση επιλογής για τον εργαζόμενο και ακόμη και για τις κινήσεις του καροτσιού του εργάτη. Επέτρεψε στους εργαζομένους του Zalando να εγκαταλείψουν τη χρήση της ευρετικής δρομολόγησης σχήματος S και να σχεδιάσουν μια πιο βέλτιστη διαδρομή.

2. Επίλυση του προβλήματος παρτίδων

Στο Zalando, όλες οι παραγγελίες πρέπει να αντιστοιχιστούν σε μια λίστα επιλογής. Όταν ολοκληρωθεί η λίστα, τα προϊόντα συσκευάζονται για τον πελάτη.

Οι προγραμματιστές της Nvidia προσπάθησαν να φτιάξουν μια λύση που επιτρέπει την επίτευξη του αθροίσματος των χρόνων ταξιδιού για όλες τις λίστες επιλογής όσο το δυνατόν μικρότερη, υποθέτοντας ότι ένας εργαζόμενος μπορεί να χωρέσει μόνο 10 αντικείμενα στο καλάθι. Ανέλυσαν τις περιηγήσεις επιλογής OCaPi για δέκα παραγγελίες δύο πραγμάτων για να βρουν τους πιο αποτελεσματικούς διαχωρισμούς παραγγελιών σε λίστες επιλογής.

Ποιες τεχνολογίες μπορούν να μειώσουν αυτά τα προβλήματα;

Μια βασική τεχνολογία που χρησιμοποιείται σε αυτά τα έργα είναι ο αλγόριθμος OCaPi — μια εξαιρετικά μη γραμμική συνάρτηση που επέτρεπε στους προγραμματιστές να υπολογίζουν τον χρόνο ταξιδιού, λαμβάνοντας υπόψη τις διαφορετικές θέσεις παραλαβής. Αυτή η λύση τους έδειξε ότι τα ταξίδια εξαρτώνται κυρίως από τον χρόνο που αφιερώνουν για την επιλογή ενός αντικειμένου από την πίσω γωνία, τοποθετημένο μακριά από όλα τα άλλα προϊόντα. 

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

Τέτοιος μάθηση μηχανής-Οι βασισμένες λύσεις επιτρέπουν στις εταιρείες να:

• Αυξήστε την παραγωγικότητα
• Επιταχύνετε τους χρόνους παραλαβής παραγγελιών, με αποτέλεσμα την αυξημένη ικανοποίηση των καταναλωτών
• Αύξηση της ικανοποίησης των εργαζομένων των οποίων η εργασία υποστηρίζεται από έξυπνες λύσεις
• Βελτιώστε τον εργαζόμενο καθημερινά ροής εργασίας
• Εξαλείψτε το ανθρώπινο λάθος, καθώς ο υπολογισμός της διαδρομής είναι πιο γρήγορος και ακριβής από ό,τι αν το έκανε κάποιος άνθρωπος.