3 Cara Machine Learning Mengubah Industri Logistik

Perusahaan logistik menggunakan kecerdasan buatan dan machine learning untuk memastikan hasil terbaik dan menjaga produktivitas pada tingkat tertinggi, membuat keputusan bisnis yang lebih baik, dan mempertahankan kesadaran akan persaingan. Pentingnya AI dalam industri ini sangat besar. Diperkirakan bahwa dalam 20 tahun ke depan, perusahaan akan memperoleh antara $1,3 triliun dan $2 triliun per tahun dalam nilai ekonomi berkat teknologi canggih ini dalam manufaktur dan rantai pasokan global.

Jika Anda masih bertanya-tanya bagaimana AI dan machine learning dapat membantu bisnis Anda, lihat beberapa kasus penggunaan yang menarik dan putuskan apakah ini adalah solusi untuk Anda.

1. Perangkat Lunak Perencanaan Rute Berbasis AI

​​Memilih rute optimal, merencanakan istirahat untuk pengemudi, dan menghindari jalur yang paling ramai dan berbahaya hanya beberapa tantangan yang merupakan bagian dari pekerjaan sehari-hari di industri logistik.

Menurut Goldman Sachs (GS ), ketika kita berbicara tentang mengirimkan hanya 25 paket, rute yang mungkin mencapai sekitar 15 triliun triliun. Dan inilah di mana machine learning datang untuk menyelamatkan. Perangkat lunak perencanaan rute berbasis ML dapat menganalisis semua opsi untuk memilih solusi optimal dalam hal biaya, batas waktu yang berlaku, dan kejadian jalan yang tidak terduga yang memerlukan keputusan segera.

Berdasarkan set data besar yang disediakan untuk sistem, seperti informasi tentang efisiensi bahan bakar, kecelakaan lalu lintas atau halangan, ukuran kendaraan, dan jadwal kerja pengemudi lain, algoritma optimasi rute waktu nyata menentukan rute terbaik untuk pengemudi. Mereka berbasis cloud, sehingga semua informasi disediakan dalam waktu nyata dan dapat diakses oleh dispatcher, pengemudi, manajer, dan karyawan lain, seperti manajer akun, untuk menjaga pelanggan tetap diberitahu tentang waktu pengiriman yang diharapkan.

Berdasarkan machine learning, perangkat lunak optimasi rute dapat membawa banyak manfaat bagi bisnis Anda, seperti:

• Pengalaman pelanggan yang ditingkatkan: Dengan perkiraan waktu pengiriman yang lebih akurat, pelanggan akan lebih puas dengan layanan Anda dan lebih mungkin memberikan umpan balik positif. Apa lagi, Anda juga dapat memperkenalkan pemberitahuan tentang pengiriman yang akan datang melalui email atau SMS.
• Penghematan biaya: Salah satu keuntungan utama dari machine learning adalah penghematan waktu dan biaya. Ini berlaku di sini, karena sistem optimasi rute memantau konsumsi bahan bakar dan menyarankan rute yang paling hemat biaya.
• Pemantauan kinerja pengemudi: Sistem berbasis cloud yang menggunakan machine learning membantu Anda untuk mengawasi pekerjaan karyawan Anda dan memastikan mereka melakukan tugas mereka dengan andal. Anda juga dapat memastikan mereka mengikuti aturan jalan dan jadwal kerja. Selain itu, kesadaran bahwa manajer memiliki akses ke informasi ini dapat meningkatkan efisiensi dan produktivitas karyawan.
• Pelacakan KPI: Dengan wawasan ke dalam informasi kunci seperti waktu perjalanan, biaya bahan bakar, dan produktivitas karyawan, Anda dapat memantau kinerja perusahaan Anda dengan lebih baik dan bereaksi lebih cepat jika ada elemen yang perlu ditingkatkan.

Salah satu contoh nyata di mana optimasi rute algoritmik meningkatkan pendapatan di industri logistik adalah studi kasus dari McKinsey. Klien mereka adalah perusahaan logistik Asia yang meminta perusahaan teknologi untuk memecahkan masalah mereka dalam mencocokkan pasokan armada dan rute dengan kebutuhan pelanggan.

Bagaimana mereka mencapai ini?

Pertama, tim McKinsey mengumpulkan semua data penting tentang proses mereka untuk menemukan masalah yang dapat ditingkatkan. Mereka menganalisis informasi penting seperti lokasi pelanggan, lokasi hub, dan sumber daya armada. ​​Informasi ini memungkinkan mereka untuk membangun model optimasi rute yang menghasilkan jadwal khusus untuk semua kendaraan. Dengan solusi ini, mereka dapat meningkatkan manajemen di banyak area, mempertimbangkan faktor-faktor seperti:

• Jenis kendaraan
• Biaya utilitas
• Muatan maksimum
• Waktu perjalanan

Apa yang ada di balik kesuksesan mereka?

Itu adalah pengalaman dan algoritma Machine Learning canggih yang mereka gunakan untuk membangun solusi ini. Misalnya, mereka menggunakan model Algoritma Optimasi Jaringan (NOAH) untuk membangun panduan visual dalam peta harian rute. Selain itu, mereka menyediakan aplikasi seluler yang menampilkan data waktu nyata, membuat pekerjaan menjadi lebih mudah bagi dispatcher dan pengemudi.

Akibatnya, solusi mereka mengurangi biaya sebesar 3,6% dan meningkatkan efisiensi jaringan pengiriman sebesar 16%.

2. Chatbot di Logistik

Apakah Anda tahu bahwa sebanyak 97% orang mengatakan bahwa layanan pelanggan yang buruk berdampak pada niat belanja mereka? Namun, sumber lain mengatakan bahwa 36% pelanggan masih merasa frustrasi dengan kegagalan perusahaan untuk merespons pertanyaan sederhana mereka.

Data ini menunjukkan pentingnya memiliki chatbot untuk merespons pelanggan segera untuk menghemat waktu dan meningkatkan pengalaman pelanggan. Asisten virtual menggunakan pemrosesan bahasa alami untuk berbicara dengan orang-orang dalam obrolan, biasanya langsung di halaman depan perusahaan. Mereka dibangun dengan algoritma yang dapat mengenali pertanyaan yang diajukan dan kemudian mencocokkan jawaban untuk itu. Jika pengguna mengajukan pertanyaan yang tidak jelas yang tidak ada jawabannya dalam database, maka chatbot mencoba mencocokkan salah satu jawaban “fallback” atau belajar pola baru dari pelanggan untuk menggunakan informasi ini pada pertanyaan serupa berikutnya.

Sebuah chatbot memiliki sejumlah pengetahuan tentang perusahaan dan produk atau layanannya. Ini dapat menggunakan database atau mengambil informasi dari sumber eksternal. Asisten virtual menjawab pertanyaan dan mengarahkan percakapan itu sendiri, mengarahkan percakapan ke topik terkait kegiatan perusahaan atau menyarankan kunjungan ke halaman terkait.

5 Manfaat Utama Chatbot

Masih belum yakin bahwa chatbot adalah solusi yang baik untuk bisnis Anda? Cukup lihat lima manfaat utama dari mengimplementasikan mereka dalam perusahaan logistik.

1. Respon Segera 24/7/365

Di perusahaan logistik, kontak pelanggan sangat penting. Misalnya, DHL menawarkan tiga bentuk kontak yang berbeda:

• Email ke layanan pelanggan
• Kontak telepon
• Chatbot 24/7

Chatbot memungkinkan pelanggan mendapatkan informasi instan tentang status pengiriman, harga, waktu pengiriman paket yang diharapkan, dan lain-lain.

Mengapa ini penting?

Hari ini, 77% orang mengharapkan untuk mendapatkan respon segera dari obrolan online kapan saja sepanjang hari atau malam. Chatbot dapat bekerja sepanjang waktu, bahkan ketika karyawan Anda tidak bekerja (plus, mereka tidak akan pernah lelah).

Mengimplementasikan chatbot yang selalu tersedia secara signifikan meningkatkan pengalaman pengguna. Misalnya, dengan chatbot Helmi yang dibuat oleh GetJenny, Yayasan Pemukiman Mahasiswa di Wilayah Helsinki mencatat peningkatan skor kepuasan layanan pelanggan secara keseluruhan dari 4,11 menjadi 4,26.

2. Navigasi Situs yang Lebih Baik

Apakah Anda tahu bahwa 34% pelanggan merasa frustrasi dengan navigasi situs yang sulit?

Chatbot dapat menyelesaikan masalah ini dengan membantu pengunjung menavigasi situs dan dengan cepat menemukan informasi yang mereka minati. Mereka membantu Anda menciptakan citra merek positif dan pengalaman pelanggan yang dipersonalisasi. Jadi, jika Anda peduli dengan membangun kepuasan dan kesetiaan merek di antara pelanggan Anda, chatbot dapat menjadi langkah pertama yang sangat baik.

Contoh menarik dari chatbot yang membantu Anda menemukan semua informasi tentang produk adalah chatbot Alex, yang tersedia di situs Intellexer Summarizer. Ketika Anda mengajukan pertanyaan, Anda akan menerima pesan dengan tautan ke halaman di mana Anda dapat menemukan informasi yang menarik.

Sumber: https://summarizer.intellexer.com/

Untuk membuat bot seperti itu, Anda tidak perlu menyediakan dan mengekstrak banyak data. Anda hanya perlu memproses konten situs untuk menyajikannya dalam bentuk yang sesuai. Kemudian, Anda memisahkan informasi tentang konten halaman dan data untuk membuat aliran logis percakapan. Selain itu, chatbot terus belajar, sehingga semakin banyak pertanyaan yang mereka terima, semakin akurat jawaban mereka akan menjadi. Seringkali, jenis chatbot ini adalah solusi AI pertama yang dipilih oleh perusahaan.

3. Bantuan Pengiriman

Asisten virtual dapat menjadi kontak pertama dengan pelanggan dan menerima permintaan pengiriman dari mereka. Seperti solusi AI lainnya, mereka dapat meringankan karyawan Anda dari banyak tugas berulang, seperti mengumpulkan informasi pesanan. Apa lagi, mereka juga dapat segera mengeksekusi permintaan pengiriman yang terkait dengan pelanggan, seperti mengirimkan faktur untuk pesanan atau memberitahu tentang status pengiriman.

4. Dukungan Komprehensif untuk Karyawan

Chatbot dapat membantu karyawan Anda dalam banyak cara, dari tugas administratif hingga pemesanan dan pengolahan pembayaran. Mereka dapat menerima atau mengisi dokumen seperti faktur atau permintaan pembayaran, dan banyak lagi. Dan ketika mesin memerlukan bantuan manusia, mereka mengirimkan pesan kepada pekerja manusia untuk melakukan langkah berikutnya.

Menurut Bas Vogels, supervisor dan pelatih tim layanan pelanggan DHL: “Karyawan memiliki lebih banyak waktu untuk menyelesaikan pertanyaan pelanggan yang kompleks dan mencegah eskalasi. Tingkat kepuasan karyawan juga meningkat secara luar biasa.”

5. Pelacakan Pengiriman Waktu Nyata

Di logistik, waktu pengiriman dan informasi waktu nyata tentang status pesanan sangat penting. Chatbot akan memastikan pelanggan Anda tidak perlu menunggu untuk mendapatkan respons. Contoh nyata dari solusi ini adalah studi kasus dari RoboRobo. Mereka membuat bot untuk RPL yang memberitahu pelanggan tentang status pesanan mereka. Chatbot memungkinkan pelanggan RPL untuk memantau lokasi paket mereka dan mengetahui kapan paket itu akan dikirim.

Chatbot dapat digunakan di banyak tempat, tidak hanya di situs web. Semakin banyak perusahaan yang memilih chatbot yang tersedia di Facebook, Skype, WhatsApp, dan saluran lain.

3. Menyelesaikan Masalah Rute Pemilih dan Pengelompokan di Operasi Gudang

Tugas lain yang kecerdasan buatan penuhi dalam logistik adalah mengembangkan metode yang paling efisien untuk aliran barang baik di gudang dan di fase distribusi.

Sistem manajemen gudang berbasis AI dapat merekam semua kegiatan dan proses yang terjadi di gudang. Perangkat lunak menganalisis data historis yang dikumpulkan dan menggunakannya untuk merencanakan bagaimana peralatan yang digunakan (robot dan sistem otomatis dan semi-otomatis) akan menangani muatan. Terutama berguna di sini dapat pembelajaran dalam, analitik prediktif, pengenalan pola, dan perangkat lunak pengenalan produk yang dapat membantu mengenali objek di gudang dan membuat peramalan yang diperluas tentang tindakan apa yang akan diperlukan.

Salah satu tujuan utama dari algoritma machine learning adalah membantu orang dengan tugas yang monoton tetapi sulit. Di industri logistik dan manufaktur, salah satu tugas ini adalah rute pemilih, yang juga dapat didukung oleh mesin.

Contoh menarik dari ini adalah solusi yang dibuat oleh Nvidia (NVDA ) untuk Zalando, raksasa e-commerce, yang memiliki ribuan pesanan baru setiap jam. Solusi AI mereka memungkinkan untuk menyelesaikan dua masalah.

​​1. Mengurangi Waktu Rute Pemilih

Mereka menyiapkan solusi yang memungkinkan kontrol gudang dengan tata letak “tangga tali” (yang berarti bahwa semua produk disimpan di rak yang ditempatkan dalam beberapa baris dengan lorong). Mengingat bahwa seorang pekerja perlu mengambil produk yang disimpan di bagian gudang yang berbeda, sistem menyarankan rute terpendek yang memungkinkan untuk mengambil semua item yang diperlukan.

Pengembang Nvidia menciptakan algoritma OCaPi (Optimal Cart Pick) yang menemukan tur optimal untuk pekerja dan bahkan untuk gerakan kereta dorong pekerja. Ini memungkinkan pekerja Zalando untuk berhenti menggunakan heuristik rute S-bentuk dan merencanakan rute yang lebih optimal.

2. Menyelesaikan Masalah Pengelompokan

Di Zalando, semua pesanan harus diberi label ke daftar pilih. Ketika daftar selesai, produk dikemas untuk pelanggan.

Pengembang Nvidia berusaha membuat solusi yang memungkinkan untuk mencapai jumlah waktu perjalanan yang sekecil mungkin, dengan asumsi bahwa seorang pekerja hanya dapat memuat 10 item ke dalam kereta dorong. Mereka menganalisis tur OCaPi untuk sepuluh pesanan dua item untuk menemukan pemisahan paling efisien dari pesanan ke dalam daftar pilih.

Apa Teknologi yang Dapat Mengurangi Masalah Ini?

Teknologi kunci yang digunakan dalam proyek ini adalah algoritma OCaPi — fungsi nonlinier yang sangat tinggi yang memungkinkan pengembang untuk menghitung waktu perjalanan, mempertimbangkan posisi pengambilan yang berbeda. Solusi ini menunjukkan kepada mereka bahwa perjalanan sebagian besar tergantung pada waktu yang dihabiskan untuk mengambil item dari sudut belakang, yang ditempatkan jauh dari semua produk lain.

Untuk membuat estimasi waktu perjalanan OCaPi lebih cepat, mereka menggunakan kerangka kerja jaringan saraf Caffe dan perpustakaan jaringan saraf konvolusional NVIDIA cuDNN. Ini memungkinkan mereka untuk melatih empat model secara paralel untuk menemukan arsitektur jaringan saraf yang sangat akurat. Sebagai hasilnya, sistem mereka memungkinkan perusahaan untuk mengurangi waktu perjalanan per item yang dipilih sekitar 11%.

Solusi berbasis machine learning seperti ini memungkinkan perusahaan untuk:

• Meningkatkan produktivitas
• Mempercepat waktu pengambilan pesanan, yang menghasilkan kepuasan pelanggan yang lebih tinggi
• Meningkatkan kepuasan karyawan yang pekerjaannya didukung oleh solusi cerdas
• Meningkatkan alur kerja harian karyawan
• Menghilangkan kesalahan manusia karena perhitungan rute lebih cepat dan akurat daripada jika dilakukan oleh manusia.