Bagaimana AI Secara Diam-diam Mengubah Logistik: Mengurangi Pemborosan dan Meningkatkan Margin

Sementara keuangan dan perawatan kesehatan menjadi berita utama karena merangkul AI, beberapa kasus penggunaan yang paling menguntungkan ada di jalan. Logistik adalah tulang punggung perdagangan global, dan para eksekutif mulai menyadarinya—pada tahun 2024, 90% pemimpin rantai pasokan mengatakan kemampuan teknologi merupakan faktor utama saat memilih mitra pengiriman barang. Alasannya? AI mengubah industri yang terkenal tidak efisien menjadi keunggulan bisnis atas pesaing.

Secara historis bergantung pada proses berbasis kertas, logistik telah menjadi titik buta bagi para pemimpin rantai pasokan. Kurangnya visibilitas ini memicu efek bullwhip: perubahan permintaan ritel kecil meningkat saat bergerak naik ke rantai pasokan, mencapai pemasok bahan baku. Ditambah dengan waktu tunggu yang lama, hal ini memaksa setiap tahap—ritel, grosir, distributor, dan produsen—untuk memesan secara berlebihan, yang memperburuk masalah.

Namun, mari kita bayangkan sejenak bahwa alih-alih memenuhi truk dan gudang dengan chip semikonduktor hanya untuk memenuhi permintaan PC yang menurun, logistik memiliki pelacakan waktu nyata dan visibilitas rantai pasokan. Bagaimana jika mereka dapat memprediksi fluktuasi permintaan dengan akurasi 99.9%? Dan menyediakan solusi logistik yang fleksibel seperti transportasi sesuai permintaan sebagai respons?

Dengan AI dan pembelajaran mesin, cita-cita ini mungkin tidak sejauh yang dipikirkan para pemimpin bisnis.

Visibilitas Rantai Pasokan Menjelaskan Hal yang Tidak Dapat Dijelaskan

Ketika ditanya ”Kemampuan teknologi freight forwarder mana yang menurut Anda paling berharga?”, 67% responden memilih pelacakan pengiriman waktu nyata.

Perangkat Internet of Things (IoT) merevolusi pelacakan kargo, menyediakan visibilitas terperinci dan peringatan waktu nyata tentang kondisi barang—penting untuk pengiriman yang sensitif terhadap waktu atau suhu terkontrol seperti makanan dan farmasi yang memiliki peraturan verifikasi ketat. Pemimpin rantai pasokan tidak hanya dapat mengetahui berapa banyak stok yang mereka miliki dan di mana lokasinya setiap saat, tetapi mereka juga dapat mempelajari kondisinya. Pengirim dapat memantau dan berbagi informasi tentang apakah barang panas, dingin, basah, atau kering, dan mereka dapat melihat apakah pintu, kotak, atau wadah lain sedang dibuka. Wawasan ini menjelaskan ketidaknormalan dengan barang makanan yang tiba dalam keadaan rusak, meminimalkan pemborosan di masa mendatang.

Beralih ke industri elektronik, perusahaan dapat meyakinkan pelanggan bahwa produk seperti motherboard laptop asli saat barang dilacak dan ditelusuri. Manajer gudang dan inventaris dapat memindai kode batang dan kode QR untuk melacak tingkat stok, atau menggunakan tag identifikasi frekuensi radio (RFID) yang ditempelkan pada objek untuk melacak aset bernilai tinggi tanpa perlu memindainya. Tag RFID yang lebih canggih menawarkan peringatan waktu nyata saat kondisi (seperti suhu) menyimpang dari ambang batas yang telah ditetapkan.

Visibilitas pada tingkat barang telah menjadi keharusan bagi pengirim dan mitra rantai pasokan mereka. Penyedia logistik harus cepat beradaptasi dengan gangguan dan perubahan permintaan dan visibilitas ini meningkatkan ketahanan. Wawasan ini memungkinkan bisnis untuk memiliki pandangan holistik terhadap inventaris dan membuat keputusan yang tepat secara real-time, mengurangi pemborosan dan meningkatkan pemanfaatan sumber daya.

Perkiraan Permintaan dan Waktu Pengerjaan yang Andal

Kegunaan sensor IoT jauh lebih luas daripada sekadar melacak barang dan memberikan informasi terbaru kepada pelanggan secara real-time. Sensor IoT menyediakan data yang mendorong algoritma peramalan permintaan.

Mengambil Koka kola, misalnya. Raksasa minuman ringan ini memanfaatkan IoT untuk memantau dan mengumpulkan data dari mesin penjual dan lemari esnya, melacak metrik waktu nyata untuk tingkat stok dan analisis preferensi konsumen. Hal ini memungkinkan Coca-Cola membuat prediksi yang tepat tentang permintaan untuk jenis dan rasa produk tertentu.

Perusahaan pengiriman barang semakin banyak menggunakan metode serupa untuk memprediksi volume pengiriman di jalur tertentu, yang memungkinkan mereka mengoptimalkan penyebaran armada dan memenuhi perjanjian tingkat layanan (SLA). Berita baik bagi bisnis karena mereka diuntungkan oleh waktu tunggu yang lebih andal, yang berarti biaya inventaris yang lebih rendah dan lebih sedikit kehabisan stok.

Ada dua cara utama perusahaan logistik menggunakan peramalan:

1. Jangka panjang (strategis): Untuk anggaran dan perencanaan aset (rencana 6 bulan hingga 3 tahun).
2. Jarak pendek (operasional): Paling berharga untuk logistik, memperkirakan transportasi angkutan darat hingga 14 hari sebelumnya, dan 1-12 minggu untuk pengiriman laut.

Misalnya, perusahaan kurir DPDgroup, Speedy, memprediksi permintaan dengan menggabungkan data pengiriman historis (ukuran paket, waktu pengiriman, perilaku pelanggan, dll.) dengan faktor eksternal seperti hari libur, puncak penjualan eceran (Black Friday), dll. Di bawah sistem baru, peramalan permintaan bertenaga AI memungkinkan Speedy untuk dengan cepat mengidentifikasi dan membatalkan perjalanan dan pengangkutan yang tidak perlu. Hal ini menyebabkan Pengurangan biaya hub-to-hub sebesar 25% dan peningkatan 14% dalam pemanfaatan armada. McKinsey menemukan hasil serupa dalam manajemen rantai pasokan, dengan alat peramalan mengurangi kesalahan sebesar 20 hingga 50%.

Penyesuaian Beban dan Kapasitas: Berhenti Mengangkut Udara

Uber Freight melaporkan pada tahun 2023 bahwa antara 20% dan 35% dari sekitar 175 miliar mil truk yang dikendarai di AS setiap tahun kemungkinan kosong—menguras anggaran bahan bakar dan tenaga kerja. Sekarang setelah AI, ML, dan teknologi digital twin menjadi arus utama, truk yang baru saja melakukan pengiriman di Dallas seharusnya tidak kembali ke Chicago. Platform pencocokan beban yang digerakkan AI menganalisis permintaan angkutan, ketersediaan truk, dan pola rute untuk memastikan setiap truk mengangkut dengan efisiensi maksimum.

Perusahaan logistik menggunakan informasi pengiriman yang dikumpulkan yang digunakan dalam alat peramalan permintaan (ukuran muatan, berat, dimensi, jenis—apakah mudah rusak, berbahaya, dll.) dan menganalisisnya secara silang dengan kapasitas mereka. Analisis yang didukung AI dapat meninjau ukuran, fitur, lokasi, dan ketersediaan truk, beserta peraturan jam kerja pengemudi, untuk menghubungkan pengirim dan operator secara real-time. Teknologi digital twin berpotensi membawa hal ini ke tahap yang lebih jauh, dengan mensimulasikan skenario virtual untuk memastikan kecocokan yang optimal.

Misalnya, seorang pengirim memasukkan informasi tentang muatan yang akan datang ke platform digital. Sistem akan menganalisis kapasitas pengiriman yang tersedia dan mencocokkan muatan tersebut dengan opsi yang paling sesuai, dengan mempertimbangkan faktor-faktor optimasi yang telah disebutkan sebelumnya. Transaksi diproses, dan pengiriman dilacak sepanjang perjalanannya.

Dengan melacak aset, memprediksi permintaan, dan mencocokkan muatan, perusahaan logistik menghemat banyak biaya. Mereka meminimalkan jarak tempuh kosong, memaksimalkan penggunaan kendaraan, dan menghilangkan jejak karbon—yang pada akhirnya meningkatkan hubungan pelanggan dengan pengiriman yang lebih andal.

Manfaatnya tidak hanya terbatas pada logistik. Tingkat visibilitas rantai pasokan ini memungkinkan pengecer dan produsen untuk mengoptimalkan jadwal produksi dan mengurangi biaya penyimpanan inventaris. Mereka dapat merencanakan pengiriman dengan lebih efisien, meminimalkan keterlambatan dan biaya penyimpanan, serta mengurangi biaya transportasi dengan memastikan pemanfaatan truk yang optimal dan kapasitas yang terbuang seminimal mungkin.

Industri apa pun yang menangani alokasi sumber daya—maskapai penerbangan, manufaktur, bahkan komputasi awan—dapat belajar dari bagaimana AI logistik menyederhanakan operasi.