Bagaimana AI Mengubah Logistik dengan Sunyi: Mengurangi Pemborosan dan Meningkatkan Margin

Sementara keuangan dan perawatan kesehatan mendapatkan perhatian untuk mengadopsi AI, beberapa contoh penerapan yang paling menguntungkan ada di jalan. Logistik adalah tulang punggung perdagangan global, dan eksekutif mulai menyadariinya—pada 2024, 90% pemimpin rantai pasokan mengatakan kemampuan teknologi adalah faktor utama saat memilih mitra pengangkutan. Alasannya? AI mengubah industri yang terkenal tidak efisien menjadi keunggulan bisnis atas kompetitor.

Secara historis, logistik sangat bergantung pada proses berbasis kertas, sehingga menjadi titik buta bagi pemimpin rantai pasokan. Kurangnya visibilitas ini memicu efek bullwhip: perubahan kecil dalam permintaan ritel membesar saat bergerak naik rantai pasokan, mencapai pemasok bahan baku. Ditambah dengan waktu tunggu yang lama, ini memaksa setiap tahap—ritel, grosir, distributor, dan pabrikan—untuk memesan lebih banyak, memperburuk masalah.

Tapi, bayangkan jika bukan mengisi truk dan gudang dengan chip semikonduktor hanya untuk menemukan bahwa permintaan PC menurun, logistik memiliki pelacakan waktu nyata dan visibilitas rantai pasokan. Bagaimana jika mereka bisa memprediksi fluktuasi permintaan dengan akurasi 99,9%? Dan menyediakan solusi logistik fleksibel seperti transportasi on-demand sebagai respons?

Dengan AI dan pembelajaran mesin, ideal ini mungkin tidak sejauh yang dipikirkan oleh pemimpin bisnis.

Visibilitas Rantai Pasokan Menjelaskan yang Tidak Terjelaskan

Ketika ditanya “Teknologi apa yang paling berharga dari kemampuan freight forwarder?”, 67% responden memilih pelacakan pengiriman waktu nyata.

Perangkat Internet of Things (IoT) merevolusi pelacakan kargo, memberikan visibilitas granular dan peringatan waktu nyata tentang kondisi barang—kritis untuk pengiriman yang sensitif waktu atau terkendali suhu seperti makanan dan farmasi yang memiliki peraturan verifikasi ketat. Tidak hanya pemimpin rantai pasokan dapat mengetahui berapa banyak stok yang mereka miliki dan di mana lokasinya pada saat tertentu, tetapi mereka juga dapat mengetahui kondisinya. Pengirim dapat memantau dan berbagi informasi tentang apakah barang dalam keadaan panas, dingin, basah, atau kering, dan mereka dapat melihat apakah pintu, kotak, atau wadah lainnya dibuka. Wawasan ini menjelaskan abnormalitas dengan barang makanan yang tiba dalam keadaan busuk, meminimalkan pemborosan di masa depan.

Beralih ke industri elektronik, perusahaan dapat menjamin kepada pelanggan bahwa produk seperti motherboard laptop asli ketika barang dilacak dan dilacak. Manajer gudang dan inventori dapat memindai barcode dan kode QR untuk melacak tingkat stok, atau menggunakan tag identifikasi radio frekuensi (RFID) yang dilampirkan pada objek untuk melacak aset berharga tanpa perlu memindai. Tag RFID yang lebih maju menawarkan peringatan waktu nyata ketika kondisi (seperti suhu) menyimpang dari ambang batas yang telah ditetapkan.

Visibilitas tingkat barang telah menjadi keharusan bagi pengirim dan mitra rantai pasokan mereka. Penyedia logistik harus dengan cepat beradaptasi dengan gangguan dan perubahan permintaan, dan visibilitas ini meningkatkan ketahanan. Wawasan ini memungkinkan bisnis untuk memiliki pandangan holistik tentang inventori dan membuat keputusan yang tepat waktu, mengurangi pemborosan dan meningkatkan utilitas sumber daya.

Peramalan Permintaan dan Waktu Tunggu yang Dapat Diandalkan

Kegunaan sensor IoT jauh melampaui sekadar melacak barang dan memperbarui pelanggan secara waktu nyata. Mereka memberikan data yang membantu algoritma peramalan permintaan.

Ambil Coca-Cola sebagai contoh. Raksasa minuman ringan ini menggunakan IoT untuk memantau dan mengumpulkan data dari mesin penjual otomatis dan kulkas, melacak metrik waktu nyata untuk tingkat stok dan analisis preferensi konsumen. Ini memungkinkan Coca-Cola untuk membuat prediksi yang tepat tentang permintaan untuk jenis produk dan rasa tertentu.

Perusahaan pengangkutan barang semakin banyak menggunakan metode serupa untuk memprediksi volume barang di jalur tertentu, memungkinkan mereka untuk mengoptimalkan penempatan armada dan memenuhi perjanjian tingkat layanan (SLA). Kabar baik bagi bisnis karena mereka mendapatkan waktu tunggu yang lebih dapat diandalkan, yang berarti biaya inventori yang lebih rendah dan stok yang lebih sedikit.

Terdapat dua cara utama perusahaan logistik menggunakan peramalan:

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

Sebagai contoh, perusahaan kurir DPDgroup, Speedy, memprediksi permintaan dengan menggabungkan data pengiriman sejarah (ukuran paket, waktu pengiriman, perilaku pelanggan, dll.) dengan faktor eksternal seperti hari libur, puncak ritel (Black Friday), dll. Di bawah sistem baru, peramalan permintaan yang ditenagai AI memungkinkan Speedy untuk dengan cepat mengidentifikasi dan membatalkan perjalanan dan pengiriman yang tidak perlu. Ini menghasilkan pengurangan biaya 25% dari biaya pengiriman dan peningkatan 14% dalam utilisasi armada. McKinsey menemukan hasil serupa dalam manajemen rantai pasokan, dengan alat peramalan mengurangi kesalahan sebesar 20 hingga 50%.

Pencocokan Kapasitas dengan Muatan: Berhenti Mengangkut Udara

Uber Freight melaporkan pada 2023 bahwa antara 20% dan 35% dari perkiraan 175 miliar mil yang dilalui truk di AS setiap tahun kemungkinan kosong—menghabiskan bahan bakar dan anggaran tenaga kerja. Sekarang bahwa AI, ML, dan teknologi digital twin sudah umum, truk yang baru saja melakukan pengiriman di Dallas tidak boleh kembali ke Chicago tanpa muatan. Platform pencocokan muatan yang ditenagai AI menganalisis permintaan barang, ketersediaan truk, dan pola rute untuk memastikan setiap truk mengangkut dengan efisiensi maksimal.

Perusahaan logistik mengambil informasi barang yang dikumpulkan dari alat peramalan permintaan (ukuran muatan, berat, dimensi, jenis—apakah mudah rusak, berbahaya, dll.) dan menganalisisnya dengan kapasitas mereka. Analitik yang ditenagai AI dapat meninjau ukuran truk, fitur, lokasi, dan ketersediaan, serta peraturan jam kerja pengemudi, untuk menghubungkan pengirim dan pengangkut secara waktu nyata. Teknologi digital twin dapat memungkinkan simulasi skenario virtual untuk memastikan pencocokan yang optimal.

Bayangkan seorang pengirim memasukkan informasi tentang muatan mereka ke platform digital. Sistem menganalisis kapasitas pengangkut yang tersedia dan mencocokkan muatan dengan opsi yang paling sesuai, mempertimbangkan faktor optimasi yang disebutkan sebelumnya. Transaksi diproses, dan pengiriman dilacak sepanjang perjalanannya.

Dengan melacak aset, memprediksi permintaan, dan mencocokkan muatan, perusahaan logistik menghemat jumlah besar. Mereka meminimalkan mil kosong, memaksimalkan utilisasi kendaraan, dan menghilangkan jejak karbon—akhirnya meningkatkan hubungan dengan pelanggan melalui pengiriman yang lebih dapat diandalkan.

Manfaatnya meluas melampaui logistik. Tingkat visibilitas rantai pasokan ini memungkinkan pengecer dan pabrikan untuk mengoptimalkan jadwal produksi dan mengurangi biaya penyimpanan inventori. Mereka dapat merencanakan pengiriman dengan lebih efisien, meminimalkan keterlambatan dan biaya penyimpanan, serta mengurangi biaya transportasi dengan memastikan utilisasi truk yang optimal dan kapasitas yang tidak terbuang.

Setiap industri yang menangani alokasi sumber daya—maskapai, manufaktur, bahkan komputasi awan—dapat belajar dari bagaimana AI logistik mempermudah operasi.