Come l’AI sta ridisegnando silenziosamente la logistica: riduzione degli sprechi e aumento dei margini

Mentre finanza e sanità fanno notizia per l’adozione dell’AI, alcuni dei casi d’uso più lucrativi sono sulle strade. La logistica è la colonna vertebrale del commercio globale e gli esecutivi stanno capendo – nel 2024, il 90% dei leader della catena di approvvigionamento ha affermato che le capacità tecnologiche sono i principali fattori quando si scelgono i partner di trasporto. Il motivo? L’AI sta trasformando un’industria nota per l’inefficienza in un vantaggio competitivo per le imprese.

Storicamente basata su processi cartacei, la logistica è stata un punto cieco per i leader della catena di approvvigionamento. Questa mancanza di visibilità alimenta l’effetto bullwhip: piccoli cambiamenti nella domanda al dettaglio si gonfiano mentre si propagano lungo la catena di approvvigionamento, raggiungendo i fornitori di materie prime. Abbinato a tempi di consegna lunghi, ciò costringe ogni fase – dettaglianti, grossisti, distributori e produttori – a sovrordinare, esacerbando il problema.

Ma immaginiamo per un attimo che invece di riempire camion e magazzini con chip di semiconduttore solo per vedere la domanda di PC calare, la logistica avesse una tracciabilità e una visibilità della catena di approvvigionamento in tempo reale. E se potessero prevedere le fluttuazioni della domanda con un’accuratezza del 99,9%? E fornire soluzioni logistiche flessibili come il trasporto su richiesta in risposta?

Con l’AI e il machine learning, questo ideale potrebbe non essere così lontano come pensano i leader aziendali.

La visibilità della catena di approvvigionamento spiega l’inspiegabile

Quando è stato chiesto “Quali sono le capacità tecnologiche dei forwarder di merci che ritenete più preziose?”, il 67% dei rispondenti ha votato per la tracciabilità dei trasporti in tempo reale.

I dispositivi Internet delle Cose (IoT) rivoluzionano la tracciabilità dei carichi, fornendo una visibilità granulare e avvisi in tempo reale sulle condizioni delle merci – cruciale per le spedizioni sensibili al tempo o controllate a temperatura come cibo e prodotti farmaceutici che hanno regolamenti di verifica rigorosi. Non solo i leader della catena di approvvigionamento possono scoprire quanti stock hanno e dove si trovano in qualsiasi momento, ma possono anche apprendere sulle loro condizioni. Gli spedizionieri possono monitorare e condividere informazioni su se le merci sono calde, fredde, umide o asciutte e possono vedere se porte, scatole o altri contenitori vengono aperti. Queste informazioni spiegano le anomalie con gli articoli di cibo che arrivano avariati, minimizzando gli sprechi futuri.

Spostandoci sull’industria elettronica, le aziende possono assicurare ai clienti che i prodotti come le schede madri dei laptop sono autentici quando gli articoli vengono tracciati e rintracciati. I gestori di magazzino e di inventario possono scansionare codici a barre e codici QR per tracciare i livelli di stock o utilizzare etichette RFID attaccate agli oggetti per tracciare beni di alto valore senza doverli scansionare. Le etichette RFID più avanzate offrono avvisi in tempo reale quando le condizioni (come la temperatura) si discostano dalle soglie preimpostate.

La visibilità a livello di elemento è diventata una necessità per gli spedizionieri e i loro partner della catena di approvvigionamento. I fornitori di logistica devono adattarsi rapidamente alle interruzioni e ai cambiamenti della domanda e questa visibilità aumenta la resilienza. Queste informazioni consentono alle aziende di avere una visione olistica dell’inventario e di prendere decisioni informate in tempo reale, riducendo gli sprechi e migliorando l’utilizzo delle risorse.

Previsione della domanda e tempi di consegna affidabili

L’utilità dei sensori IoT si estende molto oltre la semplice tracciabilità degli articoli e l’aggiornamento dei clienti in tempo reale. Forniscono dati che alimentano gli algoritmi di previsione della domanda.

Prendiamo ad esempio Coca-Cola. Il gigante delle bevande utilizza l’IoT per monitorare e raccogliere dati dai suoi distributori automatici e frigoriferi, tracciando metriche in tempo reale per i livelli di stock e l’analisi delle preferenze dei consumatori. Ciò consente a Coca-Cola di fare previsioni informate sulla domanda per specifici tipi di prodotti e sapori.

I forwarder di merci utilizzano sempre più un metodo simile per prevedere il volume di merci in specifiche tratte, consentendo loro di ottimizzare la flotta e di rispettare gli accordi di servizio (SLA). Buone notizie per le aziende, poiché beneficiano di tempi di consegna più affidabili, il che significa costi di inventario più bassi e meno stockout.

Ci sono due modi principali in cui le aziende di logistica utilizzano la previsione:

1. A lungo termine (strategico): per i budget e la pianificazione degli asset (piani da 6 mesi a 3 anni).
2. A breve termine (operativo): più prezioso per la logistica, prevedendo il trasporto di merci via terra fino a 14 giorni in anticipo e 1-12 settimane per la navigazione marittima.

Ad esempio, la società di corrieri di DPDgroup, Speedy, prevede la domanda combinando i dati storici di spedizione (dimensione del pacco, tempi di consegna, comportamento del cliente, ecc.) con fattori esterni come festività, picchi di vendita al dettaglio (Black Friday), ecc. Sotto il nuovo sistema, la previsione della domanda alimentata dall’AI ha consentito a Speedy di identificare rapidamente e annullare viaggi e trasporti non necessari. Ciò ha portato a una riduzione del 25% dei costi hub-to-hub e a un aumento del 14% dell’utilizzo della flotta. McKinsey ha trovato risultati simili nella gestione della catena di approvvigionamento, con strumenti di previsione che riducono gli errori del 20-50%.

Abbinamento capacità-carico: smettere di trasportare aria

Uber Freight ha segnalato nel 2023 che tra il 20% e il 35% dei 175 miliardi di miglia che i camion percorrono ogni anno negli Stati Uniti sono probabilmente vuoti – prosciugando carburante e budget del lavoro. Ora che l’AI, il ML e la tecnologia del gemello digitale sono mainstream, un camion che ha appena fatto una consegna a Dallas non dovrebbe tornare a Chicago a vuoto. Le piattaforme di abbinamento del carico alimentate dall’AI analizzano la domanda di merci, la disponibilità dei camion e i modelli di percorso per garantire che ogni camion sia utilizzato al massimo della sua efficienza.

Le aziende di logistica prendono le informazioni sulle merci raccolte utilizzate negli strumenti di previsione della domanda (dimensione del carico, peso, dimensioni, tipo – se è deperibile, pericoloso, ecc.) e le analizzano incrociate con la loro capacità. L’analisi alimentata dall’AI può esaminare le dimensioni del camion, le caratteristiche, la posizione e la disponibilità, nonché le norme sulle ore di lavoro dei conducenti, per collegare gli spedizionieri e i vettori in tempo reale. La tecnologia del gemello digitale potrebbe potenzialmente portare questo ulteriore passo avanti, simulando scenari virtuali per garantire l’abbinamento ottimale.

Supponiamo che uno spedizioniere inserisca informazioni sul carico imminente in una piattaforma digitale. Il sistema analizza la capacità del vettore disponibile e abbina il carico con l’opzione più adatta, considerando i fattori di ottimizzazione menzionati in precedenza. La transazione viene elaborata e la spedizione viene tracciata durante il suo viaggio.

Tracciando gli asset, prevedendo la domanda e abbinando i carichi, le aziende di logistica stanno risparmiando enormi somme. Stanno minimizzando i miglia vuoti, massimizzando l’utilizzo dei veicoli ed eliminando l’impronta carbonica – migliorando in definitiva le relazioni con i clienti con consegne più affidabili.

I benefici si estendono oltre la logistica. Questo livello di visibilità della catena di approvvigionamento consente ai dettaglianti e ai produttori di ottimizzare gli orari di produzione e ridurre i costi di inventario. Possono pianificare le spedizioni più efficientemente, minimizzando i ritardi e le spese di stoccaggio, e riducendo le spese di trasporto assicurando un utilizzo ottimale dei camion e una capacità sprecata minima.

Qualsiasi industria che gestisce l’allocazione delle risorse – compagnie aeree, produzione, anche il cloud computing – può imparare da come l’AI della logistica sta razionalizzando le operazioni.