Come l’AI sta silenziosamente ridisegnando la logistica: riducendo gli sprechi e aumentando i margini

Mentre finanza e sanità ottengono i titoli per aver abbracciato l’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 detto che le capacità tecnologiche sono i principali fattori quando si sceglie un partner di trasporto merci. 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 ai lunghi tempi di consegna, ciò costringe ogni fase – dettaglianti, grossisti, distributori e produttori – a sovrordinare, esacerbando il problema.

Ma immaginiamo per un secondo che invece di riempire camion e magazzini con chip di semiconduttore solo per vedere la domanda di PC calare, la logistica avesse un tracciamento 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 di logistica 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.

Visibilità della catena di approvvigionamento spiega l’inspiegabile

Quando è stato chiesto “Quale delle capacità tecnologiche dei forwarder di merci ritenete più preziosa?”, il 67% dei rispondenti ha votato per il tracciamento delle spedizioni in tempo reale.

I dispositivi Internet delle Cose (IoT) rivoluzionano il tracciamento delle merci, 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 farmaci che hanno norme di verifica rigorose. Non solo i leader della catena di approvvigionamento possono scoprire quanto stock hanno e dove si trova in qualsiasi momento, ma possono anche apprendere sulle sue condizioni. Gli spedizionieri possono monitorare e condividere informazioni su se le merci sono calde, fredde, bagnate 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.

Passando all’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 dei magazzini e degli inventari 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. 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 imprescindibile 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 il semplice tracciamento 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 bibite sfrutta l’IoT per monitorare e raccogliere dati dalle sue macchine distributrici 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 tipi e gusti di prodotti specifici.

I forwarder di merci utilizzano un metodo simile per prevedere il volume di merci in specifiche tratte, consentendo loro di ottimizzare il dispiegamento della flotta e di soddisfare gli accordi di livello 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 esaurimenti di scorte.

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

1. A lungo raggio (strategico): Per i budget e la pianificazione degli asset (piani da 6 mesi a 3 anni).
2. A breve raggio (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 oceanica.

Ad esempio, DPDgroup, la società di corrieri Speedy, prevede la domanda combinando dati storici di spedizione (dimensione del pacco, tempi di consegna, comportamento del cliente, ecc.) con fattori esterni come vacanze, picchi di vendita al dettaglio (Black Friday), ecc. Sotto il nuovo sistema, la previsione della domanda alimentata da AI ha consentito a Speedy di identificare rapidamente e annullare viaggi e trasporti non necessari. Ciò ha portato a una riduzione dei costi del 25% da hub a 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 carico-capacità: smettere di trasportare aria

Uber Freight ha riferito 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 vuote – prosciugando i budget di carburante e lavoro. Ora che l’AI, il ML e la tecnologia del gemello digitale sono mainstream, un camion che ha appena effettuato una consegna a Dallas non dovrebbe tornare a Chicago a vuoto. Le piattaforme di abbinamento del carico alimentate da AI analizzano la domanda di merci, la disponibilità dei camion e i modelli di percorso per assicurarsi che ogni camion sia utilizzato al massimo della sua efficienza.

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

Immaginiamo che uno spedizioniere inserisca le informazioni sul suo prossimo carico in una piattaforma digitale. Il sistema analizza la capacità di trasporto 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 tutto il suo viaggio.

Tracciando gli asset, prevedendo la domanda e abbinando i carichi, le aziende di logistica stanno risparmiando enormi somme. Stanno minimizzando i chilometri vuoti, massimizzando l’utilizzo dei veicoli ed eliminando l’impronta carboniosa – 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 i piani di produzione e ridurre i costi di inventario. Possono pianificare le spedizioni in modo più efficiente, minimizzando i ritardi e le spese di stoccaggio, e riducendo le spese di trasporto assicurando un utilizzo ottimale dei camion e una capacità non sprecata.

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