Leader di pensiero
3 Modi in Cui l’Apprendimento Automatico Sta Trasformando l’Industria Logistica
Le aziende di logistica stanno utilizzando l’intelligenza artificiale e l’apprendimento automatico per garantire i migliori risultati e mantenere la produttività al livello più alto, prendere migliori decisioni aziendali, e stare al passo con la concorrenza. L’importanza dell’AI in questo settore è enorme. Si stima che nel prossimo ventennio, le aziende trarranno tra 1,3 trilioni e 2 trilioni di dollari all’anno in valore economico grazie a questa tecnologia avanzata nella produzione e nelle catene di approvvigionamento globali.
Se sei ancora curioso di come AI e apprendimento automatico possano aiutare la tua azienda, prendi uno sguardo ad alcuni casi di studio emozionanti e decidi se questa è la soluzione per te.
1. Software di Pianificazione del Percorso Basato su AI
Scegliere il percorso ottimale, pianificare le pause per gli autisti e evitare i percorsi più affollati e pericolosi sono solo alcune delle sfide che fanno parte del lavoro quotidiano nell’industria logistica.
Secondo Goldman Sachs, quando parliamo di consegnare solo 25 pacchi, i percorsi possibili raggiungono intorno a 15 trilioni di trilioni. E questo è dove l’apprendimento automatico arriva in soccorso. Il software di pianificazione del percorso basato su ML può analizzare tutte le opzioni per scegliere la soluzione ottimale in termini di costi, scadenze applicabili e eventi stradali imprevisti che richiedono decisioni immediate.
In base ai big data set forniti al sistema, come ad esempio informazioni sull’efficienza del carburante, possibili incidenti stradali o ostruzioni, dimensioni del veicolo e orari di lavoro degli autisti, algoritmi di ottimizzazione del percorso in tempo reale determinano il percorso migliore per gli autisti. Sono basati su cloud, quindi tutte le informazioni sono fornite in tempo reale e possono essere accessibili da dispatcher, autisti, manager e altri dipendenti, come ad esempio i manager di account, per tenere i clienti informati sul tempo di consegna previsto.
In base all’apprendimento automatico, il software di ottimizzazione del percorso può portare molti benefici alla tua azienda, come ad esempio:
- Miglioramento dell’esperienza del cliente: Con stime di tempo di consegna più accurate, i clienti saranno più soddisfatti del tuo servizio e più propensi a darti un feedback positivo. Inoltre, puoi anche introdurre notifiche sulla consegna imminente via email o SMS.
- Risparmio dei costi: Uno dei principali benefici dell’apprendimento automatico è solitamente il risparmio di tempo e denaro. Ciò è vero anche qui, poiché i sistemi di ottimizzazione del percorso monitorano il consumo di carburante e suggeriscono i percorsi più convenienti in termini di costi.
- Monitoraggio delle prestazioni degli autisti: Un sistema basato su cloud e apprendimento automatico ti aiuta a supervisionare il lavoro dei tuoi dipendenti e a garantire che stiano svolgendo i loro compiti in modo affidabile. Puoi anche assicurarti che stiano seguendo le regole stradali e il loro orario di lavoro. Inoltre, il fatto che i manager abbiano accesso a queste informazioni può aumentare l’efficienza e la produttività dei dipendenti.
- Monitoraggio dei KPI: Con l’accesso a informazioni chiave come il tempo di viaggio, i costi del carburante e la produttività dei dipendenti, puoi monitorare meglio le prestazioni della tua azienda e reagire più velocemente se un elemento necessita di miglioramento.
Un esempio reale in cui l’ottimizzazione del percorso algoritmica ha migliorato i ricavi nell’industria logistica è questo caso di studio di McKinsey. Il loro cliente era un’azienda logistica asiatica che ha chiesto alla società di tecnologia di risolvere il loro problema di abbinamento dell’offerta di flotta e percorsi alle esigenze dei clienti.
Come hanno raggiunto questo?
Innanzitutto, il team di McKinsey ha raccolto tutti i dati essenziali sui loro processi per trovare eventuali problemi da migliorare. Hanno analizzato informazioni vitali come le ubicazioni dei clienti, le ubicazioni degli hub e le risorse della flotta. Queste informazioni hanno permesso loro di costruire un modello di ottimizzazione del percorso che genera schedule personalizzati per tutti i veicoli. Con questa soluzione, sono stati in grado di migliorare la gestione in molti ambiti, tenendo conto di fattori come:
- Tipo di veicolo
- Costo di utilizzo
- Carichi massimi
- Tempo di viaggio
Cosa c’era dietro il loro successo?
Era sia l’esperienza che gli algoritmi di apprendimento automatico all’avanguardia che hanno utilizzato per costruire questa soluzione. Ad esempio, hanno utilizzato il modello di algoritmo di ottimizzazione della rete (NOAH) per costruire guide visive nelle mappe quotidiane dei percorsi. Inoltre, hanno fornito un’app mobile che mostra dati in tempo reale, rendendo più facile il lavoro sia per i dispatcher che per gli autisti.
Come risultato, la loro soluzione ha ridotto i costi del 3,6% e ha aumentato l’efficienza della rete di trasporto, il che ha portato a un aumento del 16% del profitto.
2. Chatbot nell’Industria Logistica
Sapevi che fino al 97% delle persone dice che un cattivo servizio clienti ha un impatto sulle loro intenzioni di acquisto? Tuttavia, un’altra risorsa afferma che il 36% dei clienti è ancora frustrato dal fatto che le aziende non rispondono alle loro semplici domande.
Questi dati mostrano l’importanza di avere un chatbot per rispondere immediatamente ai clienti e risparmiare tempo, migliorando così l’esperienza del cliente. Gli assistenti virtuali utilizzano l’elaborazione del linguaggio naturale per parlare con le persone in una chat, solitamente direttamente sulla homepage dell’azienda. Sono costruiti con algoritmi che possono riconoscere la domanda posta e quindi abbinare la risposta ad essa. Se un utente pone una domanda incomprensibile per la quale non c’è risposta nel database, il chatbot tenta di abbinare una delle risposte di “fallback” o di apprendere nuovi modelli dal cliente per utilizzare queste informazioni la prossima volta che viene posta una domanda simile.
Un chatbot ha una certa quantità di conoscenze su un’azienda e sui suoi prodotti o servizi. Può utilizzare il suo database o estrarre informazioni da fonti esterne. L’assistente virtuale risponde alle domande e conduce la conversazione da solo, dirigendo la conversazione verso argomenti relativi alle attività dell’azienda o suggerendo una visita a una pagina correlata.
5 Vantaggi Chiave dei Chatbot
Ancora incerto che i chatbot siano una buona soluzione per la tua azienda? Basta dare uno sguardo a cinque vantaggi chiave dell’implementazione di chatbot in un’azienda logistica.
1. Risposte Immediate 24/7/365
Nelle aziende di logistica, il contatto con il cliente è cruciale. Ad esempio, DHL offre tre diversi moduli di contatto:
- Email al servizio clienti
- Contatto telefonico
- Chatbot 24/7
Il chatbot consente ai clienti di ottenere informazioni immediate sullo stato di spedizione, prezzi, il tempo di consegna previsto di un pacco e altro.
Perché è importante?
Oggi, il 77% delle persone si aspetta di ottenere risposte immediate dalla chat online in qualsiasi momento della giornata o della notte. I chatbot possono lavorare tutto il tempo, anche quando i tuoi dipendenti non stanno lavorando (inoltre, non si stancheranno mai).
L’implementazione di un chatbot sempre disponibile migliora notevolmente l’esperienza utente. Ad esempio, con il chatbot Helmi creato da GetJenny, The Foundation for Student Housing in the Helsinki Region ha notato un aumento del punteggio di soddisfazione del servizio clienti dal 4,11 al 4,26.
2. Migliore Navigazione del Sito
Sapevi che il 34% dei clienti è frustrato dalla navigazione del sito difficile?
I chatbot possono risolvere questo problema aiutando i visitatori a navigare nel sito e a trovare rapidamente le informazioni che li interessano. Aiutano a creare un’immagine di marca positiva e un’esperienza personalizzata per il cliente. Quindi, se ti importa costruire la soddisfazione e la fedeltà al marchio tra i tuoi clienti, un chatbot può essere un ottimo primo passo.
Un esempio interessante di chatbot che aiuta a trovare tutte le informazioni su un prodotto è il chatbot Alex, disponibile sul sito Intellexer Summarizer. Quando gli si pone una domanda, si riceve un messaggio con un link alla pagina in cui si possono trovare informazioni di interesse.
Per creare un tale bot, non è necessario fornire ed estrarre molti dati. Basta elaborare il contenuto del sito per fornirlo in una forma appropriata. Quindi, si separa l’informazione sul contenuto della pagina e i dati per creare un flusso logico della conversazione. Inoltre, i chatbot sono in costante apprendimento, quindi più domande ricevono, più accurate saranno le loro risposte. Spesso, questo tipo di chatbot è la prima soluzione AI che le aziende scelgono.
3. Assistenza alla Consegna
Gli assistenti virtuali possono essere il primo contatto con i clienti e ricevere richieste di consegna da loro. Come altre soluzioni AI, possono alleviare i tuoi dipendenti da molti compiti ripetitivi, come ad esempio la raccolta di informazioni sugli ordini. Inoltre, possono anche eseguire immediatamente le richieste dei clienti relative alla consegna, come ad esempio l’invio di una fattura per un ordine o l’informazione sullo stato di consegna.
4. Supporto Completo per i Dipendenti
I chatbot possono aiutare i tuoi dipendenti in molti modi, dalla carta alla gestione degli ordini al pagamento. Possono ricevere o compilare documenti come fatture o richieste di pagamento, e molti altri. E quando le macchine necessitano di assistenza umana, inviano un messaggio ai lavoratori umani per effettuare il prossimo passo.
Secondo Bas Vogels, supervisore e istruttore del team di servizio clienti di DHL: “I dipendenti hanno molto più tempo per risolvere le domande dei clienti complesse e prevenire le escalation. Il tasso di soddisfazione dei dipendenti è anche aumentato enormemente”.
5. Tracciamento della Spedizione in Tempo Reale
Nella logistica, il tempo di consegna e le informazioni in tempo reale sullo stato di un ordine sono cruciali. I chatbot assicureranno che i tuoi clienti non debbano aspettare una risposta. Un esempio reale di questa soluzione è il caso di studio di RoboRobo. Hanno creato un bot per RPL che informa i clienti sullo stato del loro ordine. Il chatbot consente ai clienti di RPL di monitorare la posizione del loro pacco e scoprire quando sarà consegnato.
I chatbot possono essere utilizzati in molti luoghi, non solo sul sito web. Sempre più aziende stanno optando per chatbot disponibili su Facebook, Skype, WhatsApp e altri canali.
3. Risoluzione dei Problemi di Routing e Batch nella Gestione del Magazzino
Un altro compito che l’intelligenza artificiale svolge nella logistica è sviluppare i metodi più efficienti per il flusso di merci sia nel magazzino che nella fase di distribuzione.
I sistemi di gestione del magazzino basati su AI possono registrare tutte le attività e i processi che si verificano nel magazzino. Il software analizza i dati storici raccolti e li utilizza per pianificare come le attrezzature utilizzate (robot e sistemi automatici e semiautomatici) gestiranno i carichi. Particolarmente utili qui possono essere l’apprendimento profondo, l’analisi predittiva, la visione computerizzata e il software di riconoscimento dei prodotti che possono aiutare a riconoscere gli oggetti nel magazzino e effettuare previsioni estese di cosa sarà necessario.
Uno degli obiettivi principali degli algoritmi di apprendimento automatico è aiutare le persone con compiti monotoni ma difficili. Nell’industria logistica e manifatturiera uno di questi compiti è il routing del picker, che le macchine possono anche supportare.
Un esempio interessante è la soluzione creata da Nvidia per Zalando, un gigante del commercio elettronico, che ha migliaia di nuovi ordini ogni ora. La loro soluzione basata su AI ha consentito di risolvere due problemi.
1. Riduzione del Tempo di Routing del Picker
Hanno preparato una soluzione che consente il controllo del magazzino con un layout a “scala a corda” (il che significa che tutti i prodotti sono archiviati in scaffali posizionati in più file con corridoi). Dato che un lavoratore deve recuperare prodotti situati in diverse parti del magazzino, il sistema suggerisce il percorso più breve possibile attraverso il magazzino che consente di raccogliere tutti gli articoli necessari.
Gli sviluppatori di Nvidia hanno creato l’algoritmo OCaPi (Optimal Cart Pick) che trova il tour di raccolta ottimale per il lavoratore e anche per i movimenti del carrello del lavoratore. Ciò ha consentito ai lavoratori di Zalando di smettere di utilizzare l’euristica di routing a forma di S e pianificare un percorso più ottimale.
2. Risoluzione del Problema di Batch
A Zalando, tutti gli ordini devono essere assegnati a un elenco di raccolta. Quando l’elenco è completo, i prodotti vengono confezionati per il cliente.
Gli sviluppatori di Nvidia hanno cercato di creare una soluzione che consenta di raggiungere la somma dei tempi di viaggio per tutte le liste di raccolta il più piccola possibile, supponendo che un lavoratore possa inserire solo 10 articoli nel carrello. Hanno analizzato i tour di raccolta OCaPi per dieci ordini di due cose per trovare le divisioni più efficienti degli ordini in elenchi di raccolta.
Quali Tecnologie Possono Ridurre Questi Problemi?
Una tecnologia chiave utilizzata in questi progetti è l’algoritmo OCaPi — una funzione altamente non lineare che ha consentito agli sviluppatori di calcolare il tempo di viaggio, considerando diverse posizioni di raccolta. Questa soluzione ha mostrato loro che il viaggio dipende principalmente dal tempo trascorso a raccogliere un articolo dall’angolo posteriore, posizionato lontano da tutti gli altri prodotti.
Per rendere l’algoritmo OCaPi di stima del tempo di viaggio ancora più veloce, hanno utilizzato il framework di rete neurale Caffe e la libreria di rete neurale convoluzionale cuDNN di NVIDIA. Ciò ha consentito loro di formare quattro modelli in parallelo per trovare un’architettura di rete neurale molto precisa. Come risultato, il loro sistema ha consentito all’azienda di ridurre il tempo di viaggio per articolo raccolto di circa l’11%.
Tali soluzioni basate sull’apprendimento automatico consentono alle aziende di:
- Aumentare la produttività
- Velocizzare i tempi di raccolta degli ordini, risultando in una maggiore soddisfazione del consumatore
- Aumentare la soddisfazione dei dipendenti il cui lavoro è supportato da soluzioni intelligenti
- Migliorare il flusso di lavoro quotidiano dei dipendenti
- Eliminare l’errore umano poiché il calcolo del percorso è più veloce e più preciso di quanto non lo faccia un essere umano.
