3つの方法でマシンラーニングが物流業界を変革している

物流会社は人工知能とマシンラーニングを使用して、生産性を最高レベルに維持し、より良いビジネス上の決定を下し、競争に勝つために最善を尽しています。この業界におけるAIの重要性は非常に大きいです。次の20年間で、会社は製造とグローバルサプライチェーンにおけるこの高度な技術のおかげで、年間1.3兆ドルから2兆ドル間の経済的価値を生み出すと推定されています。

まだあなたは、AIとマシンラーニングがあなたのビジネスをどのように助けることができるか疑問に思っているのであれば、いくつかの興味深いユースケースを見てみて、こちらがあなたのための解決策であるかどうかを判断してください。

1. AIベースのルートプランニングソフトウェア

最適なルートを選択すること、ドライバーの休憩を計画すること、最も混雑したり危険な道を避けることなど、物流業界での日常業務には多くの課題があります。

ゴールドマン・サックスによると、たとえ25個のパッケージだけを配達する場合でも、可能なルートは約15兆のルートに達します。そして、これがマシンラーニングが活躍する場面です。MLベースのルートプランニングソフトウェアは、すべての選択肢を分析して、コスト、締め切りに応じた最適な解決策を選択できます。

システムに提供されたビッグデータセット、たとえば、燃費、可能な交通事故または障害、車両のサイズ、他のドライバーの勤務スケジュールに関する情報に基づいて、リアルタイムルート最適化アルゴリズムは、ドライバーにとって最適なルートを決定します。これらはクラウドベースなので、すべての情報はリアルタイムで提供され、ディスパッチャー、ドライバー、管理者、その他の従業員、たとえばアカウントマネージャーがアクセスして、顧客に予想される配達時間について通知することができます。

マシンラーニングに基づくルート最適化ソフトウェアは、以下のようなあなたのビジネスに多くの利点をもたらすことができます:

• 改善された顧客体験:より正確な配達時間の見積もりにより、顧客はあなたのサービスに満足し、より肯定的なフィードバックを提供する可能性が高くなります。
• コスト削減:マシンラーニングの主な利点の1つは、通常、時間とお金の節約です。
• ドライバーのパフォーマンスを監視:クラウドシステムベースのマシンラーニングは、従業員の仕事を監督し、信頼性を持って職務を遂行していることを確認するのに役立ちます。
• KPI追跡:移動時間、燃料コスト、従業員の生産性などの重要な情報に関する洞察を得ることで、会社のパフォーマンスをよりよく監視し、必要に応じて迅速に改善することができます。

アルゴリズムベースのルート最適化が物流業界で収益を向上させた実際の例は、マッキンゼーのこのケーススタディです。彼らのクライアントは、アジアの物流会社で、テック会社に、車両の供給とルートを顧客の要件に合わせる問題を解決することを依頼しました。

彼らはどのようにしてこれを達成しましたか?

まず、マッキンゼーのチームは、改善すべき問題を特定するために、すべてのプロセスに関する重要なデータを収集しました。彼らは、顧客のロケーション、ハブのロケーション、車両リソースなどの重要な情報を分析しました。この情報により、すべての車両のカスタマイズされたスケジュールを生成するルート最適化モデルを構築することができました。このソリューションにより、車両の種類、使用コスト、最大積載量、移動時間などの多くの分野で管理を改善することができました。

• 車両の種類
• 使用コスト
• 最大積載量
• 移動時間

彼らの成功の背後にあるのは何でしたか?

これは、経験とこのソリューションを構築するために使用された最先端のマシンラーニングアルゴリズムの両方でした。たとえば、彼らは、日常のルートの地図の視覚的なガイドを構築するために、ネットワーク最適化アルゴリズム（NOAH）モデルを使用しました。さらに、ディスパッチャーとドライバーの仕事を容易にするために、リアルタイムのデータを表示するモバイルアプリを提供しました。

結果として、彼らのソリューションはコストを3.6%削減し、ラインホールネットワークの効率性を向上させ、16%の利益増加につながりました。

2. 物流におけるチャットボット

あなたは、97%の人が、悪い顧客サービスは購入意図に影響を与えることを知っていますか?しかし、別のリソースによると、36%の顧客は、会社が単純な質問に反応しないことによってまだ苛立っていることを示しています。

これらのデータは、チャットボットを使用して、顧客にすぐに反応し、時間を節約し、顧客体験を改善することの重要性を示しています。バーチャルアシスタントは、自然言語処理を使用して、チャットで人と会話します。これらは、質問に対して答えをマッチングすることができるアルゴリズムで構築されています。

チャットボットには、会社とその製品またはサービスについてのある程度の知識があります。これらは、データベースまたは外部ソースから情報を取得して使用することができます。

チャットボットの5つの主な利点

まだチャットボットがあなたのビジネスにとって良い解決策であるかどうかがわからない場合は、以下の5つの主な利点を確認してみてください。

1. 24/7/365の即時レスポンス

物流会社では、顧客との接触が非常に重要です。たとえば、DHLは3つの異なる連絡先フォームを提供しています:

• カスタマーサービスへのメール
• 電話での連絡
• 24/7のチャットボット

チャットボットにより、顧客はパッケージの配達状況、価格、パッケージの予想配達時間などについて即座に情報を入手できます。

これが重要な理由です。

現在、77%の人が、オンラインチャットでいつでも即時レスポンスを期待しています。チャットボットは、常に作業し、従業員が作業していない場合でも作業することができます。

常に利用可能なチャットボットを実装することで、ユーザーエクスペリエンスが大幅に改善されます。たとえば、GetJennyが作成したHelmiチャットボットを使用して、ヘルシンキ地域の学生向け住宅財団は、全体的な顧客サービス満足度スコアを4.11から4.26に引き上げることができました。

2. ウェブサイトのナビゲーションの改善

あなたは、34%の顧客がサイトのナビゲーションが難しいと苛立っていることを知っていますか?

チャットボットは、訪問者がサイトをナビゲートし、関心のある情報を見つけるのを支援することで、この問題を解決することができます。これらは、ポジティブなブランドイメージとパーソナライズされた顧客体験を作成するのに役立ちます。

Intellexer SummarizerのウェブサイトにあるAlexというチャットボットは、製品に関するすべての情報を見つけるのを助けるチャットボットの興味深い例です。

チャットボットを使用する場所は、ウェブサイトだけではありません。多くの企業が、Facebook、Skype、WhatsApp、その他のチャンネルで利用できるチャットボットを選択しています。

3. 倉庫作業におけるピッカールーティングとバッチングの問題の解決

物流における人工知能のもう1つの役割は、倉庫および配送段階での商品の流れに対して最も効率的な方法を開発することです。

AIベースの倉庫管理システムは、倉庫で発生するすべての活動とプロセスを記録することができます。ソフトウェアは、収集された歴史データを分析し、ロボットや自動および半自動システムなどの使用される機器が商品をどのように扱うかを計画するために使用します。

一つの重要な目標は、マシンラーニングアルゴリズムを使用して、人間が行う必要がある退屈だが難しい作業を支援することです。物流および製造業におけるそのような作業の1つが、ピッカールーティングです。

NvidiaがZalandoのために作成したこのソリューションは、興味深い例です。彼らは、毎時数千件の新しい注文があるZalandoのために、2つの問題を解決するソリューションを開発しました。

1. ピッカールーティング時間の短縮

「ロープラダー」レイアウト（棚が複数の行に並べられ、通路が設けられている）で倉庫コントロールを可能にするソリューションを準備しました。

Nvidiaの開発者は、OCaPi（Optimal Cart Pick）アルゴリズムを作成しました。これにより、ワーカーとワーカーのカートの動きの最適なピックツアーを見つけることができます。

2. バッチングの問題の解決

Zalandoでは、すべての注文をピックリストに割り当てる必要があります。

Nvidiaの開発者は、すべてのピックリストの移動時間の合計をできるだけ小さくするソリューションを作成しようとしました。彼らは、10個のアイテムしかカートに入れることができないことを前提として、10個のアイテムの2つの注文のOCaPiピックツアーを分析して、注文をピックリストに分割する最も効率的な方法を見つけました。

これらの問題を減らすことができるテクノロジーは何ですか?

これらのプロジェクトで使用される主なテクノロジーは、OCaPiアルゴリズムです。これは、アイテムを後部コーナーからピックアップするのに費やされる時間を考慮して、移動時間を計算することができます。

OCaPiの移動時間の推定をさらに高速化するために、彼らはCaffeニューラルネットワークフレームワークとNVIDIAのcuDNNコンボリューションネューラルネットワークライブラリを使用しました。これにより、非常に正確なニューラルネットワークアーキテクチャを見つけるために、4つのモデルを並列にトレーニングすることができました。

結果として、彼らのシステムは、ピックアップされるアイテムあたりの移動時間を約11%削減することができました。

このようなマシンラーニングベースのソリューションにより、企業は:

• 生産性を向上させる
• ピッキング時間を短縮し、消費者の満足度を高める
• インテリジェントなソリューションによって支援される従業員の満足度を高める
• 従業員の日常的なワークフローを改善する
• 人間のミスを排除する