3가지 방법으로 기계 학습이 물류 산업을 변革하고 있다

물류 회사들은 인공지능과 기계 학습을 사용하여 최고의 결과를 얻기 위해 생산성을最高 수준으로 유지하고, 더 나은비즈니스 의사 결정을 내리고, 경쟁을 따라가고 있습니다. 이 산업에서 AI의 중요성은 매우 큽니다. 추정된 바에 따르면, 향후 20년 동안 회사들은 제조업과글로벌 공급 사슬에서 이 고급 기술 덕분에 매년1.3조 달러에서 2조 달러의 경제적 가치를 창출할 것입니다.

만약 여전히 AI와 기계 학습이貴社의 비즈니스에 어떻게 도움이 될 수 있는지 궁금하다면, 몇 가지 흥미로운사용 사례를 살펴보고, 이것이貴社에게 적합한 솔루션인지 결정해 보십시오.

1. AI 기반 경로 계획 소프트웨어

최적의 경로를 선택하고, 운전手に 대한 휴식을 계획하며, 가장 혼잡하고 위험한 경로를 피하는 것은 물류 산업에서 일상적으로 발생하는 많은課題 중 일부입니다.

골드만 삭스에 따르면, 25개의 패키지를 전달할 때, 가능한 경로는 약 15경에 달합니다.15조 개의 경로입니다. 그리고 이것이기계 학습이 구원에 나타나는 곳입니다. ML 기반 경로 계획 소프트웨어는 모든 옵션을 분석하여 비용, 적용 가능한 기한, 예상되지 않은 도로 이벤트에 대한 즉각적인 의사 결정을 고려하여 최적의 솔루션을 선택할 수 있습니다.

시스템에 제공된대규모 데이터 세트를 기반으로, 예를 들어 연료 효율, 가능한 교통 사고 또는 장애물, 차량 크기 및 기타 운전자의 작업 일정과 같은 정보를 사용하여,실시간경로 최적화알고리즘은 운전자에게 최상의 경로를 결정합니다.它们는 클라우드 기반으로, 모든 정보가실시간으로 제공되며, 디스패처, 운전자, 관리자 및 기타 직원과 같은 고객에게 배송 예정 시간에 대한 정보를 제공할 수 있습니다.

기계 학습을 기반으로 하는경로 최적화소프트웨어는貴社의 비즈니스에 많은 이점을 가져다줄 수 있습니다.예를 들어:

• 개선된고객 경험:보다 정확한 배송 시간 추정치를 제공함으로써 고객이貴社의 서비스에 더 만족하고, 더 나은 피드백을 제공할 것입니다.
• 비용 절감:기계 학습의 주요 이점 중 하나는 시간과 돈을 절약하는 것입니다.경로 최적화시스템은 연료 소비를 모니터링하고 가장 비용 효율적인 경로를 제안합니다.
• 운전자 성과 모니터링:기계 학습기반의 클라우드 시스템은貴社의 직원들이 자신의 일을 신뢰성 있게 수행하고 있는지 확인하는 데 도움이 됩니다.또한, 도로 규칙과 작업 일정에 따라 운전자가 작업을 수행하는지 확인할 수 있습니다.
• KPI 추적:여행 시간, 연료 비용, 직원 생산성과 같은 주요 정보에 대한 통찰력을 얻음으로써貴社는貴社의 회사 성과를 더 잘 모니터링할 수 있고, 필요한 경우 더 빠르게 반응할 수 있습니다.

알고리즘기반의경로 최적화가 물류 산업에서 수익을 개선하는 실제 예는McKinsey의 이사례 연구입니다.그들의 고객은 아시아의 물류 회사였으며, McKinsey에 고객의 요구 사항에 맞는 차량과 경로를 매칭하는 문제를 해결해 줄 것을 요청했습니다. (GS )

그들은 이것을 어떻게 달성했을까요?

まず, McKinsey 팀은 프로세스에서 어떤 문제를 개선할 수 있는지 확인하기 위해 모든 필수 데이터를 수집했습니다.그들은 고객 위치, 허브 위치 및 차량 자원과 같은 중요한 정보를 분석했습니다.이 정보를 사용하여 모든 차량에 대한 맞춤형 일정 생성 경로 최적화 모델을 구축할 수 있었습니다.이 솔루션을 통해 여러 영역에서 관리를 개선할 수 있었습니다.차량 유형, 사용 비용, 최대 적재량, 여행 시간과 같은 요소를 고려했습니다.

• 차량 유형
• 사용 비용
• 최대 적재량
• 여행 시간

그들의 성공의 비결은 무엇이었을까요?

그것은 경험과 함께 사용된 최첨단 기계 학습 알고리즘 때문이었습니다.예를 들어, 네트워크 최적화 알고리즘 (NOAH) 모델을 사용하여 일일 지도에 대한 시각적 지침을 만들었습니다.또한, 디스패처와 운전자에게 실시간 데이터를 표시하는 모바일 앱을 제공했습니다.

그 결과, 비용을 3.6% 절감하고, 라인하울 네트워크의 효율성을 개선하여 16%의 이익 증가를 달성했습니다.

2. 물류에서의 챗봇

고객 서비스에 대한 나쁨의 영향이 구매 의도에 영향을 미친다고 생각하는 사람들이97%라는 사실을 알고 계셨나요?다른 출처에서는36%의 고객이 아직도 단순한 질문에 대한 회사의 반응 실패로 인해 좌절한다고 말합니다.

이 데이터는 고객에게 즉시 반응할 수 있는챗봇의 중요성을 보여줍니다.가상 어시스턴트는자연어 처리를 사용하여 채팅에서 사람들과 대화합니다.그들은 알고리즘으로 구축되어 있으며, 질문을 인식하고 답변을 매칭할 수 있습니다.만약 사용자가 데이터베이스에 없는 질문을 한다면, 챗봇은 폴백 답변을 시도하거나 다음에 비슷한 질문이 있을 때 사용할 수 있도록 고객으로부터 새로운 패턴을 학습합니다.

챗봇은 회사와 그 제품 또는 서비스에 대한 일정한 지식을 가지고 있습니다.그것은 데이터베이스나 외부 소스에서 정보를 사용할 수 있습니다.가상 어시스턴트는 질문에 답변하고 대화를 진행하며, 회사의 활동 또는 관련 페이지 방문과 관련된 주제로 대화를 направ입니다.

5가지 챗봇의 핵심 이점

아직도챗봇이貴社의 비즈니스에 좋은 솔루션인지 확신이 서지 않는다면, 물류 회사에서 챗봇을 구현하는 다섯 가지 핵심 이점을 살펴보십시오.

1. 24/7/365 즉시 반응

물류 회사에서 고객 접촉은 매우 중요합니다.예를 들어, DHL은 세 가지 다른 연락처를 제공합니다.

• 고객 서비스로의 이메일
• 전화 연락
• 24/7 챗봇

챗봇을 통해 고객은 배송 상태,가격, 패키지의 예상 배송 시간 등에 대한 즉시 정보를 얻을 수 있습니다.

왜 중요한가요?

오늘날,77%의 사람들이 온라인 채팅에서 언제든지 즉시 반응을 기대합니다.챗봇은 언제든지 작동할 수 있으며,貴社의 직원이 근무하지 않는 경우에도 작동합니다.

항상 사용할 수 있는 챗봇을 구현하면 사용자 경험을 크게 개선할 수 있습니다.예를 들어, 헬미 챗봇은헬싱키 지역 학생 주택 재단의 고객 서비스 만족도 점수를 4.11에서 4.26으로 개선했습니다.

2. 웹 사이트 내비게이션 개선

사실34%의 고객이 어려운 사이트 내비게이션으로 인해 좌절한다는 것을 알고 계셨나요?

챗봇은 방문객이 사이트를 내비게이트하고 관심 있는 정보를 빠르게 찾을 수 있도록 도와줌으로써 이 문제를 해결할 수 있습니다.그들은 긍정적인 브랜드 이미지를 만들고 개인화된 고객 경험을 제공합니다.따라서 고객 만족도와 브랜드 충성도를 중요하게 생각한다면, 챗봇은 훌륭한 첫 번째 단계가 될 수 있습니다.

정보를 찾는 데 도움이 되는 챗봇의 흥미로운 예는인텔렉서 서머라이저웹 사이트의 챗봇 알렉스입니다.당신이 질문을 하면, 관심 있는 정보를 찾을 수 있는 페이지로 연결되는 메시지를 받게 됩니다.

출처: https://summarizer.intellexer.com/

이러한 봇을 생성하기 위해 많은 데이터를 제공하거나 추출할 필요는 없습니다.웹 사이트의 콘텐츠를 처리하여 적절한 형식으로 제공하기만 하면 됩니다.그런 다음 페이지의 콘텐츠와 데이터를 분리하여 대화의 논리적 흐름을 생성합니다.또한, 챗봇은 끊임없이 학습하므로, 받는 질문이 많을수록 답변의 정확도가 높아집니다.이러한 유형의 챗봇은 회사들이 선택하는 최초의 AI 솔루션입니다.

3. 배송 지원

가상 어시스턴트는 고객의 첫 번째 접점이 될 수 있으며, 고객으로부터 배송 요청을 받을 수 있습니다.다른 AI 솔루션과 마찬가지로, 반복적인 작업을 수행하여貴社의 직원을 지원할 수 있습니다.또한, 배송과 관련된 고객의 요청을 즉시 처리할 수 있습니다.

4. 종합적인 직원 지원

챗봇은貴社의 직원을 다양한 방식으로 지원할 수 있습니다.문서를 수신하거나 생성하거나, 주문이나 지불을 처리하는 등입니다.또한, 기계가 인간의 지원을 필요로 할 때, 다음 단계를 수행하기 위해 인간 직원에게 메시지를 보낼 수 있습니다.

Bas Vogels에 따르면, DHL 고객 서비스 팀의 감독자이자 트레이너:”직원들은 복잡한 고객 질문을 해결하고, 확장을 방지하기 위해 더 많은 시간을 가질 수 있습니다.직원 만족도도 엄청나게 증가했습니다.”

5. 실시간 배송 추적

물류에서 배송 시간과실시간으로 주문 상태에 대한 정보는 매우 중요합니다.챗봇은 고객이 반응을 기다리지 않도록 합니다.실제 솔루션의 예는RoboRobo의 케이스 스터디입니다.그들은 RPL 고객에게 주문 상태에 대한 정보를 제공하는 봇을 생성했습니다.챗봇을 통해 RPL의 고객은 패키지의 위치를 모니터링하고 언제 배송될지 확인할 수 있습니다.

챗봇은 웹 사이트에서만 사용할 수 있는 것이 아닙니다.점점 더 많은 회사들이 페이스북, 스카이프, 왓츠앱, 기타 채널에서 사용할 수 있는 챗봇을 선택하고 있습니다.

3. 물류 창고 운영에서 픽커 라우팅 및 배치 문제 해결

인공지능이 물류에서 수행하는 또 다른 작업은 창고 내 및 분배 단계에서 물류의 흐름을 위한 가장 효율적인 방법을 개발하는 것입니다.

AI 기반창고 관리시스템은 창고에서 발생하는 모든 활동과 프로세스를 기록할 수 있습니다.소프트웨어는 수집된歴史적 데이터를 분석하고, 사용되는 장비 (로봇 및 자동 및 반자동 시스템)를 처리하는 방법을 계획하는 데 사용합니다.특히 여기서 도움이 될 수 있는 것은딥 러닝,예측 분석, 컴퓨터 비전 및제품 인식 소프트웨어입니다.이러한 기술은 창고에서 물체를 인식하고 확장된예측을 통해 필요한 동작을 예측하는 데 도움이 될 수 있습니다.

기계 학습알고리즘의 주요 목표 중 하나는 사람들이 단조롭지만 어려운 작업을 지원하는 것입니다.물류 및제조업에서 이러한 작업 중 하나는픽커 라우팅입니다.기계도 이를 지원할 수 있습니다.

이것의 흥미로운 예는Nvidia (NVDA ) 가Zalando, 전자 상거래 거물,에게 만든 솔루션입니다.그들은 매 시간에 수천 개의 새로운 주문을 받습니다.그들의 AI 기반 솔루션은 두 가지 문제를 해결했습니다.

​​1. 픽커 라우팅 시간 단축

그들은 창고 제어를 위한 솔루션을 준비했습니다.“로프 레이더” 레이아웃 (즉, 모든 제품이 여러 행에 걸쳐있는 선반에 저장됨)을 사용했습니다.작업자가 다른 창고 부분에 있는 제품을 검색해야 하는 경우, 시스템은 모든 항목을 검색할 수 있는 가장 짧은 가능한 경로를 제안합니다.

Nvidia 개발자들은 작업자와 작업자의 카트의 이동에 대한 최적의 픽 투어를 찾는 OCaPi (Optimal Cart Pick) 알고리즘을 만들었습니다.이것은 Zalando의 작업자가 S-형 라우팅 휴리스틱을 사용하는 것을 중단하고 더 최적의 경로를 계획할 수 있게 해주었습니다.

2. 배치 문제 해결

Zalando에서 모든 주문을 픽 리스트에 할당해야 합니다.리스트가 완료되면 제품이 고객에게 패키지됩니다.

Nvidia 개발자들은 픽 리스트당 여행 시간의 합계를 최소화하는 솔루션을 만들려고 했습니다.그들은 OCaPi 픽 투어를 분석하여 두 가지 항목으로 구성된 10개의 주문을 찾기 위해 가장 효율적인 주문 분할을 찾았습니다.

이러한 문제를 줄일 수 있는 기술은 무엇인가?

이 프로젝트에서 사용된 핵심 기술은 매우 비선형 함수인 OCaPi 알고리즘입니다.이것은 개발자들이 픽업 위치를 고려하여 여행 시간을 계산할 수 있게 해주었습니다.이 솔루션은 여행이 주로 멀리 떨어진 모든 제품에서 항목을 픽업하는 데 소요되는 시간에 달려 있음을 보여주었습니다.

OCaPi 여행 시간 추정을 더 빠르게 만들기 위해, 그들은 Caffe 신경망 프레임워크와 NVIDIA의 cuDNN 컨볼루션 신경망 라이브러리를 사용했습니다.이것은 네 개의 모델을 병렬로 학습하여 매우 정확한 신경망 아키텍처를 찾는 것을 가능하게 했습니다.결과적으로, 그들의 시스템은 픽업당 여행 시간을 약 11% 줄일 수 있었습니다.

이러한기계 학습기반 솔루션은 회사들이:

• 생산성을 증가시킵니다.
• 주문 픽업 시간을 가속화하여 고객 만족도를 높입니다.
• 지능형 솔루션으로 지원되는 직원의 만족도를 증가시킵니다.
• 직원의 일일워크플로우를 개선합니다.
• 인간의 오류를 제거합니다.경로 계산은 인간이 수행하는 것보다 더 빠르고 정확합니다.