3 Sposoby, w Jakie Uczenie Maszynowe Przekształca Branżę Logistyczną

Przedsiębiorstwa logistyczne wykorzystują sztuczną inteligencję i uczenie maszynowe, aby osiągnąć najlepsze wyniki i utrzymać produktywność na najwyższym poziomie, podejmować lepsze decyzje biznesowe, oraz dotrzymywać kroku konkurencji. Znaczenie AI w tej branży jest ogromne. Szacuje się, że w ciągu najbliższych 20 lat przedsiębiorstwa uzyskają między 1,3 biliona a 2 biliony dolarów rocznie wartości ekonomicznej dzięki tej zaawansowanej technologii w produkcji i łańcuchach dostaw.

Jeśli nadal zastanawiasz się, jak AI i uczenie maszynowe mogą pomóc Twojemu biznesowi, przyjrzyj się kilku interesującym przypadkom użycia i zdecyduj, czy to jest rozwiązanie dla Ciebie.

1. Oprogramowanie do planowania tras oparte na AI

​​Wybór optymalnej trasy, planowanie przerw dla kierowców i unikanie najbardziej zatłoczonych i niebezpiecznych dróg to tylko niektóre z wielu wyzwań, które są częścią codziennej pracy w branży logistycznej.

Według Goldman Sachs (GS ), gdy mówimy o dostarczeniu zaledwie 25 paczek, możliwe trasy sięgają około 15 trylionów trylionów. I to jest miejsce, w którym uczenie maszynowe przychodzi z odsieczą. Oprogramowanie do planowania tras oparte na ML może analizować wszystkie opcje, aby wybrać optymalne rozwiązanie pod względem kosztów, terminów i nieoczekiwanych zdarzeń drogowych wymagających natychmiastowych decyzji.

W oparciu o duże zestawy danych dostarczonych do systemu, takie jak informacje o efektywności paliwowej, możliwych wypadkach lub przeszkodach, rozmiarze pojazdu i grafikach pracy innych kierowców, algorytmy optymalizacji tras w czasie rzeczywistym określają najlepszą trasę dla kierowców. Są one oparte na chmurze, więc wszystkie informacje są dostępne w czasie rzeczywistym i mogą być dostępne dla dyspozytorów, kierowców, menedżerów i innych pracowników, takich jak menedżerowie kont, aby utrzymywać klientów informowanych o oczekiwanym czasie dostawy.

W oparciu o uczenie maszynowe, oprogramowanie do optymalizacji tras może przynieść wiele korzyści Twojemu biznesowi, takich jak:

• Poprawiona doświadczenie klienta: Z bardziej dokładnymi szacunkami czasu dostawy, klienci będą bardziej zadowoleni z Twojej usługi i bardziej prawdopodobne, że dadzą Ci pozytywną opinię. Co więcej, możesz również wprowadzić powiadomienia o nadchodzącej dostawie za pośrednictwem e-maila lub SMS.
• Oszczędności kosztów: Jednym z kluczowych korzyści uczenia maszynowego jest zwykle oszczędność czasu i pieniędzy. To jest prawda tutaj, ponieważ systemy optymalizacji tras monitorują zużycie paliwa i sugerują najbardziej kosztowo efektywne trasy.
• Monitorowanie wydajności kierowców: System oparty na chmurze oparty na uczeniu maszynowym pomaga Ci nadzorować pracę Twoich pracowników i upewnić się, że wykonują swoje obowiązki w sposób niezawodny. Możesz również upewnić się, że przestrzegają one przepisów ruchu drogowego i ich harmonogramu pracy. Co więcej, świadomość, że menedżerowie mają dostęp do tych informacji, może zwiększyć wydajność i produktywność pracowników.
• Śledzenie wskaźników KPI: Z wglądem w kluczowe informacje, takie jak czas podróży, koszty paliwa i produktywność pracowników, możesz lepiej monitorować wyniki Twojej firmy i szybciej reagować, jeśli którykolwiek z elementów wymaga poprawy.

Jeden z prawdziwych przykładów, w którym algorytmiczna optymalizacja tras poprawiła przychody w branży logistycznej, to ten przypadek z McKinsey. Ich klientem była azjatycka firma logistyczna, która poprosiła firmę technologiczną o rozwiązanie problemu dopasowania floty i tras do wymagań klientów.

Jak to zrobili?

Po pierwsze, zespół McKinsey zebrali wszystkie niezbędne dane o ich procesach, aby znaleźć jakiekolwiek problemy do poprawy. Zanalizowali kluczowe informacje, takie jak lokalizacje klientów, lokalizacje hubów i zasoby floty. ​​Ta informacja pozwoliła im zbudować model optymalizacji tras, który generuje niestandardowe harmonogramy dla wszystkich pojazdów. Z tym rozwiązaniem byli w stanie poprawić zarządzanie w wielu obszarach, biorąc pod uwagę takie czynniki, jak:

• Typ pojazdu
• Koszt wykorzystania
• Maksymalne wyładunki
• Czas podróży

Co stało za ich sukcesem?

Był to zarówno ich doświadczenie, jak i najnowocześniejsze algorytmy maszynowe, które wykorzystali do zbudowania tego rozwiązania. Na przykład, wykorzystali model algorytmu optymalizacji sieci (NOAH), aby zbudować wizualne przewodniki w codziennych mapach tras. Dodatkowo, dostarczyli aplikację mobilną wyświetlającą dane w czasie rzeczywistym, co ułatwiło pracę zarówno dyspozytorom, jak i kierowcom.

W efekcie, ich rozwiązanie zmniejszyło koszty o 3,6% i zwiększyło wydajność sieci linii, co doprowadziło do 16% wzrostu zysku.

2. Czatboty w logistyce

Czy wiesz, że aż 97% ludzi mówi, że złe obsługa klienta ma wpływ na ich intencje zakupowe? Jednak inny zasób mówi, że 36% klientów nadal jest sfrustrowanych brakiem reakcji firm na proste pytania.

Te dane pokazują, jak ważne jest posiadanie czatbota, który może odpowiedzieć klientom natychmiast, aby zaoszczędzić czas i poprawić doświadczenie klienta. Wirtualni asystenci wykorzystują przetwarzanie języka naturalnego, aby rozmawiać z ludźmi na czacie, zwykle bezpośrednio na stronie internetowej firmy. Są one zbudowane z algorytmów, które mogą rozpoznać pytanie i dopasować odpowiedź do niego. Jeśli użytkownik zada niezrozumiałe pytanie, dla którego nie ma odpowiedzi w bazie danych, czatbot próbuje dopasować jedną z “awaryjnych” odpowiedzi lub nauczyć się nowych wzorców od klienta, aby wykorzystać tę informację w przyszłości, gdy podobne pytanie zostanie zadane.

Czatbot ma określoną wiedzę o firmie i jej produktach lub usługach. Może wykorzystywać swoje bazy danych lub czerpać informacje z zewnętrznych źródeł. Wirtualny asystent odpowiada na pytania i prowadzi rozmowę, kierując ją na tematy związane z działalnością firmy lub sugerując wizytę na powiązanej stronie.

5 Kluczowych Korzyści z Czatbotów

Nadal niepewny, czy czatboty są dobrym rozwiązaniem dla Twojego biznesu? Po prostu przyjrzyj się pięciu kluczowym korzyściom z wdrożenia ich w firmie logistycznej.

1. Natychmiastowe Odpowiedzi 24/7/365

W firmach logistycznych, kontakt z klientem jest niezwykle ważny. Na przykład, DHL oferuje trzy różne formularze kontaktowe:

• E-mail do obsługi klienta
• Kontakt telefoniczny
• Czatbot 24/7

Czatbot pozwala klientom uzyskać natychmiastowe informacje o statusie wysyłki, cennikach, oczekiwanym czasie dostawy paczki i więcej.

Dlaczego jest to ważne?

Dziś, 77% ludzi oczekuje natychmiastowych odpowiedzi z internetowego czatu o każdej porze dnia i nocy. Czatboty mogą pracować cały czas, nawet gdy Twoi pracownicy nie pracują (plus, nigdy nie będą zmęczeni).

Wdrożenie czatbota, który jest zawsze dostępny, znacznie poprawia doświadczenie użytkownika. Na przykład, z czatbotem Helmi stworzonym przez GetJenny, Fundacja Mieszkań dla Studentów w Regionie Helsinek zanotowała wzrost ogólnego wskaźnika satysfakcji z obsługi klienta z 4,11 do 4,26.

2. Lepsza Nawigacja na Stronie

Czy wiesz, że 34% klientów jest sfrustrowanych trudną nawigacją na stronie?

Czatboty mogą rozwiązać ten problem, pomagając odwiedzającym nawigować po stronie i szybko znaleźć interesujące ich informacje. Pomagają Ci tworzyć pozytywny wizerunek marki i personalizowane doświadczenie klienta. Jeśli dbasz o budowanie satysfakcji i lojalności wśród klientów, czatbot może być doskonałym pierwszym krokiem.

Interesującym przykładem czatbota, który pomaga znaleźć wszystkie informacje o produkcie, jest czatbot Alex, dostępny na stronie Intellexer Summarizer. Gdy zadasz mu pytanie, otrzymasz wiadomość z linkiem do strony, na której możesz znaleźć interesujące Cię informacje.

Źródło: https://summarizer.intellexer.com/

Aby stworzyć taki bot, nie musisz dostarczyć i wyodrębnić dużej ilości danych. Po prostu musisz przetworzyć zawartość strony, aby ją udostępnić w odpowiedniej formie. Następnie oddzielisz informacje o zawartości strony i dane, aby utworzyć logiczny przepływ rozmowy. Co więcej, czatboty ciągle uczą się, więc im więcej pytań otrzymują, tym bardziej dokładne będą ich odpowiedzi. Często ten typ czatbota jest pierwszym rozwiązaniem AI, na które decydują się firmy.

3. Pomoc w Dostawie

Wirtualni asystenci mogą być pierwszym kontaktem z klientami i otrzymywać od nich zlecenia dostaw. Jak inne rozwiązania AI, mogą odciążyć Twoich pracowników od wielu powtarzalnych zadań, takich jak zbieranie informacji o zamówieniu. Co więcej, mogą również natychmiast wykonywać zlecenia klientów związane z dostawą, takie jak wysłanie faktury za zamówienie lub poinformowanie o statusie dostawy.

4. Kompleksowe Wsparcie Pracowników

Czatboty mogą pomóc Twoim pracownikom na wiele sposobów, od dokumentacji do składania zamówień i przetwarzania płatności. Mogą otrzymywać lub wypełniać dokumenty, takie jak faktury lub wnioski o płatność, i wiele więcej. A gdy maszyny potrzebują pomocy ludzkiej, wysyłają wiadomość do pracowników, aby podjęli odpowiednie następne kroki.

Według Bas Vogelsa, nadzorcy i trenera zespołu obsługi klienta DHL: “Pracownicy mają znacznie więcej czasu, aby rozwiązać skomplikowane pytania klientów i zapobiec eskalacjom. Wskaźnik satysfakcji pracowników również znacznie wzrósł”.

5. Śledzenie Przesyłek w Czasie Rzeczywistym

W logistyce, czas dostawy i informacje w czasie rzeczywistym o statusie zamówienia są kluczowe. Czatboty upewnią się, że Twoi klienci nie muszą czekać na odpowiedź. Przykładem tego rozwiązania jest przypadek z RoboRobo. Stworzyli bota dla RPL, który informuje klientów o statusie ich zamówienia. Czatbot pozwala klientom RPL śledzić lokalizację swojej paczki i dowiedzieć się, kiedy zostanie dostarczona.

Czatboty mogą być wykorzystywane w wielu miejscach, nie tylko na stronie internetowej. Coraz więcej firm decyduje się na czatboty dostępne na Facebooku, Skype, WhatsApp i innych kanałach.

3. Rozwiązywanie Problemów z Trasami i Batchingiem w Operacjach Magazynowych

Innym zadaniem, które sztuczna inteligencja wypełnia w logistyce, jest rozwinięcie najbardziej efektywnych metod dla przepływu towarów zarówno w magazynie, jak i w fazie dystrybucji.

Systemy zarządzania magazynem oparte na AI mogą rejestrować wszystkie działania i procesy zachodzące w magazynie. Oprogramowanie analizuje dane historyczne zebrane i wykorzystuje je do planowania, jak używane urządzenia (roboty i zarówno automatyczne, jak i półautomatyczne systemy) będą obsługiwać ładunki. Szczególnie przydatne tutaj mogą być głębokie uczenie się, analiza predykcyjna, rozpoznawanie obrazów i oprogramowanie do rozpoznawania produktów, które mogą pomóc rozpoznać obiekty w magazynie i dokonać rozszerzonej prognozy działań, które będą potrzebne.

Jednym z głównych celów algorytmów uczenia maszynowego jest pomoc ludziom w monotonnych, ale trudnych zadaniach. W branży logistycznej i przemysłowej jednym z takich zadań jest trasowanie, które maszyny również mogą wspierać.

Interesującym przykładem jest rozwiązanie stworzone przez Nvidia (NVDA ) dla Zalando, giganta e-commerce, który ma tysiące nowych zamówień każdej godziny. Ich rozwiązanie oparte na AI pozwoliło rozwiązać dwa problemy.

​​1. Redukcja Czasu Trasowania

Przygotowali rozwiązanie, które pozwala na kontrolę magazynu z układem “drabiny” (co oznacza, że wszystkie produkty są przechowywane na półkach umieszczonych w kilku rzędach z alejkami). Ponieważ pracownik musi pobrać produkty zlokalizowane w różnych częściach magazynu, system sugeruje najkrótszą możliwą trasę przez magazyn, która pozwala pobrać wszystkie potrzebne produkty.

Rozwój Nvidia stworzył algorytm OCaPi (Optymalna Trasa Podróżnika), który znajduje optymalną trasę podróży dla pracownika i nawet dla ruchu wózka pracownika. Pozwoliło to pracownikom Zalando zrezygnować z heurystyki trasowania w kształcie litery S i zaplanować bardziej optymalną trasę.

2. Rozwiązanie Problemu Batchingu

W Zalando wszystkie zamówienia muszą być przypisane do listy pobierania. Gdy lista jest kompletna, produkty są pakowane dla klienta.

Rozwijający Nvidia próbowali stworzyć rozwiązanie, które pozwala na uzyskanie sumy czasów podróży dla wszystkich list pobierania, zakładając, że pracownik może pomieścić tylko 10 przedmiotów w wózku. Zanalizowali trasy podróży OCaPi dla dziesięciu zamówień dwóch rzeczy, aby znaleźć najbardziej efektywne podziały zamówień na listy pobierania.

Jakie Technologie Mogą Zmniejszyć te Problemy?

Kluczową technologią wykorzystywaną w tych projektach jest algorytm OCaPi — wysoko nieliniowa funkcja, która pozwoliła deweloperom obliczyć czas podróży, biorąc pod uwagę różne pozycje pobierania. To rozwiązanie pokazało im, że podróż w dużej mierze zależy od czasu spędzonego na pobraniu przedmiotu z tylnego rogu, umieszczonego z dala od wszystkich innych produktów.

Aby uczynić estymację czasu podróży OCaPi jeszcze szybszą, wykorzystali framework sieci neuronowej Caffe i bibliotekę sieci neuronowych NVIDIA cuDNN. Pozwoliło im to trenować cztery modele równolegle, aby znaleźć bardzo dokładną architekturę sieci neuronowej. W efekcie, ich system pozwolił firmie zmniejszyć czas podróży na przedmiot o około 11%.

Takie rozwiązania oparte na uczeniu maszynowym pozwalają firmom na:

• Zwiększenie produktywności
• Przyspieszenie czasu pobierania zamówień, co skutkuje zwiększeniem satysfakcji klienta
• Zwiększenie satysfakcji pracowników, których praca jest wspierana przez inteligentne rozwiązania
• Poprawienie codziennego przepływu pracy
• Wyeliminowanie błędów ludzkich, ponieważ obliczanie trasy jest szybsze i bardziej dokładne niż gdyby to robił człowiek.