3 способа, которыми машинное обучение преобразует логистическую индустрию

Логистические компании используют искусственный интеллект и машинное обучение для достижения лучших результатов и поддержания максимального уровня производительности, принятия лучших бизнес-решений и поддержания конкурентоспособности.Важность ИИ в этой отрасли огромна.По оценкам, в течение следующих 20 лет компании получат от 1,3 до 2 триллионов долларов в год экономической выгоды благодаря этой передовой технологии в производстве и глобальных цепочках поставок.

Если вы все еще сомневаетесь, как ИИ и машинное обучение могут помочь вашему бизнесу, взгляните на некоторые интересные случаи использования и решите, является ли это решение для вас.

1. Программное обеспечение для маршрутного планирования на основе ИИ

​​Выбор оптимального маршрута, планирование перерывов для водителей и избежание наиболее загруженных и опасных путей – это лишь некоторые из многих задач, которые являются частью ежедневной работы в логистической отрасли.

По данным Goldman Sachs (GS ), когда речь идет о доставке всего 25 посылок, возможные маршруты достигают примерно 15 триллионов триллионов. Именно здесь машинное обучение приходит на помощь.Программное обеспечение для маршрутного планирования на основе МО может проанализировать все варианты и выбрать оптимальное решение в плане затрат, сроков и неожиданных событий на дороге, требующих немедленных решений.

На основе больших наборов данных, предоставленных системе, таких как информация о топливной эффективности, возможных авариях или препятствиях, размере транспортного средства и графике работы водителей, алгоритмы реального времени определяют лучший маршрут для водителей.Они являются облачными, поэтому вся информация предоставляется в реальном времени и может быть доступна диспетчерам, водителям, менеджерам и другим сотрудникам, таким как менеджеры по работе с клиентами, для информирования клиентов о предполагаемом времени доставки.

На основе машинного обучения программное обеспечение для маршрутного планирования может принести много преимуществ вашему бизнесу, таких как:

• Улучшение опыта клиентов: Благодаря более точным оценкам времени доставки клиенты будут более удовлетворены вашей службой и более вероятно оставят положительный отзыв. Кроме того, вы можете ввести уведомления о предстоящей доставке по электронной почте или SMS.
• Экономия средств: Одним из ключевых преимуществ машинного обучения обычно является экономия времени и денег.Это верно и здесь, поскольку программное обеспечение для маршрутного планирования отслеживает потребление топлива и предлагает наиболее экономически эффективные маршруты.
• Мониторинг производительности водителей: Облачная система на основе машинного обучения помогает вам контролировать работу ваших сотрудников и убедиться, что они выполняют свои обязанности надежно.Вы также можете убедиться, что они следуют правилам дорожного движения и графику работы.Более того, осознание того, что менеджеры имеют доступ к этой информации, может повысить эффективность и производительность сотрудников.
• Отслеживание KPI: С информацией о ключевых показателях, таких как время путешествия, затраты на топливо и производительность сотрудников, вы можете лучше контролировать производительность вашей компании и быстрее реагировать, если какой-либо элемент требует улучшения.

Один из реальных примеров, где алгоритмическое оптимизация маршрута улучшила доход в логистической отрасли, – это этот кейс-стади от McKinsey.Их клиент был азиатской логистической компанией, которая попросила технологическую компанию решить их проблему согласования предложения флота и маршрутов с требованиями клиентов.

Как они достигли этого?

Сначала команда McKinsey собрала все необходимые данные о их процессах, чтобы выявить любые проблемы, которые можно улучшить.Они проанализировали важную информацию, такую как местоположение клиентов, местоположение хабов и ресурсы флота.Эта информация позволила им создать модель оптимизации маршрута, которая генерирует индивидуальные графики для всех транспортных средств.С этим решением они смогли улучшить управление во многих областях, учитывая такие факторы, как:

• Тип транспортного средства
• Стоимость использования
• Максимальная загрузка
• Время путешествия

Что стояло за их успехом?

Это было и опытом, и передовыми алгоритмами машинного обучения, которые они использовали для создания этого решения.Например, они использовали модель Network Optimization Algorithm (NOAH), чтобы создать визуальные руководства в ежедневных картах маршрутов.Кроме того, они предоставили мобильное приложение, отображающее данные в реальном времени, что облегчило работу как диспетчерам, так и водителям.

В результате их решение сократило затраты на 3,6% и увеличило эффективность линейной сети, что привело к увеличению прибыли на 16%.

2. Чат-боты в логистике

Знаете ли вы, что столько же, как 97% людей говорят, что плохой сервис имеет влияние на их намерения покупать?Однако другой ресурс говорит, что 36% клиентов все еще разочарованы неспособностью компаний отвечать на простые вопросы.

Эти данные показывают важность наличия чат-бота для немедленного ответа на вопросы клиентов и улучшения опыта клиентов.Виртуальные помощники используют обработку естественного языка для общения с людьми в чате, обычно прямо на сайте компании.Они построены на основе алгоритмов, которые могут распознавать вопрос, заданный человеком, и затем сопоставлять ответ с ним.Если пользователь задает вопрос, который не понятен, и на который нет ответа в базе данных, чат-бот пытается сопоставить один из “резервных” ответов или научиться новым закономерностям у клиента, чтобы использовать эту информацию в следующий раз, когда будет задан аналогичный вопрос.

Чат-бот имеет определенный объем знаний о компании и ее продуктах или услугах.Он может использовать свою базу данных или извлекать информацию из внешних источников.Виртуальный консультант отвечает на вопросы и ведет разговор, направляя разговор на темы, связанные с деятельностью компании, или предлагая посетить связанную страницу.

5 ключевых преимуществ чат-ботов

Все еще не уверены, что чат-боты являются хорошим решением для вашего бизнеса?Просто взгляните на пять ключевых преимуществ реализации их в логистической компании.

1. Немедленные ответы 24/7/365

В логистических компаниях контакт с клиентами имеет решающее значение.Например, DHL предлагает три различных формы обратной связи:

• Электронная почта в службу поддержки клиентов
• Телефонный контакт
• Чат-бот 24/7

Чат-бот позволяет клиентам получить мгновенную информацию о статусе доставки, ценах, ожидаемом времени доставки посылки и многое другое.

Почему это важно?

Сегодня 77% людей ожидают немедленных ответов от онлайн-чата в любое время суток.Чат-боты могут работать круглосуточно, даже когда ваши сотрудники не работают (кроме того, они никогда не устают).

Реализация чат-бота, который всегда доступен, значительно улучшает опыт пользователя.Например, с помощью чат-бота Helmi, созданного GetJenny, Фонд студенческого жилья в регионе Хельсинки отметил увеличение общего балла удовлетворенности клиентов с 4,11 до 4,26.

2. Лучшая навигация по сайту

Знаете ли вы, что 34% клиентов разочарованы трудной навигацией по сайту?

Чат-боты могут решить эту проблему, помогая посетителям ориентироваться на сайте и быстро находить интересующую их информацию.Они помогают вам создать положительный имидж бренда и персонализированный опыт клиента.Итак, если вы заботитесь о построении удовлетворенности и лояльности бренда среди ваших клиентов, чат-бот может стать отличным первым шагом.

Интересный пример чат-бота, который помогает найти всю информацию о продукте, – это чат-бот Alex, доступный на сайте Intellexer Summarizer.Когда вы задаете ему вопрос, вы получите сообщение со ссылкой на страницу, где можно найти интересующую информацию.

Источник: https://summarizer.intellexer.com/

Чтобы создать такого бота, не нужно предоставлять и извлекать много данных.Вам просто нужно обработать контент сайта, чтобы представить его в подходящей форме.Затем вы отделяете информацию о содержании страницы и данных, чтобы создать логический поток разговора.Кроме того, чат-боты постоянно учатся, поэтому чем больше вопросов они получают, тем более точными будут их ответы.Часто этот тип чат-бота является первым решением ИИ, которое выбирают компании.

3. Помощь в доставке

Виртуальные помощники могут быть первым контактом с клиентами и получать запросы на доставку от них.Как и другие решения ИИ, они могут облегчить вашим сотрудникам многие повторяющиеся задачи, такие как сбор информации о заказе.Что более важно, они также могут мгновенно выполнить запросы клиентов, связанные с доставкой, такие как отправка счета за заказ или информирование о статусе доставки.

4. Комплексная поддержка сотрудников

Чат-боты могут помочь вашим сотрудникам во многих отношениях, от документации до оформления заказов и обработки платежей.Они могут получать или заполнять документы, такие как счета или запросы на оплату, и многое другое.И когда машинам нужна помощь человека, они отправляют сообщение человеческим работникам, чтобы сделать следующий шаг.

По словам Bas Vogels, руководителя и тренера команды службы поддержки клиентов DHL: “Сотрудники имеют намного больше времени, чтобы разобраться с сложными вопросами клиентов и предотвратить эскалации.Уровень удовлетворенности сотрудников также увеличился enorm.”

5. Отслеживание доставки в реальном времени

В логистике время доставки и информация в реальном времени о статусе заказа имеют решающее значение.Чат-боты будут обеспечивать, чтобы ваши клиенты не должны ждать ответа.Реальный пример такого решения – этот кейс-стади от RoboRobo.Они создали бота для RPL, который информирует клиентов о статусе их заказа.Чат-бот позволяет клиентам RPL отслеживать местоположение своей посылки и узнать, когда она будет доставлена.

Чат-боты могут использоваться во многих местах, а не только на сайте.Все больше компаний выбирают чат-боты, доступные на Facebook, Skype, WhatsApp и других каналах.

3. Решение проблем маршрутизации и пакетирования в операциях на складе

Другая задача, которую искусственный интеллект выполняет в логистике, – это разработка наиболее эффективных методов для потока товаров как на складе, так и на этапе распределения.

Системы управления складом на основе ИИ могут записывать все действия и процессы, происходящие на складе.Программное обеспечение анализирует исторические данные, собранные и использует их для планирования того, как оборудование (роботы и как автоматические, так и полуавтоматические системы) будет обрабатывать грузы.Особенно полезными здесь могут быть глубокое обучение, предсказательный анализ, компьютерное зрение и программное обеспечение для распознавания продуктов, которое может помочь распознать объекты на складе и сделать расширенное прогнозирование того, какие действия будут необходимы.

Одной из основных целей алгоритмов машинного обучения является помощь людям в монотонных, но трудных задачах.В логистике и производственной отрасли одной из таких задач является маршрутизация, которую также могут поддерживать машины.

Интересный пример этого – решение, созданное Nvidia (NVDA ) для Zalando, гиганта электронной коммерции, который получает тысячи новых заказов каждый час.Их решение на основе ИИ позволило решить две проблемы.

​​1. Сокращение времени маршрутизации

Они подготовили решение, позволяющее контролировать склад с расположением “лестница” (что означает, что все продукты хранятся на полках, расположенных в нескольких рядах с проходами).Учитывая, что работник должен получить продукты, хранящиеся в разных частях склада, система предлагает самый короткий возможный маршрут по складу, который позволяет подобрать все необходимые предметы.

Разработчики Nvidia создали алгоритм OCaPi (Optimal Cart Pick), который находит оптимальную экскурсию для работника и даже для движений тележки работника.Это позволило работникам Zalando отказаться от использования эвристики S-образного маршрута и спланировать более оптимальный маршрут.

2. Решение проблемы пакетирования

В Zalando все заказы должны быть назначены в список подбора.Когда список завершен, продукты упаковываются для клиента.

Разработчики Nvidia попытались создать решение, которое позволяет достичь суммы времени путешествия для всех списков подбора как можно меньшей, предполагая, что работник может поместить только 10 предметов в тележку.Они проанализировали экскурсии OCaPi для десяти заказов из двух предметов, чтобы найти наиболее эффективные разделы заказов на списки подбора.

Какие технологии могут сократить эти проблемы?

Ключевой технологией, используемой в этих проектах, является алгоритм OCaPi – высоко нелинейная функция, которая позволила разработчикам рассчитать время путешествия, учитывая различные позиции подбора.Это решение показало им, что путешествие в основном зависит от времени, потраченного на подбор предмета из заднего угла, расположенного далеко от всех других продуктов.

Чтобы сделать оценку времени путешествия OCaPi еще быстрее, они использовали фреймворк нейронной сети Caffe и библиотеку свёрточных нейронных сетей NVIDIA cuDNN.Это позволило им обучить четыре модели параллельно, чтобы найти очень точную архитектуру нейронной сети.В результате их система позволила компании сократить время путешествия на предмет на 11%.

Такие решения на основе машинного обучения позволяют компаниям:

• Увеличить производительность
• Ускорить время подбора заказов, что приводит к увеличению удовлетворенности клиентов
• Улучшить удовлетворенность сотрудников, чья работа поддерживается интеллектуальными решениями
• Улучшить ежедневную работу
• Исключить человеческую ошибку, поскольку расчет маршрута быстрее и точнее, чем если бы это сделал человек.