3 spôsoby, ako strojové učenie transformuje odvetvie logistiky

Logistické spoločnosti používajú umelá inteligencia a strojové učenie aby ste zaistili najlepšie výsledky na udržanie produktivity na najvyššej úrovni, urobte lepšie obchodných rozhodnutí, a držať krok s konkurenciou. Význam AI v tomto odvetví je obrovský. Odhaduje sa, že v nasledujúcich 20 rokoch budú spoločnosti odvodzovať medzi 1.3 bilióna a 2 biliónmi dolárov ročne v ekonomickej hodnote vďaka tejto pokrokovej technológii vo výrobe a Globálne dodávateľské reťazce. 

Ak vás stále zaujíma ako AI a strojové učenie môže pomôcť vášmu podnikaniu, pozrite sa na niektoré zaujímavé prípady použitia a rozhodnite sa, či je to pre vás riešenie.

1. Softvér na plánovanie trasy založený na AI

​​Výber optimálnej trasy, plánovanie prestávok pre vodičov a vyhýbanie sa najviac preplneným a nebezpečným cestám sú len niektoré z mnohých výziev, ktoré sú súčasťou každodennej práce v logistickom priemysle. 

Podľa Goldman Sachs, keď hovoríme o doručení iba 25 balíkov, možné trasy dosahujú približne 15 biliónov biliónov. A toto je kde strojové učenie prichádza na pomoc. Softvér na plánovanie trás založený na ML dokáže analyzovať všetky možnosti na výber optimálneho riešenia z hľadiska nákladov, príslušných termínov a neočakávaných udalostí na ceste vyžadujúcich okamžité rozhodnutia.

Na základe veľké súbory údajov poskytnuté systému, napríklad informácie o spotrebe paliva, možných dopravných nehodách alebo prekážkach, veľkosti vozidla a pracovných plánoch iných vodičov, real-time optimalizácia trasy algoritmy určiť najlepšiu trasu pre vodičov. Sú založené na cloude, takže všetky informácie sú poskytované v real-time a môžu k nim pristupovať dispečeri, vodiči, manažéri a iní zamestnanci, ako napríklad manažéri účtov, aby boli zákazníci informovaní o predpokladanom čase dodania.

Na základe strojové učenie, optimalizácia trasy softvér môže vášmu podnikaniu priniesť mnoho výhod, ako napríklad:

• Vylepšený zákaznícka skúsenosť: S presnejšími odhadmi dodacej doby budú zákazníci s vašou službou spokojnejší a pravdepodobnejšie vám poskytnú pozitívnu spätnú väzbu. A čo viac, môžete tiež zaviesť upozornenia na blížiace sa doručenie prostredníctvom e-mailu alebo SMS. 
• Úspora nákladov: Jednou z kľúčových výhod strojové učenie je zvyčajne úspora času a peňazí. Tu je pravda, ako optimalizácia trasy systémy monitorujú spotrebu paliva a navrhujú cenovo najefektívnejšie trasy. 
• Monitorujte výkon ovládača: Cloudový systém založený na pomáha strojové učenie aby ste dohliadali na prácu svojich zamestnancov a ubezpečili sa, že si svoje povinnosti plnia spoľahlivo. Môžete sa tiež uistiť, že dodržiavajú pravidlá cestnej premávky a svoj pracovný plán. Navyše uvedomenie si, že manažéri majú prístup k týmto informáciám, môže zvýšiť efektivitu a produktivitu zamestnancov.
• Sledovanie KPI: Vďaka prehľadu o kľúčových informáciách, ako je čas cesty, náklady na palivo a produktivita zamestnancov, môžete lepšie monitorovať výkonnosť vašej spoločnosti a rýchlejšie reagovať, ak niektorý prvok potrebuje zlepšenie.

Jeden príklad zo skutočného života, kde je algoritmus optimalizácia trasy zlepšené príjmy v logistický priemysel is táto prípadová štúdia od McKinsey. Ich klientom bola ázijská logistická spoločnosť, ktorá požiadala technickú spoločnosť, aby vyriešila ich problém s prispôsobením dodávok vozového parku a trás požiadavkám zákazníkov.

Ako to dosiahli?

Po prvé, tím McKinsey zhromaždil všetky dôležité údaje o svojich procesoch, aby našiel prípadné problémy, ktoré treba zlepšiť. Analyzovali dôležité informácie, ako sú umiestnenie zákazníkov, miesta uzlov a zdroje vozového parku. ​​Tieto informácie im umožnili vytvoriť model optimalizácie trasy, ktorý generuje prispôsobené plány pre všetky vozidlá. Vďaka tomuto riešeniu boli schopní zlepšiť riadenie v mnohých oblastiach, berúc do úvahy faktory ako:

• Typ vozidla
• Náklady na využitie
• Maximálne zaťaženie
• Čas jazdy:

Čo stálo za ich úspechom?

Boli to skúsenosti a najmodernejšie algoritmy strojového učenia, ktoré použili na vytvorenie tohto riešenia. Napríklad použili model Network Optimization Algorithm (NOAH) na vytvorenie vizuálnych sprievodcov v denných mapách trás. Okrem toho poskytli mobilnú aplikáciu zobrazujúcu údaje v reálnom čase, čo uľahčilo prácu dispečerom aj vodičom.

Výsledkom bolo, že ich riešenie znížilo náklady o 3.6 % a zvýšilo efektivitu line-haul siete, čo viedlo k zvýšeniu zisku o 16 %.

2. Chatboti v logistike

Vedeli ste, že toľko ako 97 % ľudí tvrdí, že zlý zákaznícky servis má vplyv na ich nákupné zámery? Hovorí to však iný zdroj 36% zákazníkov sú stále frustrovaní neschopnosťou spoločností odpovedať na ich jednoduché otázky. 

Tieto údaje ukazujú dôležitosť mať a Chatbot okamžite reagovať na zákazníkov, aby ste ušetrili čas a zlepšili sa zákaznícka skúsenosť. Použitie virtuálnych asistentov spracovanie prirodzeného jazyka hovoriť s ľuďmi na chate, zvyčajne priamo na domovskej stránke spoločnosti. Sú postavené s algoritmy ktorý dokáže rozpoznať položenú otázku a potom k nej priradiť odpoveď. Predpokladajme, že používateľ položí nezrozumiteľnú otázku, na ktorú v databáze neexistuje odpoveď. V takom prípade, Chatbot sa snaží nájsť zhodu s jednou z „záložných“ odpovedí alebo sa od zákazníka naučiť nové vzorce, aby tieto informácie použil pri ďalšej podobnej otázke. 

A Chatbot má určité znalosti o spoločnosti a jej produktoch alebo službách. Môže využívať svoje databázy alebo čerpať informácie z externých zdrojov. Virtuálny poradca odpovedá na otázky a vedie samotný rozhovor, pričom konverzáciu nasmeruje na témy súvisiace s činnosťou spoločnosti alebo navrhne návštevu súvisiacej stránky.

5 kľúčových výhod chatbotov

Stále si tým nie som istý chatbots sú dobrým riešením pre vaše podnikanie? Stačí sa pozrieť na päť kľúčových výhod ich implementácie v a logistická spoločnosť.

1. Okamžité reakcie 24/7/365

V logistických spoločnostiach je kontakt so zákazníkom kľúčový. Napríklad DHL ponúka tri rôzne kontaktné formuláre:

• E-mail na zákaznícky servis
• Telefonický kontakt
• Chatbot 24/7

Chatbot umožňuje zákazníkom získať okamžité informácie o stave zásielky, cien, predpokladaný čas doručenia balíka a ďalšie.

Prečo je to dôležité?

dnes, 77 % ľudí očakáva okamžité odpovede z online chatu kedykoľvek počas dňa alebo noci. Chatbots môžete pracovať stále, aj keď vaši zamestnanci nepracujú (navyše nikdy nebudú unavení). 

Implementácia chatbota, ktorý je vždy dostupný, výrazne zlepšuje používateľskú skúsenosť. Napríklad s Helmi chatbotom, ktorý vytvorila GetJenny, Nadácia pre študentské bývanie v regióne Helsinki zaznamenala zvýšenie celkového skóre spokojnosti so službami zákazníkom zo 4.11 na 4.26. 

2. Lepšia navigácia na webových stránkach

Vedeli ste, že 34 % zákazníkov je frustrovaných z ťažkej navigácie na stránke? 

Chatbots môžu tento problém vyriešiť tým, že návštevníkom pomôžu orientovať sa na stránke a rýchlo nájsť informácie, ktoré ich zaujímajú. Pomáhajú vám pri vytváraní pozitívneho imidžu značky a personalizovanej zákazníckej skúsenosti. Ak vám teda záleží na budovaní spokojnosti a lojality k značke medzi vašimi zákazníkmi, chatbot môže byť skvelým prvým krokom. 

Zaujímavým príkladom chatbota, ktorý vám pomôže nájsť všetky informácie o produkte, je chatbot Alex, dostupný na Sumarizér Intellexer webovej stránky. Keď mu položíte otázku, dostanete správu s odkazom na stránku, kde môžete nájsť zaujímavé informácie.

Na vytvorenie takéhoto robota nemusíte poskytovať a extrahovať veľa údajov. Stačí spracovať obsah webovej stránky, aby ste ho poskytli vo vhodnej forme. Potom oddelíte informácie o obsahu stránky a údaje, aby ste vytvorili logický tok konverzácie. Navyše, chatboti sa neustále učia, takže čím viac otázok dostanú, tým presnejšie budú ich odpovede. Tento typ chatbotov je často prvým riešením AI, pre ktoré sa spoločnosti rozhodnú.

3. Pomoc pri doručení

Virtuálne asistentky môžu byť prvým kontaktom so zákazníkmi a prijímať od nich požiadavky na doručenie. Rovnako ako iné riešenia AI môžu odbremeniť vašich zamestnancov od mnohých opakujúcich sa úloh, ako je zhromažďovanie informácií o objednávkach. Navyše môžu okamžite realizovať požiadavky zákazníkov súvisiace s doručením, ako je zaslanie faktúry za objednávku alebo informovanie o stave dodávky.

4. Komplexná podpora zamestnancov

Chatbots môže pomôcť vašim zamestnancom mnohými spôsobmi, od papierovania cez zadávanie objednávok až po spracovanie platieb. Môžu prijímať alebo vypĺňať dokumenty, ako sú faktúry alebo žiadosti o platbu a mnohé ďalšie. A keď stroje potrebujú ľudskú pomoc, pošlú správu ľudským pracovníkom, aby urobili správny ďalší krok. 

Podľa Basa Vogelsa supervízor a tréner tímu zákazníckych služieb DHL: „Zamestnanci majú oveľa viac času na vyriešenie zložitých otázok zákazníkov a predchádzanie eskalácii. Miera spokojnosti zamestnancov sa tiež enormne zvýšila.“

5. Sledovanie zásielok v reálnom čase

V logistike, dodacej lehote a real-time dôležité sú informácie o stave objednávky. Chatbots zabezpečí, aby vaši zákazníci nemuseli čakať na odpoveď. Reálnym príkladom tohto riešenia je prípadová štúdia z RoboRobo. Vytvorili robota pre RPL, ktorý informuje zákazníkov o stave ich objednávky. Chatbot umožňuje zákazníkom RPL sledovať polohu ich balíka a zistiť, kedy bude doručený.

Cčiapky možno použiť na mnohých miestach, nielen na webovej stránke. Stále viac spoločností sa rozhoduje pre chatbots dostupné na Facebooku, Skype, WhatsApp a ďalších kanáloch.

3. Riešenie problémov so smerovaním zberača a dávkovaním v skladových operáciách

Ďalšia úloha, ktorá umelá inteligencia plní v logistike je vyvinúť najefektívnejšie metódy toku tovaru v sklade aj vo fáze distribúcie.

založené na AI skladový manažment systémy dokážu evidovať všetky činnosti a procesy prebiehajúce v sklade. Softvér analyzuje historické dáta zbiera a používa ho na plánovanie toho, ako bude použité zariadenie (roboty a automatické aj poloautomatické systémy) zvládať záťaž. Tu môže byť obzvlášť užitočné hlboké vzdelávanie, prediktívna analýza, počítačové videnie a softvér na rozpoznávanie produktov ktoré môžu pomôcť rozpoznať predmety v sklade a rozšíriť ich predpovedanie aké akcie budú potrebné.

Jedným z hlavných cieľov algoritmy strojového učenia je pomáhať ľuďom s monotónnymi, no ťažkými úlohami. V logistike a spracovateľský priemysel jednou z týchto úloh je smerovanie zberača, ktoré môžu podporovať aj stroje. 

Vzrušujúcim príkladom toho je riešenie vytvorené spoločnosťou Nvidia pre Zalando, gigant v oblasti elektronického obchodu, ktorý má každú hodinu tisíce nových objednávok. Ich riešenie založené na AI umožnilo vyriešiť dva problémy.

1. Zníženie času smerovania výberu

Pripravili riešenie umožňujúce riadenie skladu s usporiadaním „lanového rebríka“ (čo znamená, že všetky produkty sú uložené v regáloch umiestnených v niekoľkých radoch s uličkami). Vzhľadom na to, že pracovník potrebuje získať produkty nachádzajúce sa v rôznych častiach skladu, systém navrhne najkratšiu možnú cestu cez sklad, ktorá umožní vychystať všetky potrebné položky. 

Vývojári Nvidie vytvorili algoritmus OCaPi (Optimal Cart Pick), ktorý nájde optimálny výber pre pracovníka a dokonca aj pre pohyby vozíka pracovníka. Umožnil pracovníkom Zalanda prestať používať heuristiku smerovania v tvare S a naplánovať optimálnejšiu trasu.

2. Riešenie problému dávkovania

V Zalande musia byť všetky objednávky priradené do zoznamu odberov. Po dokončení zoznamu sú produkty zabalené pre zákazníka.

Vývojári Nvidie sa pokúsili vytvoriť riešenie, ktoré umožňuje dosiahnuť súčet cestovných časov pre všetky výberové zoznamy čo najmenší, za predpokladu, že pracovník sa do košíka zmestí iba 10 položiek. Analyzovali cesty odberu OCaPi pre desať objednávok dvoch vecí, aby našli najefektívnejšie rozdelenie objednávok do zoznamov odberov.

Aké technológie môžu znížiť tieto problémy?

Kľúčovou technológiou používanou v týchto projektoch je algoritmus OCaPi – vysoko nelineárna funkcia, ktorá vývojárom umožnila vypočítať čas cesty, pričom sa berú do úvahy rôzne polohy vyzdvihnutia. Toto riešenie im ukázalo, že cestovanie závisí hlavne od času stráveného vyberaním položky zo zadného rohu, umiestnenej ďaleko od všetkých ostatných produktov. 

Aby bol odhad času cestovania OCaPi ešte rýchlejší, použili rámec neurónovej siete Caffe a knižnicu konvolučných neurónových sietí NVIDIA cuDNN. To im umožnilo trénovať štyri modely paralelne, aby našli veľmi presnú architektúru neurónovej siete. Výsledkom bolo, že ich systém umožnil spoločnosti skrátiť čas cesty na vybratú položku o približne 11%.

Taký strojové učenieriešenia založené na spoločnostiach umožňujú:

• Zvýšenie produktivity
• Zrýchlite časy vyzdvihnutia objednávok, čo vedie k zvýšeniu spokojnosti zákazníkov
• Zvýšte spokojnosť zamestnancov, ktorých prácu podporujú inteligentné riešenia
• Zlepšite zamestnanca denne workflow
• Eliminujte ľudskú chybu, pretože výpočet trasy je rýchlejší a presnejší, ako keby to robil človek.