3 วิธีที่ Machine Learning เปลี่ยนแปลงอุตสาหกรรมโลจิสติกส์

บริษัทโลจิสติกส์กำลังใช้ปัญญาประดิษฐ์และแมชชีนเลิร์นนิงเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดในการรักษาความสามารถในการผลิตให้สูงสุด สร้างการตัดสินใจทางธุรกิจที่ดีขึ้นและติดตามการแข่งขัน ความสำคัญของ AI ในอุตสาหกรรมนี้มีมาก มีการประมาณการว่าใน 20 ปีหน้า บริษัทจะได้รับมูลค่า 1.3 ล้านล้านดอลลาร์ถึง 2 ล้านล้านดอลลาร์ต่อปีในมูลค่าทางเศรษฐกิจจากการใช้เทคโนโลยีที่ทันสมัยนี้ในการผลิตและการจัดการโซ่อุปทานทั่วโลก

หากคุณยังคงสงสัยว่าAI และแมชชีนเลิร์นนิงสามารถช่วยธุรกิจของคุณได้อย่างไร ลองดูกรณีศึกษาและตัดสินใจว่านี่คือคำตอบสำหรับคุณ

1. ซอฟต์แวร์วางแผนเส้นทางโดยใช้ AI

การค้นหาเส้นทางที่เหมาะสมที่สุด การวางแผนพักผ่อนสำหรับคนขับ และหลีกเลี่ยงเส้นทางที่มีผู้คนหนาแน่นและอันตรายเป็นเพียงบางส่วนของความท้าทายที่เป็นส่วนหนึ่งของงานประจำในอุตสาหกรรมโลจิสติกส์

ตาม Goldman Sachs (GS ) เมื่อพูดถึงการจัดส่งเพียง 25 แพ็คเกจเส้นทางที่เป็นไปได้จะอยู่ที่ประมาณ 15 ล้านล้านเส้นทาง และนี่คือที่ที่แมชชีนเลิร์นนิงเข้ามาช่วย ซอฟต์แวร์วางแผนเส้นทางโดยใช้ AI สามารถวิเคราะห์ตัวเลือกทั้งหมดเพื่อเลือกคำตอบที่เหมาะสมที่สุดในแง่ของค่าใช้จ่าย เส้นตายที่ใช้ได้ และเหตุการณ์ทางถนนอย่างไม่คาดคิดที่ต้องการการตัดสินใจอย่างรวดเร็ว

โดยอาศัยชุดข้อมูลขนาดใหญ่ที่ให้ไว้กับระบบ เช่น ข้อมูลเกี่ยวกับประสิทธิภาพการใช้เชื้อเพลิง อุบัติเหตุหรืออุปสรรคทางจราจร ขนาดของยานพาหนะ และตารางงานของคนขับอัลกอริทึมการเพิ่มประสิทธิภาพเส้นทางแบบเรียลไทม์กำหนดเส้นทางที่ดีที่สุดสำหรับคนขับ พวกมันเป็นแบบคลาวด์ ดังนั้นข้อมูลทั้งหมดจึงถูกส่งในเรียลไทม์และสามารถเข้าถึงได้โดยพนักงานจัดส่ง คนขับ ผู้จัดการ และพนักงานอื่นๆ เช่น ผู้จัดการบัญชี เพื่อรักษาลูกค้าให้ได้รับข้อมูลเกี่ยวกับเวลาส่งมอบที่คาดหวัง

โดยอาศัยแมชชีนเลิร์นนิงซอฟต์แวร์การเพิ่มประสิทธิภาพเส้นทางสามารถนำมาซึ่งประโยชน์มากมายให้กับธุรกิจของคุณ เช่น

• ประสบการณ์ลูกค้าที่ดีขึ้น:ด้วยการประมาณการเวลาส่งมอบที่แม่นยำยิ่งขึ้น ลูกค้าจะพึงพอใจกับบริการของคุณมากขึ้นและอาจให้คำวิจารณ์ที่ดีมากขึ้น นอกจากนี้คุณยังสามารถแนะนำการแจ้งเตือนเกี่ยวกับการจัดส่งที่จะเกิดขึ้นผ่านอีเมลหรือ SMS
• การประหยัดต้นทุน:หนึ่งในประโยชน์หลักของแมชชีนเลิร์นนิงคือการประหยัดต้นทุนและเวลา ซอฟต์แวร์การเพิ่มประสิทธิภาพเส้นทางตรวจสอบการบริโภคเชื้อเพลิงและแนะนำเส้นทางที่มีต้นทุนต่ำที่สุด
• ติดตามผลการทำงานของคนขับ:ระบบคลาวด์ที่ใช้แมชชีนเลิร์นนิงช่วยให้คุณสามารถดูแลการทำงานของพนักงานของคุณและตรวจสอบให้แน่ใจว่าพวกเขากำลังทำงานได้อย่างน่าเชื่อถือ คุณยังสามารถตรวจสอบให้แน่ใจว่าพวกเขากำลังปฏิบัติตามกฎจราจรและตารางงาน
• ติดตาม KPI:ด้วยข้อมูลเชิงลึกเกี่ยวกับข้อมูลสำคัญ เช่น เวลาการเดินทาง ค่าใช้จ่ายเชื้อเพลิง และประสิทธิภาพการทำงานของพนักงาน คุณสามารถติดตามประสิทธิภาพของบริษัทของคุณได้ดีขึ้นและตอบสนองเร็วขึ้นหากส่วนใดส่วนหนึ่งต้องการการปรับปรุง

ตัวอย่างจริงของการเพิ่มประสิทธิภาพเส้นทางที่เพิ่มรายได้ในอุตสาหกรรมโลจิสติกส์คือกรณีศึกษาจาก McKinsey ลูกค้าของพวกเขาเป็นบริษัทโลจิสติกส์แห่งหนึ่งในเอเชียที่ขอให้พวกเขาแก้ปัญหาในการจับคู่สินค้ากับเส้นทางลูกค้า

พวกเขาทำได้อย่างไร?

ทีมของ McKinsey รวบรวมข้อมูลที่จำเป็นทั้งหมดเกี่ยวกับกระบวนการเพื่อค้นหาปัญหาในการปรับปรุง พวกเขาวิเคราะห์ข้อมูลสำคัญ เช่น ที่ตั้งของลูกค้า ที่ตั้งฮับ และทรัพยากรของฝูงบิน ซึ่งช่วยให้พวกเขาสามารถสร้างแบบจำลองการเพิ่มประสิทธิภาพเส้นทางที่สร้างตารางเวลาสำหรับยานพาหนะแต่ละคัน

• ประเภทของยานพาหนะ
• ต้นทุนการใช้ประโยชน์
• การขนส่งสูงสุด
• เวลาการเดินทาง

อะไรอยู่เบื้องหลังความสำเร็จของพวกเขา?

เป็นทั้งประสบการณ์และอัลกอริทึมแมชชีนเลิร์นนิงที่ทันสมัยที่พวกเขาใช้ในการสร้างโซลูชันนี้ ตัวอย่างเช่น พวกเขาใช้แบบจำลอง Network Optimization Algorithm (NOAH) เพื่อสร้างแนวทางการนำทางในแผนที่ประจำวันของเส้นทาง นอกจากนี้ยังมีการให้แอปพลิเคชันมือถือที่แสดงข้อมูลแบบเรียลไทม์ทำให้การทำงานของพนักงานจัดส่งและคนขับง่ายขึ้น

ผลลัพธ์เป็นอย่างไร?

โซลูชันของพวกเขาลดต้นทุนลง 3.6% และเพิ่มประสิทธิภาพของเครือข่ายการขนส่งสินค้า ซึ่งนำไปสู่การเพิ่มผลกำไร 16%

2. Chatbot ในโลจิสติกส์

คุณรู้หรือไม่ว่า97% ของผู้คนบอกว่าการบริการลูกค้าที่ไม่ดีมีผลกระทบต่อความตั้งใจซื้อของพวกเขา? แต่แหล่งข้อมูลอื่นบอกว่า36% ของลูกค้ายังคงหงุดหงิดกับการไม่ตอบสนองต่อคำถามง่ายๆ ของบริษัท

ข้อมูลนี้แสดงถึงความสำคัญของการมีแชทบอทเพื่อตอบสนองลูกค้าอย่างรวดเร็วเพื่อประหยัดเวลาและปรับปรุงประสบการณ์ลูกค้าผู้ช่วยเสมือนใช้การประมวลผลภาษาธรรมชาติเพื่อพูดคุยกับคนบนแชท โดยทั่วไปอยู่บนหน้าแรกของบริษัท พวกเขถูกสร้างขึ้นด้วยอัลกอริทึมที่สามารถรับรู้คำถามที่ถามและจับคู่คำตอบให้เหมาะสม

แชทบอทมีความรู้บางอย่างเกี่ยวกับบริษัทและสินค้าหรือบริการของพวกเขา มันสามารถใช้ฐานข้อมูลหรือดึงข้อมูลจากแหล่งอื่น ผู้ช่วยเสมือนตอบคำถามและดำเนินการสนทนาเอง โดยนำการสนทนาไปสู่หัวข้อที่เกี่ยวข้องกับกิจกรรมของบริษัทหรือแนะนำให้ไปที่หน้าที่เกี่ยวข้อง

5 ประโยชน์หลักของ Chatbot

ยังคงไม่แน่ใจว่าแชทบอทเป็นคำตอบที่ดีสำหรับธุรกิจของคุณหรือไม่? ลองดู 5 ประโยชน์หลักของการใช้พวกมันในบริษัทโลจิสติกส์

1. ตอบสนองในทันที 24/7/365

ในบริษัทโลจิสติกส์ การติดต่อลูกค้าเป็นสิ่งสำคัญ ตัวอย่างเช่น DHL มีรูปแบบการติดต่อ 3 รูปแบบ:

• อีเมลถึงฝ่ายบริการลูกค้า
• การติดต่อทางโทรศัพท์
• แชทบอท 24/7

แชทบอทช่วยให้ลูกค้าได้รับข้อมูลทันทีเกี่ยวกับสถานะการจัดส่งราคาเวลาส่งมอบที่คาดหวังของพัสดุ และอื่นๆ

ทำไมมันสำคัญ?

วันนี้77% ของผู้คนคาดหวังการตอบสนองทันทีจากแชทออนไลน์ที่เวลาใดก็ตามของวันหรือคืนแชทบอทสามารถทำงานตลอดเวลา แม้ว่าพนักงานของคุณจะไม่ได้ทำงาน (และพวกเขาจะไม่เหนื่อย) ด้วย

การนำแชทบอทที่มีอยู่ตลอดเวลาเข้ามาใช้จะปรับปรุงประสบการณ์ของผู้ใช้อย่างมาก ตัวอย่างเช่น ด้วยแชทบอท Helmi ที่สร้างโดย GetJenny องค์กรที่ให้ทุนการศึกษานักเรียนในภูมิภาคเฮลซิงกิได้บันทึกคะแนนความพึงพอใจในการบริการลูกค้าที่เพิ่มขึ้นจาก 4.11 เป็น 4.26

2. การนำทางเว็บไซต์ที่ดีขึ้น

คุณรู้หรือไม่ว่า34% ของลูกค้าไม่พอใจกับการนำทางเว็บไซต์ที่ยาก?

แชทบอทสามารถแก้ปัญหานี้ได้โดยช่วยให้ผู้เยี่ยมชมนำทางเว็บไซต์และค้นหาข้อมูลที่พวกเขาสนใจได้อย่างรวดเร็ว พวกเขาช่วยคุณสร้างภาพลักษณ์ตราสินค้าที่ดีและประสบการณ์ลูกค้าที่เป็นส่วนตัว ดังนั้นหากคุณใส่ใจในการสร้างความพึงพอใจและความจงรักภักดีต่อลูกค้า แชทบอทอาจเป็นขั้นตอนแรกที่ดี

ตัวอย่างที่น่าสนใจของแชทบอทที่ช่วยคุณค้นหาข้อมูลทั้งหมดเกี่ยวกับสินค้าคือแชทบอท Alex ที่มีอยู่บนเว็บไซต์Intellexer Summarizerเมื่อคุณถามคำถาม คุณจะได้รับข้อความที่มีลิงก์ไปยังหน้าที่คุณสามารถค้นหาข้อมูลที่สนใจได้

Source: https://summarizer.intellexer.com/

ในการสร้างบอทดังกล่าว คุณไม่จำเป็นต้องให้และดึงข้อมูลจำนวนมาก คุณเพียงแค่ต้องประมวลผลเนื้อหาของเว็บไซต์เพื่อนำเสนอในรูปแบบที่เหมาะสม จากนั้นคุณแยกข้อมูลเกี่ยวกับเนื้อหาของหน้าและข้อมูลเพื่อสร้างการไหลของการสนทนา นอกจากนี้ แชทบอทยังเรียนรู้อยู่เสมอ ดังนั้นคำตอบของพวกเขาจะแม่นยำยิ่งขึ้นเมื่อพวกเขาได้รับคำถามมากขึ้น

3. การช่วยเหลือการจัดส่ง

ผู้ช่วยเสมือนสามารถเป็นจุดติดต่อแรกกับลูกค้าและรับคำขอการจัดส่งจากพวกเขา เช่นเดียวกับโซลูชัน AI อื่นๆ พวกเขาสามารถช่วยให้พนักงานของคุณหลุดพ้นจากงานซ้ำๆ มากมาย เช่น การรวบรวมข้อมูลคำสั่งซื้อ นอกจากนี้ยังสามารถดำเนินการตามคำขอของลูกค้าที่เกี่ยวข้องกับการจัดส่งได้ทันที เช่น การส่งใบเรียกเก็บเงินสำหรับคำสั่งซื้อหรือแจ้งให้ทราบเกี่ยวกับสถานะการจัดส่ง

4. การสนับสนุนพนักงานอย่างครอบคลุม

แชทบอทสามารถช่วยพนักงานของคุณในหลายวิธี ตั้งแต่เอกสารไปจนถึงการวางคำสั่งซื้อและการประมวลผลการชำระเงิน พวกเขาสามารถรับหรือกรอกเอกสาร เช่น ใบเรียกเก็บเงินหรือคำขอการชำระเงิน และอื่นๆ เมื่อเครื่องจักรต้องการความช่วยเหลือจากมนุษย์ พวกมันจะส่งข้อความไปยังพนักงานเพื่อทำขั้นตอนถัดไป

ตาม Bas Vogelsผู้ดูแลและผู้ฝึกสอนของทีมฝ่ายบริการลูกค้า DHL “พนักงานมีเวลามากขึ้นในการแก้ไขปัญหาลูกค้าที่ซับซ้อนและป้องกันการเพิ่มระดับ พนักงานยังพอใจมากขึ้นอย่างมาก”

5. การติดตามการจัดส่งแบบเรียลไทม์

ในโลจิสติกส์ เวลาส่งมอบและข้อมูลเรียลไทม์เกี่ยวกับสถานะคำสั่งซื้อเป็นสิ่งสำคัญแชทบอทจะทำให้ลูกค้าของคุณไม่ต้องรอการตอบสนองตัวอย่างจริงของโซลูชันนี้คือกรณีศึกษาจากRoboRoboพวกเขาได้สร้างบอทสำหรับ RPL ซึ่งแจ้งให้ลูกค้าทราบเกี่ยวกับสถานะคำสั่งซื้อของพวกเขา แชทบอทช่วยให้ลูกค้าของ RPL ติดตามตำแหน่งของพัสดุและค้นหาว่ามันจะถูกส่งมอบเมื่อไหร่

แชทบอทสามารถใช้ในหลายที่ ไม่ใช่แค่บนเว็บไซต์เท่านั้น บริษัทต่างๆ มากขึ้นเรื่อยๆ ได้เลือกแชทบอทที่มีอยู่บน Facebook, Skype, WhatsApp และช่องทางอื่นๆ

3. การแก้ปัญหาการจัดเส้นทางและแบตช์ในการดำเนินงานคลังสินค้า

งานอีกอย่างหนึ่งที่ปัญญาประดิษฐ์ทำในโลจิสติกส์คือการพัฒนาวิธีการที่มีประสิทธิภาพที่สุดสำหรับการไหลของสินค้าในคลังสินค้าและในระหว่างขั้นตอนการกระจายสินค้า

ระบบจัดการคลังสินค้าโดยใช้AIสามารถบันทึกกิจกรรมและกระบวนการทั้งหมดที่เกิดขึ้นในคลังสินค้า ซอฟต์แวร์จะวิเคราะห์ข้อมูลในอดีตที่รวบรวมมาและใช้ในการวางแผนการทำงานของอุปกรณ์ที่ใช้ (หุ่นยนต์และระบบอัตโนมัติและกึ่งอัตโนมัติ) โดยเฉพาะอย่างยิ่งการเรียนรู้ลึกการวิเคราะห์เชิงพยากรณ์การมองเห็นของคอมพิวเตอร์และซอฟต์แวร์การรู้จำสินค้าที่สามารถช่วยให้ระบุวัตถุในคลังสินค้าและทำการคาดการณ์ที่กว้างขึ้นเกี่ยวกับการกระทำที่จำเป็น

หนึ่งในเป้าหมายหลักของอัลกอริทึมแมชชีนเลิร์นนิงคือการช่วยให้ผู้คนสามารถทำงานซ้ำๆ ที่ยากได้ ในอุตสาหกรรมโลจิสติกส์และการผลิตหนึ่งในงานเหล่านี้คือการจัดเส้นทางสินค้า ซึ่งเครื่องจักรสามารถช่วยได้

ตัวอย่างที่น่าสนใจคือโซลูชันที่สร้างโดย Nvidia (NVDA ) สำหรับ Zalando ยักษ์ใหญ่ของอีคอมเมิร์ซที่มีคำสั่งซื้อใหม่หลายพันรายการในแต่ละชั่วโมง โซลูชัน AI ของพวกเขาช่วยแก้ปัญหา 2 ข้อ

​​1. การลดเวลาในการจัดเส้นทางสินค้า

พวกเขาได้เตรียมโซลูชันที่ช่วยให้สามารถควบคุมคลังสินค้าได้ด้วยการวางผู้โดยสารแบบ “บันได” (ซึ่งหมายความว่าสินค้าทั้งหมดถูกเก็บไว้ในชั้นวางที่วางในหลายแถวพร้อมกับทางเดิน)โดยพิจารณาว่าพนักงานต้องรับสินค้าที่ตั้งอยู่ในหลายส่วนของคลังสินค้า ระบบจะแนะนำเส้นทางที่สั้นที่สุดที่เป็นไปได้ในการเดินผ่านคลังสินค้าเพื่อรับสินค้าทั้งหมดที่ต้องการ

นักพัฒนาของ Nvidia สร้างอัลกอริทึม OCaPi (Optimal Cart Pick) ที่ค้นหาเส้นทางที่เหมาะสมที่สุดสำหรับพนักงานและแม้แต่การเคลื่อนไหวของรถเข็นของพนักงาน ซึ่งช่วยให้พนักงานของ Zalando หยุดใช้การวางแผนเส้นทาง S-Shape และวางแผนเส้นทางที่มีประสิทธิภาพมากขึ้น

2. การแก้ปัญหาแบตช์

ที่ Zalando ทุกคำสั่งซื้อต้องถูกกำหนดให้กับรายการรับสินค้า เมื่อรายการรับสินค้าเสร็จสมบูรณ์ สินค้าจะถูกบรรจุภัณฑ์สำหรับลูกค้า

นักพัฒนาของ Nvidia พยายามสร้างโซลูชันที่ช่วยให้สามารถบรรลุผลรวมของเวลาการเดินทางสำหรับรายการรับสินค้าทั้งหมดให้เล็กที่สุด โดยสมมติว่าพนักงานสามารถใส่สินค้าได้เพียง 10 ชิ้นในรถเข็น พวกเขาวิเคราะห์การท่องเที่ยว OCaPi สำหรับคำสั่งซื้อ 10 รายการที่มีสองรายการเพื่อค้นหาการแบ่งส่วนคำสั่งซื้อที่มีประสิทธิภาพมากที่สุดออกเป็นรายการรับสินค้า

เทคโนโลยีใดที่สามารถลดปัญหานี้?

เทคโนโลยีหลักที่ใช้ในโครงการเหล่านี้คืออัลกอริทึม OCaPi — ฟังก์ชันที่ไม่เป็นเส้นตรงอย่างมาก ซึ่งช่วยให้นักพัฒนาคำนวณเวลาการเดินทางโดยพิจารณาจากตำแหน่งที่แตกต่างกัน ฟังก์ชันนี้แสดงให้พวกเขาเห็นว่าการเดินทางส่วนใหญ่ขึ้นอยู่กับเวลาที่ใช้ในการรับสินค้าจากมุมหลังซึ่งอยู่ห่างจากสินค้าอื่นๆ ทั้งหมด

เพื่อให้การประมาณการเวลาการเดินทาง OCaPi เร็วขึ้น พวกเขาใช้เฟรมเวิร์ก Caffe และไลบรารี cuDNN ของ NVIDIA ซึ่งช่วยให้พวกเขาสามารถฝึกฝนแบบจำลองสี่แบบพร้อมกันเพื่อค้นหาสถาปัตยกรรมเครือข่ายประสาทเทียมที่แม่นยำมากที่สุด ในที่สุดระบบของพวกเขาก็ช่วยให้บริษัทสามารถลดเวลาการเดินทางต่อการรับสินค้าลงประมาณ 11%

โซลูชันแมชชีนเลิร์นนิงเหล่านี้ช่วยให้บริษัทต่างๆ สามารถ:

• เพิ่มผลผลิต
• เร่งเวลาในการรับสินค้า ซึ่งนำไปสู่ความพึงพอใจของลูกค้าที่เพิ่มขึ้น
• เพิ่มความพึงพอใจของพนักงานที่ทำงานได้รับการสนับสนุนจากโซลูชันที่ชาญฉลาด
• ปรับปรุงการทำงานประจำวัน
• กำจัดข้อผิดพลาดของมนุษย์ เนื่องจากระบบคำนวณเส้นทางได้เร็วกว่าและแม่นยำกว่ามนุษย์