3 Yöntemle Makine Öğrenimi Lojistik Endüstrisini Dönüştürüyor

Lojistik şirketleri, en iyi sonuçları elde etmek için yapay zeka ve makine öğrenimi kullanıyor. Bu, üretkenliği en yüksek düzeyde tutmak, daha iyi iş kararları almak ve rekabeti takip etmek için. Bu sektördeki AI’nin önemi çok büyük. Şirketlerin, üretim ve küresel tedarik zincirlerinde bu gelişmiş teknoloji sayesinde gelecek 20 yılda yılda 1.3 trilyon ile 2 trilyon dolar arasında ekonomik değer elde edeceği tahmin ediliyor.

Şirketiniz için AI ve makine öğrenimi nasıl yardımcı olabileceğini hala merak ediyorsanız, bazı heyecan verici kullanım örneklerine bir göz atın ve bu çözüm sizin için uygun olup olmadığını karar verin.

1. AI Tabanlı Rota Planlama Yazılımı

Sürücüler için optimum rotayı seçmek, sürücüler için molalar planlamak ve en kalabalık ve tehlikeli yollardan kaçınmak, lojistik endüstrisindeki günlük işin bir parçası olan birçok zorluktan sadece birkaçı.

Goldman Sachs’a göre, sadece 25 paket teslimatı konuşuyor olsak bile, mümkün rotalar trilyonlarca. Ve burada makine öğrenimi devreye giriyor. ML tabanlı rota planlama yazılımı, maliyet, uygulanabilir süreler ve anlık kararlar gerektiren beklenmedik yol olayları gibi faktörler açısından optimal çözümü seçmek için tüm seçenekleri analiz edebilir.

Sisteme sağlanan büyük veri kümeleri, yakıt verimliliği, olası trafik kazaları veya engeller, araç boyutu ve diğer sürücülerin çalışma saatleri gibi bilgiler, gerçek zamanlı rota optimizasyonu algoritmaları, sürücüler için en iyi rotayı belirler. Bulut tabanlı olduklarından, tüm bilgiler gerçek zamanlı olarak sağlanır ve müşterileri bilgilendirmek için teslimat zamanı hakkında bilgi verebilmeleri için çağrı merkezleri, sürücüler, yöneticiler ve hesap yöneticileri gibi diğer çalışanlar tarafından erişilebilir.

Makine öğrenimi temelinde, rota optimizasyonu yazılımı, işiniz için birçok fayda getirebilir, chẳng hạn như:

• İyileştirilmiş müşteri deneyimi: Daha doğru teslimat zamanı tahminiyle, müşteriler hizmetinizden daha memnun olacak ve size daha fazla olumlu geri bildirim verecektir. Ayrıca, müşterilere e-posta veya SMS aracılığıyla yaklaşan teslimat hakkında bildirimde bulunabilirsiniz.
• Maliyet tasarrufu: Makine öğreniminin temel faydalarından biri genellikle zaman ve para tasarrufudur. Burada da bu doğru, çünkü rota optimizasyonu sistemleri yakıt tüketimini izler ve en maliyet etkin rotaları önerir.
• Sürücü performansı izleme: Bulut tabanlı bir sistem olarak makine öğrenimi, çalışanlarınızın işlerini güvenilir bir şekilde yapmalarını sağlamak için size yardımcı olur. Ayrıca, yolda kurallara uyup uymadıklarını ve çalışma saatlerine uyup uymadıklarını da kontrol edebilirsiniz. Ayrıca, yöneticilerin bu bilgileri erişebileceğini bilmeleri, çalışan verimliliğini ve üretkenliğini artırabilir.
• KPI izleme: Seyahat süresi, yakıt maliyetleri ve çalışan üretkenliği gibi anahtar bilgiler hakkında içgörülerle, şirketinizin performansını daha iyi izleyebilir ve herhangi bir unsurun geliştirilmesi gerektiğinde daha hızlı tepki verebilirsiniz.

Lojistik endüstrisinde algoritmik rota optimizasyonunun gelirini iyileştirdiği bir gerçek yaşam örneği, McKinsey‘in bu vaka çalışmasıdır. Müşterileri, bir Asya lojistik şirketi, teknoloji şirketinden filo arzını ve rotalarını müşteri gereksinimlerine uygun şekilde eşleştirmelerine yardımcı olmalarını istedi.

Bunu nasıl başardılar?

İlk olarak, McKinsey ekibi, geliştirmek için herhangi bir sorunu bulmak için tüm süreçler hakkında temel verileri topladı. Müşteri konumları, merkez konumları ve filo kaynakları gibi hayati bilgileri analiz ettiler. Bu bilgi, tüm araçlar için özelleştirilmiş zamanlamalar üreten bir rota optimizasyonu modeli oluşturmalarına izin verdi. Bu çözümle, birçok alanda yönetimi iyileştirebildiler, aşağıdaki faktörleri dikkate alarak:

• Araç türü
• Kullanım maliyeti
• Maksimum yükleme
• Seyahat süresi

Başarının arkasında ne vardı?

Hem deneyim hem de bu çözümü oluşturmak için kullandıkları son teknoloji Makine Öğrenimi algoritmalarıydı. Örneğin, günlük haritalarında rotaların görsel rehberlerini oluşturmak için Ağ Optimizasyonu Algoritması (NOAH) modelini kullandılar. Ayrıca, hem çağrı merkezleri hem de sürücüler için işlerini kolaylaştıran gerçek zamanlı verileri gösteren bir mobil uygulama sağladılar.

Sonuç olarak, çözüm maliyetleri %3,6 oranında azalttı ve hat ağı verimliliğini artırdı, bu da %16’lık bir kar artışı ile sonuçlandı.

2. Lojistikte Chatbot’lar

Bilginiz yoksa, kötü müşteri hizmeti, satın alma niyetlerini etkileyen %97’lik bir etkiye sahiptir. Ancak başka bir kaynak, %36’sı hala şirketlerin basit sorularına cevap vermemesine kızgındır.

Bu veriler, müşterilere hemen cevap vermek için chatbota sahip olmanın önemini gösterir. Sanal asistanlar, doğal dil işleme kullanarak sohbet üzerinden insanlarla konuşur, genellikle şirketin ana sayfasında. Algoritmalarla inşa edilirler, bu da onlara sorulan soruyu tanıyabilme ve sonra cevabı eşleştirebilme yeteneği verir. Bir kullanıcı anlaşılmaz bir soru sorarsa ve veritabanında cevap yoksa, chatbot, bir “geri dönüş” cevabini eşleştirmeye çalışır veya müşteriden yeni desenleri öğrenmek ve bu bilgiyi bir sonraki benzer soru sorulduğunda kullanmak için.

Bir chatbot, şirket ve ürün veya hizmetleri hakkında belirli bir düzeyde bilgiye sahiptir. Veritabanlarından veya dış kaynaklardan bilgi alabilir. Sanal danışman, soruları cevaplar ve konuşmayı kendisi yönetir, konuşmayı şirketin faaliyetleriyle ilgili konulara veya ilgili bir sayfayı ziyaret etmeyi önermeye yönlendirir.

5 Ana Chatbot Yararı

Hala chatbot‘ların sizin işiniz için iyi bir çözüm olup olmadığını merak ediyorsanız, lojistik şirketinde onları uygulamanın beş ana avantajına bir göz atın.

1. Anında Cevaplar 24/7/365

Lojistik şirketlerinde, müşteri teması çok önemlidir. Örneğin, DHL, üç farklı iletişim formu sunar:

• Müşteri hizmetine e-posta
• Telefon iletişimi
• 7/24 chatbot

Chatbot, müşterilerin paket durumu, fiyatlandırma, paketin teslimat zamanı ve daha fazlası hakkında anında bilgi almasına olanak tanır.

Neden önemlidir?

Bugün, insanların %77’si, günün herhangi bir saatinde online sohbetten anında cevap bekliyor. Chatbot‘lar, çalışanlarınız çalışmadığında bile sürekli çalışabilir (ve asla yorulmazlar).

Her zaman erişilebilen bir chatbot uygulamak, kullanıcı deneyimini önemli ölçüde iyileştirir. Örneğin, GetJenny tarafından oluşturulan Helmi chatbot ile Helsinki Bölgesi Öğrenci Konut Vakfı, genel müşteri hizmetleri memnuniyet puanını 4.11’den 4.26’ya çıkardı.

2. Daha İyi Site Navigasyonu

Bilmiyorsanız, %34’ü müşteriler, site gezintisini zor buluyor.

Chatbot‘lar, ziyaretçilerin siteyi gezinmesine ve ilgilendikleri bilgileri hızlı bir şekilde bulmasına yardımcı olarak bu sorunu çözebilir. Pozitif bir marka imajı oluşturmanıza ve kişiselleştirilmiş müşteri deneyimi oluşturmanıza yardımcı olur. Müşteri memnuniyeti ve marka sadakati oluşturmayı önemsiyorsanız, bir chatbot mükemmel bir ilk adım olabilir.

Bir chatbot örneği, Intellexer Özetleyici web sitesinde bulunan Alex chatbot. Size bir soru sorduğunuzda, ilgilendiğiniz bilgiye sahip bir sayfaya link bulunan bir mesaj alırsınız.

Kaynak: https://summarizer.intellexer.com/

Böyle bir botu oluşturmak için, çok fazla veri sağlamaya ve çıkarmaya gerek yoktur. Sadece web sitesi içeriğini uygun bir forma sunmak için işlemden geçirmanız gerekir. Ardından, sayfa içeriği hakkında bilgi ile konuşmanın mantıksal akışını oluşturmak için bu bilgileri ayırır. Ayrıca, chatbot‘lar sürekli öğrenir, bu nedenle aldıkları sorular ne kadar çok olursa, cevapları o kadar doğru olur. Genellikle bu tür bir chatbot, şirketlerin ilk olarak seçtiği AI çözümüdür.

3. Teslimat Yardımı

Sanal asistanlar, müşterilerle ilk temas noktası olabilir ve onlardan teslimat taleplerini alabilir. Diğer AI çözümleri gibi, çalışanlarınızın birçok tekrarlayan görevinden, sipariş bilgilerini toplama gibi, kurtulmalarına yardımcı olabilir. Ayrıca, teslimatla ilgili müşteri taleplerini anında gerçekleştirebilir, örneğin bir sipariş için fatura gönderme veya teslimat durumunu bildirme.

4. Kapsamlı Çalışan Desteği

Chatbot‘lar, evrak işleri, siparişleri yerleştirme, ödemeleri işleme gibi birçok şekilde çalışanlarınıza yardımcı olabilir. Faturalar veya ödeme talepleri gibi belgeleri alabilir veya doldurabilir ve daha fazlasını yapabilir. Makinelerin insan müdahalesine ihtiyacı olduğunda, doğru sonraki adımı atmaları için insan işçilerle iletişime geçer.

Bas Vogels’e göre, DHL müşteri hizmetleri ekibinin denetçisi ve eğitmeni: “Çalışanların, karmaşık müşteri sorularını çözmek ve artışı önlemek için çok daha fazla zamanı var. Çalışan memnuniyet oranı da enorm olarak arttı.”

5. Gerçek Zamanlı Teslimat Takibi

Lojistikte, teslimat zamanı ve gerçek zamanlı sipariş durumu bilgileri çok önemlidir. Chatbot‘lar, müşterilerin cevap beklemek zorunda kalmamasını sağlar. Bu çözümün gerçek hayattaki bir örneği, RoboRobo‘nun vaka çalışmasıdır. RPL için bir bot oluşturdular, bu bot müşterilere siparişlerinin durumunu bildirir. Chatbot, RPL müşterilerinin paketlerinin konumunu izlemesine ve ne zaman teslim edileceğini öğrenmesine olanak tanır.

Chatbot‘lar, web sitesine özgü değildir, birçok şirket chatbot‘ları, Facebook, Skype, WhatsApp ve diğer kanallarda tercih etmektedir.

3. Depo Operasyonlarında Picker Routing ve Batching Problemlerini Çözme

Yapay zeka, lojistikte başka bir görevi yerine getirir: hem depoda hem de dağıtım aşamasında malların akışını en verimli şekilde geliştirmek.

AI tabanlı depo yönetim sistemleri, depoda gerçekleşen tüm faaliyetleri ve süreçleri kaydedebilir. Yazılım, topladığı tarihsel verileri analiz eder ve kullanılan ekipmanların (robotlar ve hem otomatik hem de yarı otomatik sistemler) yüklerle nasıl başa çıkacağını planlamak için kullanır. Özellikle burada faydalı olabilecek derin öğrenme, tahminsel analiz, bilgisayar görme ve ürün tanıma yazılımları, depodaki nesneleri tanıyabilir ve daha uzun süreli tahmin yapabilir.

Makine öğrenimi algoritmalarının ana hedeflerinden biri, insanların monoton ancak zor görevlerine yardımcı olmaktır. Lojistik ve üretim endüstrisinde bu görevlerden biri, picker routing‘dir, makine öğrenimi de bu görevi destekleyebilir.

İlginç bir örnek, Nvidia‘nın Zalando için oluşturduğu çözümdür, bu bir e-ticaret devi ve her saat binlerce yeni sipariş alıyor. AI tabanlı çözüm, iki sorunu çözdü.

1. Picker Routing Zamanını Azaltma

“İp merdiveni” düzeni (ürünlerin rafta depolandığı ve koridorlarla ayrıldığı) ile depo kontrolü sağlayan bir çözüm hazırladılar. Bir çalışanın farklı depo kısımlarında bulunan ürünleri alması gerektiğinde, sistem tüm ürünlerin alındığı en kısa rotayı önerir.

Nvidia‘nın geliştiricileri, Optimal Cart Pick (OCaPi) algoritmasını yarattı, bu da çalışana ve çalışanın arabasının hareketlerine optimal turu bulur. Zalando‘nun çalışanlarının S şeklinde rota heuristiğini kullanmayı bırakıp daha optimal bir rota planlamasına olanak tanıdı.

2. Batching Problemini Çözme

Zalando‘da tüm siparişler bir alıntı listesine atanmalıdır. Listeler tamamlandığında, ürünler müşterilere paketlenir.

Nvidia‘nın geliştiricileri, tüm alıntı listeleri için seyahat zamanlarının toplamının mümkün olduğunca küçük olmasını sağlayan bir çözüm oluşturmaya çalıştılar, varsayımlarından biri, bir çalışanın arabasına sadece 10 öğe sığabileceği. OCaPi alıntı turlarını iki öğe için on sipariş için analiz ettiler ve siparişlerin en verimli şekilde alıntı listelerine bölünmesini bulmaya çalıştılar.

Bu Problemleri Azaltabilecek Teknolojiler

Bu projelerde kullanılan temel teknoloji, seyahat zamanını hesaplamak için izin verilen bir fonksiyon olan OCaPi algoritmasıdır. Geliştiriciler, OCaPi seyahat zamanı tahmini daha da hızlı hale getirmek için Caffe sinir ağı çerçevesi ve NVIDIA‘nın cuDNN convolutional sinir ağı kitaplığını kullandı. Bu, onlara dört modeli paralel olarak eğitmeye ve çok doğru bir sinir ağı mimarisi bulmaya olanak tanıdı. Sonuç olarak, sistem şirketin her bir öğe için seyahat zamanını %11 oranında azaltmasına olanak tanıdı.

Bu makine öğrenimi tabanlı çözümler, şirketlerin:

• Verimliliği artırmalarına
• Sipariş alma süresini hızlandırmasına
• Çalışanların günlük akışını iyileştirmesine
• İnsan hatasını ortadan kaldırmasına