Як AI тихо змінює логістику: скорочення відходів та підвищення прибутковості

Хоча фінанси та охорона здоров’я отримують заголовки за прийняття AI, деякі з найбільш прибуткових випадків використання знаходяться на дорогах. Логістика є хребтом глобальної торгівлі, і виконавчі директори починають це розуміти – у 2024 році 90% лідерів ланцюга постачання сказали, що технологічні можливості є головними факторами при виборі партнерів з перевезення вантажів. Причина? AI перетворює галузь, відому своєю неефективністю, на верхню руку над конкурентами.

Історично залежна від паперових процесів, логістика була сліпою плямою для лідерів ланцюга постачання. Ця відсутність видимості підживлює ефект бульбашки: маленькі зміни у роздрібному попиті надуваються, коли вони рухаються вгору ланцюга постачання, досягаючи постачальників сировини. У поєднанні з довгими термінами поставки це змушує кожну стадію – роздрібні торговці, оптовики, дистриб’ютори та виробники – перевищувати замовлення, погіршуючи проблему.

Але уявіть собі на секунду, що замість того, щоб заповнювати вантажівки та склади напівпровідниковими чіпами тільки для того, щоб попит на ПК впав, логістика мала б реальне відстеження та видимість ланцюга постачання. Що, якщо вони могли б передбачити коливання попиту з точністю 99,9%? І забезпечувати гнучкі логістичні рішення, такі як транспорт на вимогу, у відповідь?

З AI та машинним навчанням цей ідеал може не бути таким далеким, як думають бізнес-лідери.

Видимість ланцюга постачання пояснює незрозуміле

Коли їх запитали: “Які технологічні можливості перевізників ви вважаєте найбільш цінними?”, 67% респондентів проголосували за відстеження вантажів в реальному часі.

Пристрої Інтернету речей (IoT) революціонізують відстеження вантажів, забезпечуючи детальну видимість та сповіщення в реальному часі про стан товарів – важливу для часу-чутливих або температурно-контрольованих відправлень, таких як продукти харчування та фармацевтичні препарати, які мають суворі правила верифікації. Не тільки лідери ланцюга постачання можуть дізнатися, скільки запасів вони мають і де вони знаходяться в будь-який момент, але вони також можуть дізнатися про їхній стан. Відправники можуть відстежувати та обмінюватися інформацією про те, чи товари гарячі, холодні, вологі чи сухі, і вони можуть бачити, чи відкриті двері, коробки чи інші контейнери. Ці знання пояснюють аномалії з продуктами харчування, які прибувають у перished вигляді, мінімізуючи майбутні відходи.

Переходячи до галузі електроніки, компанії можуть гарантувати клієнтам, що продукти, такі як материнські плати ноутбуків, є справжніми, коли товари відстежуються та відстежуються. Складські та інвентарні менеджери можуть сканувати штрих-коди та QR-коди, щоб відстежувати рівень запасів, або використовувати радіочастотну ідентифікацію (RFID) міток, прикріплених до об’єктів, щоб відстежувати високоцінні активи без необхідності сканування їх. Більш просунуті мітки RFID пропонують сповіщення в реальному часі, коли умови (наприклад, температура) відхиляються від попередньо встановлених порогів.

Відстеження на рівні предметів стало обов’язковим для відправників та їхніх партнерів ланцюга постачання. Логістичні провайдери повинні швидко адаптуватися до порушень та змін попиту, і ця видимість збільшує стійкість. Ці знання дозволяють підприємствам мати цілісний вигляд запасів та приймати обґрунтовані рішення в реальному часі, скорочуючи відходи та покращуючи використання ресурсів.

Прогнозування попиту та надійні терміни поставки

Корисність датчиків IoT розширюється далеко за межі простого відстеження предметів та оновлення клієнтів в реальному часі. Вони забезпечують дані, які паливають алгоритми прогнозування попиту.

Взявши, наприклад, Coca-Cola, гігант серед безалкогольних напоїв, який використовує IoT для моніторингу та збору даних з своїх вендингових машин та холодильників, відстежуючи метрики рівня запасів та аналізу споживчих переваг в реальному часі. Це дозволяє Coca-Cola робити обґрунтовані прогнози про попит на конкретні типи продуктів та смаки.

Перевізники все частіше використовують подібний метод для прогнозування обсягу вантажів у конкретних напрямках, що дозволяє їм оптимізувати розгортання флоту та виконувати угоди про рівень обслуговування (SLA). Гарна новина для підприємств, оскільки вони отримують вигоду від більш надійних термінів поставки, що означає нижчі витрати на запаси та менше випадків відсутності товарів.

Є два основних способи, якими логістичні компанії використовують прогнозування:

1. Довгострокове (стратегічне): Для бюджетів та планування активів (6-місячні до 3-річні плани).
2. Короткострокове (операційне): Найцінніше для логістики, передбачення наземного транспортування вантажів до 14 днів наперед, і 1-12 тижнів для океанського транспорту.

Наприклад, компанія DPDgroup, кур’єрська компанія Speedy, передбачає попит, поєднуючи історичні дані про відправлення (розмір пакету, час доставки, поведінка клієнтів тощо) з зовнішніми факторами, такими як свята, піки роздрібної торгівлі (Чорна п’ятниця) тощо. За новою системою прогнозування попиту на основі AI дозволило Speedy швидко визначити та скасувати непотрібні поїздки та лінії. Це призвело до 25% зниження витрат на хаб-до-хаб та 14% збільшення використання флоту. McKinsey знайшов подібні результати в управлінні ланцюгом постачання, де інструменти прогнозування знизили помилки на 20-50%.

Сумісність вантажу та місткості: зупиніть перевезення повітря

Uber Freight повідомив у 2023 році, що між 20% та 35% з приблизно 175 мільярдів миль, які вантажівки проїздять у США щороку, ймовірно, порожні – виснажуючи паливні та трудові бюджети. Тепер, коли AI, ML та технологія цифрового двійника стали загальними, вантажівка, яка щойно зробила доставку в Далласі, не повинна повертатися в Чикаго порожньою. Платформи сумісності вантажу, керованими AI, аналізують попит на вантажі, наявність вантажівок та шаблони маршрутів, щоб забезпечити, щоб кожна вантажівка перевозила вантаж з максимальною ефективністю.

Логістичні компанії беруть зібрану інформацію про вантажі, використану в інструментах прогнозування попиту (розмір вантажу, вага, розміри, тип – чи це перішній, небезпечний тощо), і перетинають її з їхньою місткістю. Аналітика, керована AI, може переглянути розмір вантажівки, особливості, місце знаходження та доступність, а також правила годин роботи водіїв, щоб з’єднати відправників та перевізників в реальному часі. Технологія цифрового двійника потенційно може зайти далі, симулюючи віртуальні сценарії, щоб забезпечити оптимальну сумісність.

Скажімо, відправник вводить інформацію про свій майбутній вантаж у цифрову платформу. Система аналізує доступну місткість перевізника та сумісність вантажу з найбільш підходящим варіантом, враховуючи фактори оптимізації, згадані вище. Транзакція обробляється, а відправлення відстежується протягом усього шляху.

Відстежуючи активи, передбачаючи попит та сумісність вантажів, логістичні компанії економлять великі кошти. Вони мінімізують порожні милі, максимізують використання транспортних засобів та ліквідують вуглецевий слід – в кінцевому підсумку покращуючи відносини з клієнтами завдяки більш надійним доставкам.

Переваги виходять за межі логістики. Цей рівень видимості ланцюга постачання дозволяє роздрібним торговцям та виробникам оптимізувати графіки виробництва та скорочувати витрати на утримання запасів. Вони можуть планувати відправлення більш ефективно, мінімізуючи затримки та складські збори, та скорочуючи витрати на транспортування, забезпечуючи оптимальне використання вантажівок та мінімальну витрату місткості.

Будь-яка галузь, яка займається розподіленням ресурсів – авіакомпанії, виробництво, навіть хмарні обчислення – можуть вивчити, як логістичний AI оптимізує операції.