Lãnh đạo tư tưởng
3 Cách Học Máy Transforming Ngành Công Nghiệp Logistics
Các công ty logistics đang sử dụng trí tuệ nhân tạo và học máy để đảm bảo kết quả tốt nhất nhằm duy trì năng suất ở mức cao nhất, đưa ra các quyết định kinh doanh tốt hơn,quyết định kinh doanh, và theo kịp với sự cạnh tranh. Tầm quan trọng của AI trong ngành này là rất lớn. Theo ước tính, trong 20 năm tới, các công ty sẽ thu được giữa 1,3 nghìn tỷ và 2 nghìn tỷ đô la mỗi năm về giá trị kinh tế nhờ vào công nghệ tiên tiến này trong sản xuất và chuỗi cung ứng toàn cầu.
Nếu bạn vẫn còn thắc mắc về cách AI và học máy có thể giúp doanh nghiệp của bạn, hãy xem một số trường hợp sử dụng thú vị và quyết định xem đây có phải là giải pháp cho bạn hay không.
1. Phần Mềm Lập Kế Hoạch Tuyến Đường Dựa Trên AI
Chọn tuyến đường tối ưu, lập kế hoạch nghỉ cho tài xế, và tránh các tuyến đường đông đúc và nguy hiểm nhất là chỉ một số trong nhiều thách thức trong công việc hàng ngày của ngành công nghiệp logistics.
Theo Goldman Sachs, khi nói đến việc giao chỉ 25 gói hàng, các tuyến đường có thể đạt tới khoảng 15 nghìn tỷ nghìn tỷ. Và đây là nơi học máy đến để giải cứu. Phần mềm lập kế hoạch tuyến đường dựa trên ML có thể phân tích tất cả các tùy chọn để chọn giải pháp tối ưu về chi phí, thời hạn áp dụng và các sự kiện đường bất ngờ yêu cầu quyết định ngay lập tức.
Dựa trên các tập dữ liệu lớn được cung cấp cho hệ thống, chẳng hạn như thông tin về hiệu suất nhiên liệu, tai nạn giao thông hoặc chướng ngại vật có thể xảy ra, kích thước xe và lịch trình làm việc của các tài xế khác, tối ưu hóa tuyến đường thời gian thực các thuật toán xác định tuyến đường tốt nhất cho tài xế. Chúng được dựa trên đám mây, vì vậy tất cả thông tin được cung cấp trong thời gian thực và có thể được truy cập bởi các điều phối viên, tài xế, quản lý và các nhân viên khác, chẳng hạn như quản lý tài khoản, để giữ cho khách hàng được thông báo về thời gian giao hàng dự kiến.
Dựa trên học máy, phần mềm tối ưu hóa tuyến đường có thể mang lại nhiều lợi ích cho doanh nghiệp của bạn, chẳng hạn như:
- Cải thiện trải nghiệm khách hàng: Với ước tính thời gian giao hàng chính xác hơn, khách hàng sẽ hài lòng hơn với dịch vụ của bạn và có nhiều khả năng đưa ra phản hồi tích cực. Hơn nữa, bạn cũng có thể giới thiệu thông báo về việc giao hàng sắp tới qua email hoặc SMS.
- TIết kiệm chi phí: Một trong những lợi ích chính của học máy thường là tiết kiệm thời gian và tiền bạc. Điều này đúng ở đây, vì hệ thống tối ưu hóa tuyến đường theo dõi tiêu thụ nhiên liệu và đề xuất các tuyến đường tiết kiệm chi phí nhất.
- Theo dõi hiệu suất của tài xế: Hệ thống dựa trên đám mây dựa trên học máy giúp bạn giám sát công việc của nhân viên và đảm bảo họ thực hiện nhiệm vụ của mình một cách đáng tin cậy. Bạn cũng có thể đảm bảo họ tuân theo các quy tắc đường và lịch trình làm việc của họ. Hơn nữa, việc nhận thức rằng các nhà quản lý có quyền truy cập vào thông tin này có thể tăng hiệu quả và năng suất của nhân viên.
- Theo dõi KPI: Với thông tin về thời gian di chuyển, chi phí nhiên liệu và năng suất của nhân viên, bạn có thể theo dõi hiệu suất của công ty mình tốt hơn và phản ứng nhanh hơn nếu bất kỳ yếu tố nào cần cải thiện.
Một ví dụ thực tế về việc tối ưu hóa tuyến đường thuật toán cải thiện doanh thu trong ngành logistics là nghiên cứu trường hợp này từ McKinsey. Khách hàng của họ là một công ty logistics châu Á đã yêu cầu công ty công nghệ giải quyết vấn đề về việc ghép cung cấp đội xe và tuyến đường với yêu cầu của khách hàng.
Họ đã đạt được điều này như thế nào?
Trước hết, nhóm của McKinsey đã thu thập tất cả dữ liệu thiết yếu về các quy trình của họ để tìm bất kỳ vấn đề nào để cải thiện. Họ đã phân tích thông tin quan trọng như vị trí của khách hàng, vị trí trung tâm, và tài nguyên đội xe. Thông tin này cho phép họ xây dựng một mô hình tối ưu hóa tuyến đường tạo ra lịch trình tùy chỉnh cho tất cả các phương tiện. Với giải pháp này, họ đã có thể cải thiện quản lý trong nhiều lĩnh vực, tính đến các yếu tố như:
- Loại phương tiện
- Chi phí sử dụng
- Tải trọng tối đa
- Thời gian di chuyển
Điều gì đằng sau thành công của họ?
Đó là cả kinh nghiệm và các thuật toán học máy tiên tiến mà họ đã sử dụng để xây dựng giải pháp này. Ví dụ, họ đã sử dụng mô hình thuật toán tối ưu hóa mạng (NOAH) để xây dựng hướng dẫn trực quan trong bản đồ hàng ngày của các tuyến đường. Ngoài ra, họ đã cung cấp một ứng dụng di động hiển thị dữ liệu thời gian thực, giúp công việc dễ dàng hơn cho cả điều phối viên và tài xế.
Kết quả là giải pháp của họ đã giảm chi phí bằng 3,6% và tăng hiệu quả của mạng lưới vận chuyển, dẫn đến tăng lợi nhuận 16%.
2. Trợ Lý Trực Tuyến Trong Logistics
Bạn có biết rằng nhiều đến 97% người nói rằng dịch vụ khách hàng kém có tác động đến ý định mua hàng của họ? Tuy nhiên, một nguồn khác cho biết rằng 36% khách hàng vẫn thất vọng với việc các công ty không phản hồi các câu hỏi đơn giản của họ.
Dữ liệu này cho thấy tầm quan trọng của việc có một trợ lý trực tuyến để phản hồi khách hàng ngay lập tức nhằm tiết kiệm thời gian và cải thiện trải nghiệm khách hàng. Các trợ lý ảo sử dụng xử lý ngôn ngữ tự nhiên để trò chuyện với người dùng trên một cuộc trò chuyện, thường ngay trên trang chủ của công ty. Chúng được xây dựng với các thuật toán có thể nhận ra câu hỏi được hỏi và sau đó khớp với câu trả lời. Giả sử người dùng hỏi một câu hỏi không thể hiểu được mà không có câu trả lời trong cơ sở dữ liệu. Trong trường hợp đó, trợ lý trực tuyến cố gắng khớp một trong những “câu trả lời dự phòng” hoặc học các mẫu mới từ khách hàng để sử dụng thông tin này lần tiếp theo khi một câu hỏi tương tự được hỏi.
Một trợ lý trực tuyến có một lượng kiến thức nhất định về một công ty và sản phẩm hoặc dịch vụ của họ. Nó có thể sử dụng cơ sở dữ liệu của mình hoặc rút thông tin từ các nguồn bên ngoài. Trợ lý ảo trả lời các câu hỏi và tiến hành cuộc trò chuyện của chính nó, chỉ đạo cuộc trò chuyện đến các chủ đề liên quan đến hoạt động của công ty hoặc đề xuất một chuyến thăm đến một trang liên quan.
5 Lợi Ích Của Trợ Lý Trực Tuyến
Vẫn còn thắc mắc rằng trợ lý trực tuyến có phải là giải pháp tốt cho doanh nghiệp của bạn? Hãy xem năm lợi ích chính của việc triển khai chúng trong một công ty logistics.
1. Phản Hồi Ngay Lập Tức 24/7/365
Trong các công ty logistics, liên hệ với khách hàng là rất quan trọng. Ví dụ, DHL cung cấp ba biểu mẫu liên hệ khác nhau:
- Email đến dịch vụ khách hàng
- Liên hệ điện thoại
- Trợ lý trực tuyến 24/7
Trợ lý trực tuyến cho phép khách hàng nhận thông tin tức thì về trạng thái giao hàng, giá cả, thời gian giao hàng dự kiến của một gói hàng và nhiều hơn nữa.
Tại sao điều này lại quan trọng?
Hôm nay, 77% người mong đợi nhận được phản hồi ngay lập tức từ cuộc trò chuyện trực tuyến tại bất kỳ thời điểm nào trong ngày hoặc đêm. Trợ lý trực tuyến có thể làm việc tất cả thời gian, ngay cả khi nhân viên của bạn không làm việc (hơn nữa, họ sẽ không bao giờ mệt mỏi).
Triển khai một trợ lý trực tuyến luôn sẵn sàng cải thiện đáng kể trải nghiệm người dùng. Ví dụ, với trợ lý trực tuyến Helmi được tạo bởi GetJenny, Quỹ Nhà ở cho Sinh viên ở Khu vực Helsinki đã ghi nhận tăng điểm số hài lòng dịch vụ khách hàng tổng thể từ 4,11 lên 4,26.
2. Điều Hướng Trang Web Tốt Hơn
Bạn có biết rằng 34% khách hàng bị thất vọng bởi việc điều hướng trang web khó khăn?
Trợ lý trực tuyến có thể giải quyết vấn đề này bằng cách giúp khách truy cập điều hướng trang web và nhanh chóng tìm thấy thông tin họ quan tâm. Chúng giúp bạn tạo ra hình ảnh thương hiệu tích cực và trải nghiệm khách hàng được cá nhân hóa. Vì vậy, nếu bạn quan tâm đến việc xây dựng sự hài lòng và trung thành với thương hiệu среди khách hàng của mình, một trợ lý trực tuyến có thể là một bước đầu tiên tuyệt vời.
Một ví dụ thú vị về trợ lý trực tuyến giúp bạn tìm tất cả thông tin về một sản phẩm là trợ lý trực tuyến Alex, có sẵn trên trang web Intellexer Summarizer. Khi bạn hỏi anh ta một câu hỏi, bạn sẽ nhận được một tin nhắn với một liên kết đến một trang nơi bạn có thể tìm thấy thông tin của_interest.
Để tạo một bot như vậy, bạn không cần cung cấp và trích xuất nhiều dữ liệu. Bạn chỉ cần xử lý nội dung của trang web để cung cấp nó trong một hình thức phù hợp. Sau đó, bạn tách thông tin về nội dung của trang và dữ liệu để tạo một luồng hội thoại logic. Hơn nữa, trợ lý trực tuyến luôn học hỏi, vì vậy càng nhiều câu hỏi chúng nhận được, câu trả lời của chúng sẽ càng chính xác. Thường thì, loại trợ lý trực tuyến này là giải pháp AI đầu tiên mà các công ty lựa chọn.
3. Hỗ Trợ Giao Hàng
Trợ lý ảo có thể là điểm liên hệ đầu tiên với khách hàng và nhận yêu cầu giao hàng từ họ. Giống như các giải pháp AI khác, chúng có thể giảm bớt nhiều nhiệm vụ lặp đi lặp lại cho nhân viên của bạn, chẳng hạn như thu thập thông tin đơn hàng. Hơn nữa, chúng cũng có thể thực hiện ngay lập tức các yêu cầu của khách hàng liên quan đến giao hàng, chẳng hạn như gửi hóa đơn cho một đơn hàng hoặc thông báo về trạng thái giao hàng.
4. Hỗ Trợ Toàn Diện Cho Nhân Viên
Trợ lý trực tuyến có thể giúp nhân viên của bạn theo nhiều cách, từ việc giấy tờ đến đặt hàng đến xử lý thanh toán. Chúng có thể nhận hoặc điền vào các tài liệu như hóa đơn hoặc yêu cầu thanh toán, và nhiều hơn nữa. Và khi máy cần sự hỗ trợ của con người, chúng gửi một tin nhắn đến nhân viên để thực hiện bước tiếp theo.
Theo Bas Vogels, người giám sát và huấn luyện viên của đội dịch vụ khách hàng DHL: “Nhân viên có nhiều thời gian hơn để giải quyết các câu hỏi khách hàng phức tạp và ngăn chặn các sự cố. Tỷ lệ hài lòng của nhân viên cũng tăng lên rất nhiều.”
5. Theo Dõi Giao Hàng Thời Gian Thực
Trong logistics, thời gian giao hàng và thông tin thời gian thực về trạng thái của một đơn hàng là rất quan trọng. Trợ lý trực tuyến sẽ đảm bảo khách hàng của bạn không phải chờ đợi phản hồi. Một ví dụ thực tế về giải pháp này là nghiên cứu trường hợp từ RoboRobo. Họ đã tạo một bot cho RPL thông báo cho khách hàng về trạng thái đơn hàng của họ. Trợ lý trực tuyến cho phép khách hàng của RPL theo dõi vị trí của gói hàng của họ và tìm hiểu khi nào nó sẽ được giao.
Trợ lý trực tuyến có thể được sử dụng ở nhiều nơi, không chỉ trên một trang web. Ngày càng nhiều công ty lựa chọn trợ lý trực tuyến có sẵn trên Facebook, Skype, WhatsApp và các kênh khác.
3. Giải Quyết Vấn Đề Picker Routing và Batching Trong Hoạt Động Kho
Một nhiệm vụ khác mà trí tuệ nhân tạo thực hiện trong logistics là phát triển các phương pháp hiệu quả nhất cho dòng chảy của hàng hóa cả trong kho và trong giai đoạn phân phối.
Hệ thống quản lý kho dựa trên AI có thể ghi lại tất cả các hoạt động và quy trình diễn ra trong kho. Phần mềm phân tích dữ liệu lịch sử thu thập được và sử dụng nó để lên kế hoạch cho cách thiết bị được sử dụng (rô-bốt và cả hệ thống tự động và bán tự động) sẽ xử lý các tải. Đặc biệt hữu ích ở đây có thể là học sâu, phân tích dự đoán, tầm nhìn máy tính và phần mềm nhận dạng sản phẩm có thể giúp nhận dạng các đối tượng trong kho và tạo dự báo mở rộng về những hành động sẽ được thực hiện.
Một trong những mục tiêu chính của các thuật toán học máy là giúp con người với các nhiệm vụ nhàm chán nhưng khó khăn. Trong ngành công nghiệp logistics và sản xuất, một trong những nhiệm vụ này là picker routing, mà máy cũng có thể hỗ trợ.
Một ví dụ thú vị là giải pháp được tạo bởi Nvidia cho Zalando, một gã khổng lồ thương mại điện tử, có hàng nghìn đơn hàng mới mỗi giờ. Giải pháp dựa trên AI của họ cho phép giải quyết hai vấn đề.
1. Giảm Thời Gian Picker Routing
Họ đã chuẩn bị một giải pháp cho phép kiểm soát kho với một bố cục “thang dây” (nghĩa là tất cả sản phẩm được lưu trữ trên kệ đặt trong nhiều hàng với lối đi). Giả sử một công nhân cần thu thập sản phẩm nằm ở các phần khác nhau của kho, hệ thống đề xuất tuyến đường ngắn nhất có thể qua kho cho phép thu thập tất cả các mục cần thiết.
Các nhà phát triển của Nvidia đã tạo ra thuật toán OCaPi (Optimal Cart Pick) tìm tuyến đường thu thập tối ưu cho công nhân và thậm chí cho các chuyển động của xe đẩy của công nhân. Điều này cho phép công nhân của Zalando ngừng sử dụng heuristic định tuyến hình S và lên kế hoạch cho một tuyến đường tối ưu hơn.
2. Giải Quyết Vấn Đề Batching
Tại Zalando, tất cả các đơn hàng phải được gán cho một danh sách thu thập. Khi danh sách được hoàn thành, sản phẩm sẽ được đóng gói cho khách hàng.
Các nhà phát triển của Nvidia đã cố gắng tạo ra một giải pháp cho phép đạt được tổng thời gian di chuyển cho tất cả các danh sách thu thập càng nhỏ càng tốt, giả sử một công nhân chỉ có thể chứa 10 mục trong xe đẩy. Họ đã phân tích các chuyến thu thập OCaPi cho mười đơn hàng của hai thứ để tìm cách chia đơn hàng thành danh sách thu thập hiệu quả nhất.
Các Công Nghệ Nào Có Thể Giảm Các Vấn Đề Này?
Một công nghệ chính được sử dụng trong các dự án này là thuật toán OCaPi — một hàm phi tuyến tính cao cho phép các nhà phát triển tính toán thời gian di chuyển, xem xét các vị trí thu thập khác nhau. Giải pháp này cho thấy họ rằng thời gian di chuyển chủ yếu phụ thuộc vào thời gian dành để thu thập một mục từ góc sau, đặt xa tất cả các sản phẩm khác.
Để làm cho ước tính thời gian di chuyển OCaPi thậm chí còn nhanh hơn, họ đã sử dụng khuôn khổ mạng nơ-ron Caffe và thư viện mạng nơ-ron tích hợp cuDNN của NVIDIA. Điều này cho phép họ đào tạo bốn mô hình song song để tìm một kiến trúc mạng nơ-ron rất chính xác. Kết quả là hệ thống của họ cho phép công ty giảm thời gian di chuyển cho mỗi mục thu thập xuống khoảng 11%.
Các giải pháp dựa trên học máy như vậy cho phép các công ty:
- Tăng năng suất
- Tăng tốc thời gian thu thập đơn hàng, dẫn đến tăng sự hài lòng của người tiêu dùng
- Tăng sự hài lòng của nhân viên mà công việc của họ được hỗ trợ bởi các giải pháp thông minh
- Cải thiện luồng công việc hàng ngày
- Loại bỏ sai sót của con người vì tính toán tuyến đường là nhanh hơn và chính xác hơn so với nếu một người làm điều đó.
