机器学习如何改变物流行业的3种方式

物流公司正在使用人工智能和机器学习来确保最佳结果，以保持最高的生产力，做出更好的商业决策，并跟上竞争对手。该行业的人工智能重要性巨大。据估计，在接下来的20年里，公司将通过在制造业和全球供应链中使用这项先进技术每年获得Between 1.3 trillion和2 trillion美元的经济价值。

如果您仍然想知道人工智能和机器学习如何帮助您的业务，请看一些令人兴奋的用例，并决定这是否是适合您的解决方案。

1. 基于人工智能的路线规划软件

选择最佳路线，规划司机休息时间，并避免最拥挤和最危险的路径只是物流行业日常工作中的一些挑战。根据高盛的说法，当我们谈论交付仅25个包裹时，可能的路线约为15万亿。这里就是机器学习发挥作用的地方。基于机器学习的路线规划软件可以分析所有选项以选择成本、适用截止日期和需要立即做出决定的意外道路事件的最佳解决方案。

基于提供给系统的大数据集，例如燃油效率、可能的交通事故或障碍、车辆大小和其他司机的工作时间表，实时路线优化算法确定司机的最佳路线。它们是基于云的，因此所有信息都实时提供，可以被调度员、司机、经理和其他员工访问，例如客户经理，以便让客户了解预计的交货时间。

• 改善客户体验：通过更准确的交货时间估计，客户将更满意您的服务，并更有可能给您积极的反馈。另外，您还可以通过电子邮件或短信向客户发送交货通知。
• 节省成本：机器学习的一个关键好处通常是节省时间和金钱。这在这里也适用，因为路线优化系统监测燃油消耗并建议最具成本效益的路线。
• 监控司机绩效：基于机器学习的云系统可以帮助您监督员工的工作并确保他们可靠地履行职责。您还可以确保他们遵守道路规则和工作时间表。此外，员工知道管理人员可以访问这些信息，这可以提高员工的效率和生产力。
• 跟踪关键绩效指标（KPI）：通过对旅行时间、燃油成本和员工生产力等关键信息的洞察，您可以更好地监控公司的表现，并在需要改进的任何方面做出更快的反应。

算法路线优化的一个真实例子是在物流行业中提高收入的是麦肯锡的案例研究。他们的客户是一家亚洲物流公司，要求科技公司解决他们在匹配车队供应和路线与客户需求方面的问题。

他们如何实现这一目标？

首先，麦肯锡的团队收集了所有关于他们流程的必要数据，以找出需要改进的任何问题。他们分析了客户位置、中心位置和车队资源等重要信息。这使他们能够建立一个路线优化模型，该模型为所有车辆生成自定义时间表。使用此解决方案，他们能够在许多领域改进管理，考虑到以下因素：

• 车辆类型
• 使用成本
• 最大装载量
• 旅行时间

是什么导致了他们的成功？ (GS )

这是他们的经验和他们用来构建此解决方案的尖端机器学习算法的结合。例如，他们使用网络优化算法（NOAH）模型来构建每日地图的视觉指南。另外，他们提供了一个显示实时数据的移动应用程序，使调度员和司机的工作更加轻松。

作为结果，他们的解决方案将成本降低了3.6％，并提高了干线网络的效率，从而实现了16％的利润增加。

2. 物流中的聊天机器人

您知道吗，多达97％的客户表示糟糕的客户服务会影响他们的购买意图？然而，另一项资源称，36％的客户仍然对公司无法回答他们的简单问题感到沮丧。

这项数据表明拥有聊天机器人来立即响应客户以节省时间和改善客户体验的重要性。虚拟助手使用自然语言处理来与人们在聊天中交谈，通常就在公司的主页上。它们是使用可以识别所提问题并将答案匹配到该问题的算法构建的。如果用户提出聊天机器人数据库中没有答案的莫名其妙的问题，聊天机器人将尝试匹配一个“后备”答案或从客户那里学习新模式，以便在类似问题再次被问到时使用这些信息。

聊天机器人拥有有关公司及其产品或服务的某些知识。它可以使用其数据库或从外部来源提取信息。虚拟顾问回答问题并自行进行对话，将对话引导到与公司活动或建议访问相关页面的主题。

5个聊天机器人的关键好处

如果您仍然不确定聊天机器人是否是您业务的良好解决方案，请看一下在物流公司中实施它们的五个关键好处。

1. 24/7/365即时响应

在物流公司中，客户联系至关重要。例如，DHL提供三个不同的联系表单：

• 电子邮件至客户服务
• 电话联系
• 24/7聊天机器人

聊天机器人允许客户立即获取有关运输状态、定价、包裹预计交货时间等信息。

为什么这很重要？

今天，77％的用户期望从在线聊天中获得立即的回应，无论白天还是晚上。聊天机器人可以全天候工作，即使您的员工不在工作（另外，他们永远不会感到疲倦）。

实施一个始终可用的聊天机器人显著改善了用户体验。例如，使用GetJenny创建的Helmi聊天机器人，赫尔辛基地区学生住房基金会的整体客户满意度评分从4.11提高到4.26。

2. 更好的网站导航

您知道吗，34％的客户对难以导航的网站感到沮丧？

聊天机器人可以通过帮助访客导航网站并快速找到他们感兴趣的信息来解决这个问题。它们帮助您创建积极的品牌形象和个性化的客户体验。如果您关心建立客户满意度和品牌忠诚度，聊天机器人可以是一个很好的第一步。

一个有趣的例子是Intellexer Summarizer网站上的聊天机器人Alex，它可以帮助您找到有关产品的所有信息。当您向他提问时，您将收到一条带有链接的消息，链接到您可以找到感兴趣信息的页面。

来源：https://summarizer.intellexer.com/

要创建这样的机器人，您不需要提供和提取大量数据。您只需要处理网站内容以提供适当的形式。然后，您分离页面内容信息和数据以创建对话的逻辑流程。此外，聊天机器人不断学习，因此它们收到的问题越多，它们的答案就越准确。通常，这种类型的聊天机器人是公司选择的第一个人工智能解决方案。

3. 送货协助

虚拟助手可以成为客户的第一联系人，并从客户那里接收送货请求。像其他人工智能解决方案一样，它们可以让您的员工摆脱许多重复的任务，例如收集订单信息。另外，它们还可以立即执行与送货相关的客户请求，例如为订单发送发票或通知送货状态。

4. 全面的员工支持

聊天机器人可以通过以下方式帮助您的员工，从文书工作到下订单和处理付款。它们可以接收或填写文档，例如发票或付款请求等。并且，当机器需要人类的帮助时，它们会向人类工人发送消息以采取正确的下一步行动。

根据Bas Vogels的说法，DHL客户服务团队的主管和培训师说：“员工有更多时间来解决复杂的客户问题并防止升级。员工满意度也大大增加。”

5. 实时货运跟踪

在物流中，交货时间和实时信息对于订单状态至关重要。聊天机器人将确保您的客户无需等待回应。实时货运跟踪的一个现实例子是RoboRobo的案例研究。他们为RPL创建了一个机器人，以便通知客户有关其订单的状态。聊天机器人允许RPL的客户监控其包裹的位置并找到交货时间。

聊天机器人可以在网站以外的许多地方使用。越来越多的公司选择在Facebook、Skype、WhatsApp和其他渠道上提供聊天机器人。

3. 解决仓库操作中的拣货路线和批处理问题

人工智能在物流中的另一个任务是开发最有效的货物流动方法，既在仓库中也在分销阶段。

基于人工智能的仓库管理系统可以记录仓库中发生的所有活动和流程。软件分析收集的历史数据，并利用它来计划设备（机器人和自动和半自动系统）如何处理负载。特别有帮助的是深度学习、预测分析、计算机视觉和产品识别软件，它们可以帮助识别仓库中的物体并进行扩展的预测，以确定需要采取的行动。

机器学习算法的一个主要目标是帮助人们完成单调但具有挑战性的任务。在物流和制造业中，这些任务之一就是拣货路线，机器也可以支持这一任务。

一个有趣的例子是Nvidia (NVDA ) 为电子商务巨头Zalando创建的解决方案。他们每小时有成千上万的新订单。他们的基于人工智能的解决方案可以解决两个问题。

​​1. 减少拣货路线时间

他们准备了一种解决方案，允许仓库控制具有“绳梯”布局（这意味着所有产品都存储在几排货架上，中间有过道）。假设工人需要检索位于不同仓库部分的产品，系统会建议工人在仓库中检索所有所需物品的最短可能路线。

Nvidia的开发人员创建了OCaPi（最佳购物车拣货）算法，该算法为工人找到最佳的拣货路线，甚至可以为工人的购物车运动找到最佳路线。它允许Zalando的工人停止使用S形路线启发式方法，并计划一个更优化的路线。

2. 解决批处理问题

在Zalando，所有订单都必须分配给一个拣货清单。当清单完成后，产品会被包装给客户。

Nvidia的开发人员尝试创建一个解决方案，允许实现所有拣货清单的旅行时间总和尽可能小，假设工人只能将10个物品装入购物车。他们分析了OCaPi拣货行程，以找到将订单分成拣货清单的最有效分割。

哪些技术可以减少这些问题？

在这些项目中使用的关键技术是OCaPi算法——一个高度非线性的函数，允许开发人员计算旅行时间，考虑到不同的拣货位置。这个解决方案表明，旅行时间主要取决于从后角（远离所有其他产品）拣货物品所花费的时间。

为了使OCaPi旅行时间估算更快，他们使用了Caffe神经网络框架和NVIDIA的cuDNN卷积神经网络库。它允许他们并行训练四个模型，以找到一个非常准确的神经网络架构。因此，他们的系统允许公司将每件拣货物品的旅行时间减少约11％。

基于机器学习的此类解决方案允许公司：

• 提高生产力
• 加快订单拣货时间，从而提高消费者满意度
• 提高支持智能解决方案的员工的满意度
• 改善员工的日常工作流程
• 消除人为错误，因为路线计算比人工计算更快、更准确。