思想领袖
3 种机器学习方式正在改变物流行业
物流公司正在使用人工智能和机器学习来确保获得最佳结果，以保持生产力在最高水平，做出更好的商业决策，并且能够跟上竞争对手的步伐。物流行业中人工智能的重要性非常巨大。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，每年创造价值 1.3 万亿美元至 2 万亿美元的经济价值。
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
选择最优路线，规划司机休息时间，避免最拥挤和最危险的道路，只是物流行业日常工作中面临的众多挑战之一。
根据高盛的说法，当我们谈到只需送达 25 个包裹时，可能的路线约为 15 万亿。这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最优解决方案，考虑成本、适用截止日期和需要立即做出决定的意外道路事件等因素。
基于提供给系统的大型数据集，例如关于燃油效率、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等信息，实时路线优化算法确定司机的最佳路线。它们是基于云的，因此所有信息都可以实时提供，并且可以被调度员、司机、经理和其他员工（如客户经理）访问，以便让客户了解预计的送货时间。
基于机器学习，路线优化软件可以为您的业务带来许多好处，例如：
- 改善客户体验：通过更准确的送货时间估计，客户将更满意您的服务，并且更有可能给您正面的反馈。另外，您还可以引入关于即将送达的通知，通过电子邮件或短信发送。
- 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。这在这里也是如此，因为路线优化系统监控燃油消耗，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，并在任何需要改进的元素中更快地做出反应。
一个算法路线优化提高了物流行业收入的真实案例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。
他们是如何实现这一目标的？
首先，麦肯锡的团队收集了所有关于他们的流程的必要数据，以找到需要改进的问题。他们分析了有关客户位置、中心位置和车队资源的重要信息。这种信息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。通过这种解决方案，他们能够在许多领域改进管理，考虑到以下因素：
- 车辆类型
- 利用成本
- 最大负载
- 旅行时间
是什么导致了他们的成功？
这既是他们的经验，也是他们用来构建此解决方案的最先进的机器学习算法。例如，他们使用网络优化算法（NOAH）模型来构建每日路线地图的视觉指南。另外，他们提供了一个显示实时数据的移动应用，使调度员和司机的工作更加轻松。
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，从而导致利润增加了 16%。
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愿？然而，另一项资源称，36%的客户仍然对公司未能响应他们的简单问题感到沮丧。
这些数据表明拥有聊天机器人的重要性，以便立即响应客户，节省时间，改善客户体验。虚拟助手使用自然语言处理与人交谈，通常就在公司主页上。它们是使用可以识别所提问题并匹配答案的算法构建的。如果用户提出一个无从下手的问题，没有答案可供参考，聊天机器人会尝试匹配一个“后备”答案，或者从客户那里学习新模式，以便在下次提出类似问题时使用这些信息。
一个聊天机器人拥有关于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。虚拟顾问会回答问题并自行进行对话，将对话引导到与公司活动相关的主题，或者建议访问相关页面。
5 个聊天机器人的关键好处
仍然不确定聊天机器人是否是适合您业务的良好解决方案？只要看一下在物流公司中实施它们的五个关键好处。
1. 即时响应 24/7/365
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：
- 发送电子邮件给客户服务
- 电话联系
- 24/7 聊天机器人
聊天机器人允许客户获取有关包裹状态、价格、包裹预计送达时间等信息。
为什么这很重要？
今天，77%的用户期望从在线聊天中获得即时响应，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注意到其整体客户服务满意度评分从 4.11 提高到 4.26。
2. 更好的网站导航
您知道吗，34%的客户对网站导航感到沮丧？
聊天机器人可以解决这个问题，通过帮助访客导航网站并快速找到他们感兴趣的信息。它们帮助您创建积极的品牌形象和个性化的客户体验。因此，如果您关心建立客户的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。当您向他提问时，您将收到一条包含指向感兴趣页面的链接的消息。
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，您将有关页面内容的信息与创建对话逻辑流的数据分开。另外，聊天机器人会不断学习，因此它们收到的问题越多，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点，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性任务，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从文书工作到下订单再到处理付款等方式帮助您的员工。它们可以接收或填写文件，例如发票或付款请求等。 当机器需要人类的帮助时，它们会向人类工人发送消息，以便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：“员工有更多时间来解决复杂的客户问题并防止升级。员工满意度也大幅增加。”
5. 实时货运跟踪
在物流中，送货时间和实时信息关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响应。 一个现实生活中的例子是 RoboRobo 的案例研究，他们为 RPL 创建了一个机器人，告知客户关于其订单状态。聊天机器人允许 RPL 的客户监控其包裹的位置，并了解何时将送达。
聊天机器人可以在许多地方使用，不仅仅是在网站上。越来越多的公司选择在 Facebook、Skype、WhatsApp 和其他渠道上使用聊天机器人。
3. 解决仓库操作中的拣货路线和批处理问题
人工智能在物流中完成的另一个任务是开发货物在仓库和分销阶段流动的最有效方法。
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。特别是在这里，深度学习、预测分析、计算机视觉和产品识别软件可以帮助识别仓库中的物体并进行扩展预测，预测需要采取的行动。
基于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为电子商务巨头 Zalando 创建的解决方案，Zalando 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
他们准备了一个解决方案，允许使用“绳梯”布局（即所有产品存储在几排货架中，货架之间有过道）控制仓库。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行进的最短可能路线。
Nvidia 的开发人员创建了 OCaPi（Optimal Cart Pick）算法，该算法为工人找到最优的拣货路线，甚至可以规划工人的行车运动。它使 Zalando 的工人能够停止使用 S 形路线启发式方法，并计划更优的路线。
2. 解决批处理问题
在 Zalando，每个订单都必须分配到一个拣货清单。当清单完成后，产品将包装并送给客户。
Nvidia 的开发人员尝试创建一个解决方案，以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 件物品装入车中。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方法。
哪些技术可以减少这些问题？
用于这些项目的关键技术是 OCaPi 算法——一种高度非线性的函数，允许开发人员计算旅行时间，考虑到不同的拣货位置。该解决方案表明他们，旅行时间主要取决于从远离所有其他产品的后角拣取物品所花费的时间。
为了使 OCaPi 旅行时间估计更快，他们使用了 Caffe 神经网络框架和 NVIDIA 的 cuDNN 卷积神经网络库。它使他们能够并行训练四个模型，以找到一个非常准确的神经网络架构。因此，他们的系统使公司能够将每件拣货的旅行时间减少约 11%。
基于机器学习的此类解决方案使公司能够：
- 提高生产力
- 加快订单拣货时间，从而提高消费者满意度
- 提高由智能解决方案支持的员工的满意度
- 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。
