3 تحديات سلسلة التوريد التي تحل الذكاء الاصطناعي
#ai #MachinEleArning #Supplychain
لحل نقص سائقي الشاحنات ، فإن القدرة المطابقة والطلب هي مجرد بداية
شهدت صناعة النقل بالشاحنات اضطرابًا غير مسبوق على مدار السنوات القليلة الماضية ، مدفوعة في جزء كبير منها من خلال مزيج من تقلبات الطلب ، وأحداث الاقتصاد الكلي ، والاضطرابات على نطاق واسع ، وتدعو إلى أنماط النقل المستدامة ، وارتفاع توقعات العملاء. مع ظهور التجارة الإلكترونية وزيادة الطلب على الوفاء باليوسط الأخير ، يتعرض الموردون لضغوط شديدة لتكييف عملياتهم والازدهار في العادي الجديد. على الرغم من التحديات ، لا تزال صناعة النقل بالشاحنات جزءًا حيويًا من الاقتصاد العالمي وسوف يلعب نموها المستمر دورًا رئيسيًا في تشكيل مستقبل التجارة العالمية.
في السنوات الأخيرة ، وفرت التطورات التكنولوجية مثل الأتمتة والاتصال وتحليلات البيانات للصناعة الفرصة لتحقيق اختراقات حقيقية. ومع ذلك ، فإن الصناعة تتخلف عن اللياقة الرقمية ويتعرض للاعتماد للخطر. والجدير بالذكر أن الوافدين الجدد الذين يحركونه التكنولوجيا يبتكرون لملء الفجوات ونحت منافذهم الخاصة في سلسلة القيمة بسرعة كسر. أحد المجالات الموجودة في طليعة هذا الابتكار هو الذكاء الاصطناعي (AI). الذكاء الاصطناعي لديه القدرة على إحداث ثورة في جميع وظائف إدارة سلسلة التوريد من خلال تمكين المؤسسات من تحسين العمليات وخفض التكاليف وزيادة الكفاءة.
هذه المقالة هي الأولى في سلسلة من جزأين حول كيف يمكن لمنظمة العفو الدولية حل وتخفيف تحديات صناعة النقل بالشاحنات الرئيسية. في هذا الجزء ، يتم تفصيل ثلاثة تحديات ويتم تسليط الضوء على حلول AI-AI-A-AVE.
توظيف السائق والاحتفاظ به
لقد كان نقص السائقين تحديًا مزمنًا لصناعة النقل بالشاحنات منذ الركود العظيم عام 2008. تتوقع جمعية النقل بالشاحنات الأمريكية (ATA) أن يرتفع نقص السائق من 60 ألفًا في 2021 إلى 160 ألف في عام 2030. تعويض عن التقاعد والتغييرات المهنية الطوعية ، والاحتفاظ به والاحتفاظ به والاحتفاظ به أصبح تعظيم إنتاجية برامج التشغيل الحالية أمرًا بالغ الأهمية.
يمكن أن يؤدي استخدام الذكاء الاصطناعي لتخطيط المسار وجدولة السائق إلى زيادة الاستخدام وتحرير السائقين للتركيز على جانب القيادة في وظيفتهم. لقد أفسح التبني المبكر المتردد الطريق إلى احتضان محموم لأنظمة مساعدة السائقين المتقدمة (ADAS) لاكتشاف الحوادث ومنعها ، ومراقبة أداء السائق ، وتحذير من القضايا مثل التعب لتحسين سلامة القيادة. على المدى الطويل ، فإن تحليل العوامل التي تدفع برامج التشغيل إلى الإقلاع عن التدخين يمكن أن يحسن تجربة الموظف وتقليل دورانها. في صناعة اعتمدت منذ فترة طويلة على العمليات الورقية وإعلانات الصحف لتسويق التوظيف ، يتفاعل السائقون الآن مع NLP chatbots وأدوات قيادة محاكاة للمساعدة في كل شيء من التوظيف إلى الالتفاف إلى دعم السائق اليومي. NFI Industries ، Inc.
مطابقة العرض والطلب
على مدار السنوات الخمس الماضية ، نمت قدرة النقل بالشاحنات الأمريكية بمعدل 1 ٪ ، في حين نمت الحمولة بمعدل 1.2 ٪ ، مما يدل على تقلبات كبيرة في التوزيع الجغرافي. لوضع السعة التي يكون فيها الطلب ، تستخدم شركات النقل والملاكين لوحات التحميل عندما تكون قادرة على عاجز. في حين أنها تتكاثر في السوق الفورية ، والتفتت ، والرؤية المحدودة والعمليات اليدوية تحد من جاذبية وفعالية لوحات التحميل. ومن المثير للاهتمام ، من المقدر على نطاق واسع أن ثلث جميع أميال الشاحنات فارغة.
مطابقة الشحن الرقمي هي قدرة على تدفق الذكاء الاصطناعي تبسط رحلة الشحن من خلال الرقمنة من طرف إلى طرف. يتم تلقائي عملية مطابقة سعة التحميل من خلال التعلم الآلي استنادًا إلى متطلبات الشحن (زوج OD ، نوع الشاحنة ، التأمين ، الخدمة) ، وعملية تقديم العطاءات تلقائيًا من خلال تقنيات الاتصالات (EDI ، API) ، وتسهل التتبع رؤية الوقت الفعلي أثناء التنفيذ. يمكن أن تتنبأ الذكاء الاصطناعى أيضًا بالطلب المستقبلي ، وتسهيل وضع القدرات لمطابقة الطلب ، وتصميم الحركة المستمرة بناءً على الحمل المتاح. يتم تحسين مطابقة السعة المتاحة للطلب ، مما يزيد من استخدام الأصول ، وتقليل الأميال الخاملة وتحسين نقل السعة.
مطابقة الشحن الرقمي هي قدرة على تدفق الذكاء الاصطناعي تبسط رحلة الشحن من خلال الرقمنة من طرف إلى طرف. يتم تلقائي عملية مطابقة سعة التحميل من خلال التعلم الآلي استنادًا إلى متطلبات الشحن (زوج OD ، نوع الشاحنة ، التأمين ، الخدمة) ، وعملية تقديم العطاءات تلقائيًا من خلال تقنيات الاتصالات (EDI ، API) ، وتسهل التتبع رؤية الوقت الفعلي أثناء التنفيذ. يمكن أن تتنبأ الذكاء الاصطناعى أيضًا بالطلب المستقبلي ، وتسهيل وضع القدرات لمطابقة الطلب ، وتصميم الحركة المستمرة بناءً على الحمل المتاح. يتم تحسين مطابقة السعة المتاحة للطلب ، مما يزيد من استخدام الأصول ، وتقليل الأميال الخاملة وتحسين نقل السعة.
ETA الديناميكي
إن تقدير وقت وصول الشاحنة المقدرة (ETA) هو مسعى معقد يتأثر بتأخيرات التحميل ، وحركة المرور ، والطقس ، وإغلاق الطرق ، والانهيارات ، والخطأ البشري ، مما يؤدي إلى سلسلة من الإجراءات المرتجلة والأداء دون المستوى الأمثل. تعتبر دقة التنبؤ أمرًا بالغ الأهمية في العديد من خطوات العمليات المصب ، مثل إدارة مواعيد الفناء ، وتفريغ قفص الاتهام ، والتوزيع ، وإنجاز المخزون ، وتخصيص العمل في المستودعات ، والتنفيذ في خلايا الإنتاج المزدحمة. في حين أن التأخير أمر لا مفر منه ، فإن تحسين دقة ETAs أمر بالغ الأهمية للحفاظ على تدفق المنتج بكفاءة.
على الرغم من أن الأنظمة لا تزال تتطور نحو التحديثات في الوقت الفعلي ، إلا أن الذكاء الاصطناعي (AI) تساعد في تخفيف هذا التحول عن طريق حساب ETAs أثناء الطيران ، وذلك باستخدام طرق علمية لتوليد توقعات في الوقت الفعلي من خلال خوارزميات معقدة. يستخدم الذكاء الاصطناعى مجموعة متنوعة من مدخلات البيانات في الوقت الفعلي بما في ذلك ، على سبيل المثال لا الحصر ، تتبع الأنماط التاريخية ، معلومات GPS ، بيانات الكمبيوتر (OBC) على متن الطائرة ، بيانات برنامج التشغيل ، تحديثات EDI ، أداء المعدات ومعلومات الصيانة. نظرًا لأن البيانات محددة للغاية ، يمكن أن تجعل نماذج الذكاء الاصطناعي تنبؤات أكثر دقة وذات صلة لمواقع مختلفة من العمليات بناءً على أنماط المخزون وسلوك السائق وأوقات الشاحنة وبيانات تحديد الموقع الجغرافي ، من بين أشياء أخرى. مع تغير الفصول أو الأنماط ،
"هذه حسابات ETA المستندة إلى الذكاء الاصطناعى الديناميكية تعمل على تحسين كفاءة تلقي ودقة مواجهة موجة الوفاء الخارجية وسرعة تسليم المتجر ومبيعات التجارة الإلكترونية وتجربة العملاء."
مع التقدم المثير في الشاحنات المستقلة ، وإنترنت الأشياء (IoT) ، والوفاء القائم على الطائرات بدون طيار ، و blockchain على وشك الاختراق والتسويق ، فإن المستقبل مشرق.
Leave a comment