3 Les défis de la chaîne d'approvisionnement sont résolus l'intelligence artificielle résout
#Ai #machinelearning #SupplyChain
Pour résoudre la pénurie de chauffeurs de camion, la capacité de correspondance et la demande n'est que le début
L'industrie du camionnage a connu des turbulences sans précédent au cours des dernières années, motivées en grande partie par une combinaison de volatilité de la demande, d'événements macroéconomiques, de perturbations à grande échelle, d'appel à des modes de transport durables et à des attentes de clients. Avec la montée en puissance du commerce électronique et la demande croissante d'accomplissement de dernier mile, les fournisseurs sont soumis à une pression intense pour adapter leurs opérations et prospérer dans la nouvelle normale. Malgré les défis, l'industrie du camionnage reste un élément essentiel de l'économie mondiale et sa croissance continue jouera un rôle clé dans la formation de l'avenir du commerce mondial.
Ces dernières années, les progrès technologiques tels que l'automatisation, la connectivité et l'analyse des données ont permis à l'industrie de réaliser de véritables percées. Cependant, l'industrie est en retard dans le fitness numérique et met en danger l'adoption. Notamment, les nouveaux participants axés sur la technologie innovent pour combler les lacunes et se tailler leurs propres niches dans la chaîne de valeur à une vitesse vertigineuse. Un domaine qui est à l'avant-garde de cette innovation est l'intelligence artificielle (IA). L'intelligence artificielle a le potentiel de révolutionner toutes les fonctions de la gestion de la chaîne d'approvisionnement en permettant aux organisations d'optimiser les processus, de réduire les coûts et d'augmenter l'efficacité.
Cet article est le premier d'une série en deux parties sur la façon dont l'IA peut résoudre et atténuer les principaux défis de l'industrie du camionnage. Dans cette partie, trois défis sont détaillés et les solutions axées sur l'IA sont mises en évidence.
Embauche et rétention des conducteurs
Les pénuries de conducteurs ont été un défi chronique pour l'industrie du camionnage depuis la Grande Récession de 2008. L'American Trucking Association (ATA) s'attend à ce que la pénurie de conducteur passe de 60k en 2021 à 160k en 2030. Compenser la retraite et les changements de carrière volontaire, la conservation et La maximisation de la productivité des conducteurs existants est devenue critique.
L'utilisation d'IA pour la planification des itinéraires et la planification des conducteurs peut augmenter l'utilisation et libérer les conducteurs pour se concentrer sur l'aspect moteur de leur travail. L'adoption précoce hésitante a cédé la place à une adoption frénétique des systèmes de conducteur avancés (ADAS) pour détecter et prévenir les accidents, surveiller les performances du conducteur et avertir des problèmes tels que la fatigue pour améliorer la sécurité de la conduite. À long terme, l'analyse des facteurs qui poussent les conducteurs à cesser peuvent améliorer l'expérience des employés et réduire le chiffre d'affaires. Dans une industrie qui ne s'appuyait pas sur des processus papier et des annonces de journaux pour le marketing de recrutement, les conducteurs interagissent désormais avec les chatbots PNL et les outils de conduite simulés pour aider à tout, du recrutement à l'intégration en passant par le soutien au quotidien. NFI Industries, Inc.
Assortissement de l'offre et de la demande
Au cours des cinq dernières années, la capacité de camionnage américaine a augmenté à un taux de 1%, tandis que le tonnage a augmenté à un taux de 1,2%, montrant des fluctuations significatives d'ampleur et de distribution géographique. Pour mettre la capacité où se trouve la demande, les transporteurs et les propriétaires-opérateurs utilisent des cartes de chargement lorsqu'ils le peuvent et sont autrement impuissants. Bien qu'ils prolifèrent sur le marché au comptant, la fragmentation, la visibilité limitée et les processus manuels limitent l'attractivité et l'efficacité des planches de charge. Fait intéressant, on estime largement qu'un tiers de tous les miles de camions sont vides.
L'appariement du fret numérique est une capacité compatible AI qui simplifie le parcours de fret à travers la numérisation de bout en bout. Le processus de correspondance de la capacité de charge est automatisé par l'apprentissage automatique en fonction des exigences d'expédition (paire OD, type de camion, assurance, service), le processus d'appel d'offres est automatisé via les technologies de communication (EDI, API) et le suivi facilite la visibilité en temps réel pendant l'exécution. L'IA peut également prédire la demande future, faciliter le positionnement de la capacité pour faire correspondre la demande et concevoir un mouvement continu en fonction de la charge disponible. L'appariement de la capacité disponible à la demande est amélioré, maximisant l'utilisation des actifs, minimisant les miles d'inactivité et améliorant la relocalisation des capacités.
L'appariement du fret numérique est une capacité compatible AI qui simplifie le parcours de fret à travers la numérisation de bout en bout. Le processus de correspondance de la capacité de charge est automatisé par l'apprentissage automatique en fonction des exigences d'expédition (paire OD, type de camion, assurance, service), le processus d'appel d'offres est automatisé via les technologies de communication (EDI, API) et le suivi facilite la visibilité en temps réel pendant l'exécution. L'IA peut également prédire la demande future, faciliter le positionnement de la capacité pour faire correspondre la demande et concevoir un mouvement continu en fonction de la charge disponible. L'appariement de la capacité disponible à la demande est amélioré, maximisant l'utilisation des actifs, minimisant les miles d'inactivité et améliorant la relocalisation des capacités.
ETA dynamique
Estimation du camion Le temps d'arrivée estimé (ETA) est une entreprise complexe affectée par les retards de chargement, la circulation, la météo, les fermetures de routes, les pannes et les erreurs humaines, résultant en une cascade d'actions impromptues et de performances sous-optimales. La précision des prévisions est essentielle dans de nombreuses étapes des processus en aval, tels que la gestion des nominations de jardin, le déchargement des quais, la distribution, la réalisation des stocks, l'allocation de main-d'œuvre dans les entrepôts et l'exécution dans les cellules de production chargées. Bien que les retards soient inévitables, l'amélioration de la précision des ETAS est essentielle pour maintenir efficacement les produits.
Alors que les systèmes évoluent toujours vers des mises à jour en temps réel, l'intelligence artificielle (IA) aide à atténuer ce changement en calculant les ETA à la volée, en utilisant des méthodes scientifiques pour générer des prévisions en temps réel à travers des algorithmes complexes. L'IA utilise une variété d'entrées de données en temps réel, y compris, mais sans s'y limiter, le suivi historique des modèles, les informations GPS, les données de l'ordinateur intégré (OBC), les données du pilote, les mises à jour EDI, les performances de l'équipement et les informations de maintenance. Parce que les données sont si spécifiques, les modèles d'IA peuvent faire des prédictions plus précises et pertinentes pour différents emplacements d'opérations en fonction des modèles d'inventaire, du comportement du conducteur, des temps de camion et des données de géolocalisation, entre autres. À mesure que les saisons ou les modèles changent,
"Ces calculs ETA dynamiques basés sur l'IA améliorent l'efficacité de la réception, la précision des cycles des vagues de réalisation sortante, la vitesse de livraison des magasins et les ventes de commerce électronique et l'expérience client."
Avec des progrès passionnants dans les camions autonomes, l'Internet des objets (IoT), la réalisation basée sur les drones et la blockchain au bord de la percée et de la commercialisation, l'avenir est brillant.
Laissez un commentaire