3 אתגרי שרשרת האספקה בינה מלאכותית פותרת פתרון
#Ai #machineLearning #supplychain
כדי לפתור את המחסור בנהגי משאיות, יכולת התאמה וביקוש הם רק ההתחלה
ענף ההובלות חווה סערה חסרת תקדים במהלך השנים האחרונות, מונע בחלקו הגדול על ידי שילוב של תנודתיות בביקוש, אירועים מקרו-כלכליים, שיבושים בהיקף נרחב, קוראת לדרכי תחבורה בר-קיימא ועליית ציפיות הלקוחות. עם עליית המסחר האלקטרוני והגברת הביקוש למילוי של מייל אחרון, הספקים נמצאים תחת לחץ עז להתאים את פעילותם ולשגשג בנורמלי החדש. למרות האתגרים, ענף ההובלות נותר חלק חיוני מהכלכלה העולמית והמשך צמיחתו תמלא תפקיד מפתח בעיצוב עתיד הסחר העולמי.
בשנים האחרונות, התקדמות טכנולוגית כמו אוטומציה, קישוריות וניתוח נתונים סיפקו לתעשייה אפשרות להשיג פריצות דרך אמיתיות. עם זאת, התעשייה מפגרת בכושר דיגיטלי ומסכן את האימוץ. ראוי לציין כי משתתפים חדשים מונעי טכנולוגיה מחדשים למלא פערים ולגבש את הגומחות שלהם בשרשרת הערך במהירות Breakneck. תחום אחד שנמצא בחזית החידוש הזה הוא בינה מלאכותית (AI). לבינה מלאכותית יש פוטנציאל לחולל מהפכה בכל הפונקציות של ניהול שרשרת האספקה על ידי מאפשר לארגונים לייעל את התהליכים, להפחית את העלויות ולהגדיל את היעילות.
מאמר זה הוא הראשון בסדרה של שני חלקים על איך AI יכול לפתור ולהקל על אתגרי תעשיית ההובלות הגדולות. בחלק זה, שלושה אתגרים מפורטים ומודגשים פתרונות מונעי AI.
שכירת נהג ושימור
מחסור בנהגים היה אתגר כרוני לתעשיית ההובלות מאז המיתון הגדול בשנת 2008. איגוד ההובלות האמריקני (ATA) מצפה שמחסור הנהג יעלה מ- 60K בשנת 2021 עד 160K בשנת 2030. פיצוי על שינויים בפרישה ושינויי קריירה מרצון, שמירה ושמירה על מקסום התפוקה של הנהגים הקיימים הפך להיות קריטי.
השימוש ב- AI לתכנון מסלול ותזמון נהגים יכול להגדיל את השימוש ולשחרר את הנהגים כדי להתמקד בפן הנהיגה של תפקידם. אימוץ מוקדם מהסס פינו את מקומו לחיבוק תזזיתי של מערכות סיוע לנהגים מתקדמים (ADAS) לאתר ולמנוע תאונות, לפקח על ביצועי הנהג ולהזהיר על סוגיות כמו עייפות לשיפור בטיחות הנהיגה. בטווח הרחוק, ניתוח הגורמים המניעים את הנהגים להפסיק יכול לשפר את חווית העובד ולהפחית את המחזור. בענף שלא מזמן הסתמך על תהליכים מבוססי נייר ומודעות עיתונים לשיווק גיוס, נהגים מתקשרים כעת עם צ'אט בוטות NLP ומדמיינים כלי נהיגה כדי לעזור בכל דבר, החל מגיוס ועד לאונפיין לתמיכה בנהג יומיומי. NFI Industries, Inc.
התאמת היצע וביקוש
במהלך חמש השנים האחרונות, יכולת ההובלות בארה"ב גדלה בשיעור של 1%, ואילו הטונפ גדל בשיעור של 1.2%, ומראה תנודות משמעותיות בעוצמה ובפצה גיאוגרפית. כדי לשים קיבולת היכן שהביקוש נמצא, ספקים ומפעילי בעלים משתמשים בלוחות עומסים כאשר הם יכולים ובאופן אחר חסרי אונים. בעוד שהם מתפשטים בשוק הספוט, פיצול, נראות מוגבלת ותהליכים ידניים מגבילים את האטרקטיביות והיעילות של לוחות עומסים. מעניין לציין כי ההערכה הנרחבת ששליש מכל מיילים המשאיות ריקים.
התאמת משא דיגיטלית היא יכולת המאפשרת AI המפשטת את מסע ההובלה באמצעות דיגיטציה מקצה לקצה. תהליך ההתאמה של יכולת העומס הוא אוטומטי באמצעות למידת מכונה על בסיס דרישות משלוח (זוג OD, סוג משאית, ביטוח, שירות), תהליך ההצעה הוא אוטומטי באמצעות טכנולוגיות תקשורת (EDI, API) ומעקב מאפשר נראות בזמן אמת במהלך הביצוע. AI יכול גם לחזות ביקוש עתידי, להקל על מיקום קיבולת להתאמה בביקוש, ולעיצוב תנועה רציפה על בסיס עומס זמין. ההתאמה של הקיבולת הזמינה לביקוש משופרת, מקסום ניצול הנכסים, צמצום מיילים סרק ושיפור העברת הקיבולת.
התאמת משא דיגיטלית היא יכולת המאפשרת AI המפשטת את מסע ההובלה באמצעות דיגיטציה מקצה לקצה. תהליך ההתאמה של יכולת העומס הוא אוטומטי באמצעות למידת מכונה על בסיס דרישות משלוח (זוג OD, סוג משאית, ביטוח, שירות), תהליך ההצעה הוא אוטומטי באמצעות טכנולוגיות תקשורת (EDI, API) ומעקב מאפשר נראות בזמן אמת במהלך הביצוע. AI יכול גם לחזות ביקוש עתידי, להקל על מיקום קיבולת להתאמה בביקוש, ולעיצוב תנועה רציפה על בסיס עומס זמין. ההתאמה של הקיבולת הזמינה לביקוש משופרת, מקסום ניצול הנכסים, צמצום מיילים סרק ושיפור העברת הקיבולת.
ETA דינמי
הערכת המשאית מוערכת זמן ההגעה (ETA) היא מאמץ מורכב שנפגע מעיכובים, תנועה, מזג אוויר, סגירת כבישים, התמוטטות וטעות אנושית, וכתוצאה מכך מפל של פעולות מאולתרות וביצועים תת-אופטימליים. דיוק התחזית הוא קריטי בשלבים רבים של תהליכים במורד הזרם, כגון ניהול פגישות בחצר, פריקת מזח, הפצה, מילוי מלאי, הקצאת עבודה במחסנים וביצוע בתאי ייצור עסוקים. בעוד שהעיכובים הם בלתי נמנעים, שיפור הדיוק של ETAs הוא קריטי לשמירה על זרימת המוצר ביעילות.
אמנם מערכות עדיין מתפתחות לעדכונים בזמן אמת, אך בינה מלאכותית (AI) עוזרת להקל על שינוי זה על ידי חישוב אטאס תוך כדי תנועה, תוך שימוש בשיטות מדעיות ליצירת תחזיות בזמן אמת באמצעות אלגוריתמים מורכבים. ה- AI משתמש במגוון כניסות נתונים בזמן אמת הכוללות, אך לא רק, מעקב אחר תבניות היסטוריות, מידע GPS, נתוני מחשב על הסיפון (OBC), נתוני מנהל התקן, עדכוני EDI, ביצועי ציוד ומידע על תחזוקה. מכיוון שהנתונים כל כך ספציפיים, דגמי AI יכולים להגיש תחזיות מדויקות ורלוונטיות יותר למיקומים שונים של פעולות על בסיס דפוסי מלאי, התנהגות נהגים, זמני משאיות ונתוני מיקום גיאוגרפי, בין היתר. ככל שעונות או דפוסים משתנים,
"חישובי ETA מבוססי AI דינאמיים אלה משפרים את היעילות הקבלה, את הדיוק של ריצות גל הגשמה יוצאות, מהירות אספקה בחנות ומכירות מסחר אלקטרוני וחוויית לקוחות."
עם התקדמות מרגשת במשאיות אוטונומיות, האינטרנט של הדברים (IoT), הגשמה מבוססת מזל"ט ובלוקצ'יין על סף פריצת דרך ומסחור, העתיד בהיר.
השאר תגובה