3 Tantangan Rantai Pasokan Kecerdasan Buatan sedang memecahkan
#Ai #machinelearning #supplychain
Untuk menyelesaikan kekurangan pengemudi truk, kapasitas dan permintaan yang cocok hanyalah permulaan
Industri truk telah mengalami turbulensi yang belum pernah terjadi sebelumnya selama beberapa tahun terakhir, sebagian besar didorong oleh kombinasi volatilitas permintaan, peristiwa ekonomi makro, gangguan skala besar, seruan untuk moda transportasi yang berkelanjutan, dan meningkatnya harapan pelanggan. Dengan munculnya e-commerce dan meningkatnya permintaan untuk pemenuhan mil terakhir, pemasok berada di bawah tekanan kuat untuk menyesuaikan operasi mereka dan berkembang dalam normal baru. Terlepas dari tantangan, industri truk tetap menjadi bagian penting dari ekonomi global dan pertumbuhannya yang berkelanjutan akan memainkan peran penting dalam membentuk masa depan perdagangan global.
Dalam beberapa tahun terakhir, kemajuan teknologi seperti otomatisasi, konektivitas, dan analisis data telah memberikan industri kesempatan untuk mencapai terobosan nyata. Namun, industri ini tertinggal dalam kebugaran digital dan membahayakan adopsi. Khususnya, pendatang baru yang digerakkan oleh teknologi berinovasi untuk mengisi kesenjangan dan mengukir ceruk mereka sendiri dalam rantai nilai dengan kecepatan sangat tinggi. Salah satu bidang yang berada di garis depan inovasi ini adalah Kecerdasan Buatan (AI). Kecerdasan buatan memiliki potensi untuk merevolusi semua fungsi manajemen rantai pasokan dengan memungkinkan organisasi untuk mengoptimalkan proses, mengurangi biaya, dan meningkatkan efisiensi.
Artikel ini adalah yang pertama dalam seri dua bagian tentang bagaimana AI dapat menyelesaikan dan mengurangi tantangan industri truk utama. Pada bagian ini, tiga tantangan dirinci dan solusi yang digerakkan AI disorot.
Perekrutan dan retensi pengemudi
Kekurangan pengemudi telah menjadi tantangan kronis bagi industri truk sejak Resesi Hebat tahun 2008. American Trucking Association (ATA) mengharapkan kekurangan pengemudi untuk melambung dari 60k pada tahun 2021 hingga 160K pada tahun 2030. Memaksimalkan produktivitas driver yang ada telah menjadi kritis.
Menggunakan AI untuk perencanaan rute dan penjadwalan pengemudi dapat meningkatkan pemanfaatan dan membebaskan pengemudi untuk fokus pada aspek mengemudi pekerjaan mereka. Adopsi awal yang ragu -ragu telah memberi jalan bagi pelukan hiruk -pikuk sistem bantuan pengemudi canggih (ADAS) untuk mendeteksi dan mencegah kecelakaan, memantau kinerja pengemudi, dan memperingatkan masalah seperti kelelahan untuk meningkatkan keselamatan berkendara. Dalam jangka panjang, menganalisis faktor -faktor yang mendorong pengemudi untuk berhenti dapat meningkatkan pengalaman karyawan dan mengurangi turnover. Dalam sebuah industri yang belum lama ini mengandalkan proses berbasis kertas dan iklan surat kabar untuk pemasaran rekrutmen, pengemudi sekarang berinteraksi dengan nlp chatbots dan simulasi alat mengemudi untuk membantu segala hal mulai dari perekrutan hingga onboarding hingga dukungan pengemudi sehari-hari. NFI Industries, Inc.
Pencocokan penawaran dan permintaan
Selama lima tahun terakhir, kapasitas truk AS telah tumbuh pada tingkat 1%, sementara tonase telah tumbuh pada tingkat 1,2%, menunjukkan fluktuasi yang signifikan dalam besarnya dan distribusi geografis. Untuk menempatkan kapasitas di mana permintaan berada, operator dan pemilik-operator menggunakan papan beban ketika mereka bisa dan sebaliknya tidak berdaya. Sementara mereka berkembang biak di pasar spot, fragmentasi, visibilitas terbatas dan proses manual membatasi daya tarik dan efektivitas papan beban. Menariknya, diperkirakan secara luas bahwa sepertiga dari semua mil truk kosong.
Pencocokan barang digital adalah kemampuan yang mendukung AI yang menyederhanakan perjalanan pengiriman melalui digitalisasi ujung ke ujung. Proses pencocokan kapasitas beban diotomatisasi melalui pembelajaran mesin berdasarkan persyaratan pengiriman (pasangan OD, jenis truk, asuransi, layanan), proses penawaran diotomatisasi melalui Teknologi Komunikasi (EDI, API), dan pelacakan memfasilitasi visibilitas waktu nyata selama pelaksanaan. AI juga dapat memprediksi permintaan di masa depan, memfasilitasi penentuan posisi kapasitas untuk mencocokkan permintaan, dan merancang pergerakan berkelanjutan berdasarkan beban yang tersedia. Pencocokan kapasitas yang tersedia dengan permintaan ditingkatkan, memaksimalkan pemanfaatan aset, meminimalkan mil idle dan meningkatkan relokasi kapasitas.
Pencocokan barang digital adalah kemampuan yang mendukung AI yang menyederhanakan perjalanan pengiriman melalui digitalisasi ujung ke ujung. Proses pencocokan kapasitas beban diotomatisasi melalui pembelajaran mesin berdasarkan persyaratan pengiriman (pasangan OD, jenis truk, asuransi, layanan), proses penawaran diotomatisasi melalui Teknologi Komunikasi (EDI, API), dan pelacakan memfasilitasi visibilitas waktu nyata selama pelaksanaan. AI juga dapat memprediksi permintaan di masa depan, memfasilitasi penentuan posisi kapasitas untuk mencocokkan permintaan, dan merancang pergerakan berkelanjutan berdasarkan beban yang tersedia. Pencocokan kapasitas yang tersedia dengan permintaan ditingkatkan, memaksimalkan pemanfaatan aset, meminimalkan mil idle dan meningkatkan relokasi kapasitas.
ETA dinamis
Perkiraan truk perkiraan waktu kedatangan (ETA) adalah upaya kompleks yang dipengaruhi oleh penundaan pemuatan, lalu lintas, cuaca, penutupan jalan, kerusakan dan kesalahan manusia, menghasilkan kaskade tindakan dadakan dan kinerja sub-optimal. Akurasi perkiraan sangat penting dalam banyak langkah proses hilir, seperti mengelola janji temu halaman, pembongkaran dok, distribusi, pemenuhan inventaris, alokasi tenaga kerja di gudang, dan pelaksanaan dalam sel produksi yang sibuk. Sementara penundaan tidak dapat dihindari, meningkatkan keakuratan ETA sangat penting untuk menjaga produk tetap mengalir secara efisien.
Sementara sistem masih berkembang menuju pembaruan waktu-nyata, kecerdasan buatan (AI) membantu meringankan perubahan ini dengan menghitung ETA dengan cepat, menggunakan metode ilmiah untuk menghasilkan perkiraan waktu nyata melalui algoritma yang kompleks. AI menggunakan berbagai input data real-time termasuk, tetapi tidak terbatas pada, pelacakan pola historis, informasi GPS, data on-board computer (OBC), data driver, pembaruan EDI, kinerja peralatan dan informasi pemeliharaan. Karena data sangat spesifik, model AI dapat membuat prediksi yang lebih akurat dan relevan untuk berbagai lokasi operasi berdasarkan pola inventaris, perilaku pengemudi, waktu truk, dan data geolokasi, antara lain. Saat musim atau pola berubah,
"Perhitungan ETA berbasis AI yang dinamis ini meningkatkan efisiensi penerima, akurasi outbound pemenuhan gelombang, kecepatan pengiriman toko, dan penjualan e-commerce dan pengalaman pelanggan."
Dengan kemajuan yang menarik dalam truk otonom, Internet of Things (IoT), pemenuhan berbasis drone, dan blockchain di ambang terobosan dan komersialisasi, masa depan cerah.
Leave a comment