3サプライチェーンの課題人工知能が解決しています
#AI #MachinElearning #Supplychain
トラック運転手の不足を解決するために、容量と需要を一致させることはほんの始まりに過ぎません
トラック輸送業界は、過去数年にわたって前例のない乱気流を経験しており、需要のボラティリティ、マクロ経済イベント、大規模な混乱、持続可能な輸送モードの呼びかけ、顧客の期待の増加の組み合わせによって大部分が推進されています。電子商取引の増加とラストマイルの履行に対する需要の増加に伴い、サプライヤーは自分の事業を適応させ、新しい通常で繁栄するように強い圧力を受けています。課題にもかかわらず、トラック輸送業界は依然として世界経済の重要な部分であり、その継続的な成長は世界貿易の将来を形作る上で重要な役割を果たすでしょう。
近年、自動化、接続性、データ分析などの技術的進歩により、業界は実際のブレークスルーを達成する機会を提供しています。しかし、業界はデジタルフィットネスに遅れをとっており、採用を危険にさらしています。特に、新しいテクノロジー主導の参加者は、ギャップを埋め、Brayneck Speedでバリューチェーンで自分のニッチを切り開くために革新しています。このイノベーションの最前線にある分野の1つは、人工知能（AI）です。人工知能は、組織がプロセスを最適化し、コストを削減し、効率を高めることができるようにすることにより、サプライチェーン管理のすべての機能に革命をもたらす可能性があります。
この記事は、AIが主要なトラック輸送業界の課題を解決し、緩和する方法に関する2部構成のシリーズの最初のものです。この部分では、3つの課題が詳細であり、AI駆動型ソリューションが強調されています。
ドライバーの雇用と保持
2008年の大不況以来、ドライバーの不足はトラック輸送業界にとって慢性的な課題でした。アメリカのトラック輸送協会（ATA）は、2021年の2021年の60kから160kにドライバー不足が急上昇することを期待しています。既存のドライバーの生産性を最大化することが重要になりました。
ルート計画とドライバーのスケジューリングにAIを使用すると、利用率が向上し、ドライバーを解放して、仕事の運転の側面に集中することができます。ためらう早期養子縁組は、事故を検出および防止し、ドライバーのパフォーマンスを監視し、運転の安全性を改善するための疲労などの問題を警告するために、高度なドライバー支援システム（ADA）の熱狂的な抱擁に取って代わりました。長期的には、ドライバーを辞める要因を分析することで、従業員のエクスペリエンスを改善し、離職率を減らすことができます。ゆっくりと採用マーケティングのための紙ベースのプロセスや新聞広告に依存していた業界では、ドライバーは現在、NLPチャットボットとシミュレートされた運転ツールと対話して、採用から日々のドライバーサポートまで、あらゆるものを支援しています。 NFI Industries、Inc。
需要と供給のマッチング
過去5年間で、米国のトラック輸送能力は1％の割合で増加しましたが、トン数は1.2％の割合で成長し、大きさと地理的分布の大幅な変動を示しています。需要がある場所に容量を置くために、キャリアと所有者の術者は、できる限りロードボードを利用します。彼らはスポット市場で増殖しますが、断片化、限られた視認性、および手動プロセスにより、ロードボードの魅力と有効性が制限されます。興味深いことに、すべてのトラックマイルの3分の1が空であると広く推定されています。
デジタル貨物マッチングは、エンドツーエンドのデジタル化を通じて貨物の旅を簡素化するAI対応機能です。負荷容量マッチングプロセスは、出荷要件（ODペア、トラックの種類、保険、サービス）に基づいて機械学習を通じて自動化され、入札プロセスは通信技術（EDI、API）を通じて自動化され、実行中のリアルタイムの可視性が容易になります。 AIは、将来の需要を予測し、需要に合わせて容量の位置を促進し、利用可能な負荷に基づいて継続的な動きを設計することもできます。利用可能な需要容量のマッチングが改善され、資産の利用が最大化され、アイドルマイルを最小限に抑え、容量の移転が改善されます。
デジタル貨物マッチングは、エンドツーエンドのデジタル化を通じて貨物の旅を簡素化するAI対応機能です。負荷容量マッチングプロセスは、出荷要件（ODペア、トラックの種類、保険、サービス）に基づいて機械学習を通じて自動化され、入札プロセスは通信技術（EDI、API）を通じて自動化され、実行中のリアルタイムの可視性が容易になります。 AIは、将来の需要を予測し、需要に合わせて容量の位置を促進し、利用可能な負荷に基づいて継続的な動きを設計することもできます。利用可能な需要容量のマッチングが改善され、資産の利用が最大化され、アイドルマイルを最小限に抑え、容量の移転が改善されます。
ダイナミックETA
トラックの推定された到着時間（ETA）の推定は、遅延、交通、天候、道路閉鎖、故障、人為的エラーによって影響を受ける複雑な努力であり、即興のアクションと最適なパフォーマンスのカスケードをもたらします。予測の精度は、ヤードの予約の管理、ドックアンロード、流通、在庫の履行、倉庫での労働配分、忙しい生産セルでの実行など、下流のプロセスの多くのステップで重要です。遅延は避けられませんが、ETASの精度を改善することは、製品を効率的に維持するために重要です。
システムはまだリアルタイムの更新に向けて進化していますが、人工知能（AI）は、科学的方法を使用して複雑なアルゴリズムを介してリアルタイムの予測を生成し、その場でETAを計算することにより、このシフトを容易にするのに役立ちます。 AIは、履歴パターン追跡、GPS情報、オンボードコンピューター（OBC）データ、ドライバーデータ、EDI更新、機器のパフォーマンス、メンテナンス情報など、さまざまなリアルタイムデータ入力を使用しますが、これらに限定されません。データが非常に具体的であるため、AIモデルは、在庫パターン、ドライバーの動作、トラック時間、地理的データなどに基づいて、さまざまな操作場所について、より正確で関連する予測を行うことができます。季節やパターンが変わると、
「これらの動的なAIベースのETA計算により、受信効率、アウトバウンドフルフィルメント波の実行の精度、店舗配送速度、eコマースの販売と顧客体験が改善されます。」
自動運転トラックのエキサイティングな進歩、モノのインターネット（IoT）、ドローンベースの充足、およびブレークスルーと商業化の危機にonしたブロックチェーンは、未来は明るいです。
コメントを残す