3 공급망 도전 인공 지능이 해결되고 있습니다
#ai #machinelearning #supplychain
트럭 운전자의 부족을 해결하기 위해 일치 용량과 수요는 시작일뿐입니다.
트럭 운송 산업은 지난 몇 년 동안 전례없는 난기류를 경험했으며, 수요 변동성, 거시 경제 사건, 대규모 교통 방해, 지속 가능한 운송 방식 및 고객 기대치가 증가함에 따라 대부분이 발생했습니다. 전자 상거래의 증가와 마지막 마일 충족에 대한 수요가 증가함에 따라 공급 업체는 운영을 조정하고 새로운 정상에서 번성 해야하는 강력한 압력을 받고 있습니다. 도전에도 불구하고, 트럭 운송 산업은 세계 경제의 중요한 부분으로 남아 있으며, 지속적인 성장은 세계 무역의 미래를 형성하는 데 중요한 역할을 할 것입니다.
최근 몇 년 동안 자동화, 연결 및 데이터 분석과 같은 기술 발전은 업계에 실질적인 혁신을 달성 할 수있는 기회를 제공했습니다. 그러나 업계는 디지털 피트니스에 뒤쳐져 있으며 채택을 위태롭게하고 있습니다. 특히, 새로운 기술 중심의 참가자는 격차를 메우고 틈새 속도로 가치 사슬의 틈새 시장을 개척하기 위해 혁신하고 있습니다. 이 혁신의 최전선에있는 한 분야는 인공 지능 (AI)입니다. 인공 지능은 조직이 프로세스를 최적화하고 비용을 줄이며 효율성을 높일 수 있도록함으로써 공급망 관리의 모든 기능에 혁명을 일으킬 수 있습니다.
이 기사는 AI가 주요 트럭 운송 산업 문제를 해결하고 완화 할 수있는 방법에 대한 두 부분으로 구성된 시리즈 중 첫 번째 기사입니다. 이 부분에서는 세 가지 과제가 상세하고 AI 중심 솔루션이 강조됩니다.
운전자 고용 및 유지
운전자 부족은 2008 년 대 불황 이후 트럭 운송 산업에서 만성적 인 도전이었습니다. ATA (American Trucking Association)는 운전자 부족이 2021 년 60K에서 2030 년 160K로 급증 할 것으로 예상합니다. 기존 드라이버의 생산성을 극대화하는 것이 중요해졌습니다.
경로 계획 및 드라이버 일정에 AI를 사용하면 활용도가 향상되고 운전자가 작업의 운전 측면에 집중할 수 있습니다. 주저하는 얼리 채택은 ADA (Advanced Driver Assistance Systems)의 열광적 인 포용을 제공하여 사고를 감지하고 방지하고 운전자 성능을 모니터링하며 운전 안전을 향상시키기위한 피로와 같은 문제에 대한 경고를 제공했습니다. 장기적으로, 운전자를 종료하도록하는 요소를 분석하면 직원 경험을 향상시키고 회전율을 줄일 수 있습니다. 얼마 전까지 만해도 채용 마케팅을위한 종이 기반 프로세스 및 신문 광고에 의존 한 업계에서 운전자는 이제 NLP 챗봇 및 시뮬레이션 된 운전 도구와 상호 작용하여 채용에서 일상적인 운전자 지원에 이르기까지 모든 것을 돕고 있습니다. NFI Industries, Inc.
공급 및 수요 일치
지난 5 년 동안 미국 트럭 운송 용량은 1%의 비율로 증가했으며 톤수는 1.2%로 증가하여 크기 및 지리적 분포가 상당한 변동을 나타 냈습니다. 수요가있는 곳에 용량을두기 위해, 운송 업체와 소유자 운영자는 할 수있는 경우로드 보드를 사용하고 그렇지 않으면 무력합니다. 스팟 시장에서 확산되는 동안 조각화, 제한된 가시성 및 수동 프로세스는로드 보드의 매력과 효과를 제한합니다. 흥미롭게도, 모든 트럭 마일의 3 분의 1이 비어있는 것으로 추정됩니다.
디지털화물 매칭은 엔드 투 엔드 디지털화를 통해화물 여행을 단순화하는 AI 지원 기능입니다. 부하 용량 매칭 프로세스는 선적 요구 사항 (OD 쌍, 트럭 유형, 보험, 서비스)을 기반으로 기계 학습을 통해 자동화되며, 입찰 프로세스는 통신 기술 (EDI, API)을 통해 자동화되며 추적 중 실시간 가시성을 용이하게합니다. AI는 또한 미래의 수요를 예측하고, 수요와 일치하는 용량 포지셔닝을 용이하게하며, 가용 하중을 기반으로 지속적인 움직임을 설계 할 수 있습니다. 가용 용량의 수요에 대한 일치가 개선되어 자산 활용을 극대화하고, 유휴 마일을 최소화하고, 용량 재배치를 향상시킵니다.
디지털화물 매칭은 엔드 투 엔드 디지털화를 통해화물 여행을 단순화하는 AI 지원 기능입니다. 부하 용량 매칭 프로세스는 선적 요구 사항 (OD 쌍, 트럭 유형, 보험, 서비스)을 기반으로 기계 학습을 통해 자동화되며, 입찰 프로세스는 통신 기술 (EDI, API)을 통해 자동화되며 추적 중 실시간 가시성을 용이하게합니다. AI는 또한 미래의 수요를 예측하고, 수요와 일치하는 용량 포지셔닝을 용이하게하며, 가용 하중을 기반으로 지속적인 움직임을 설계 할 수 있습니다. 가용 용량의 수요에 대한 일치가 개선되어 자산 활용을 극대화하고, 유휴 마일을 최소화하고, 용량 재배치를 향상시킵니다.
동적 ETA
트럭 추정 시간 추정 시간 (ETA)은 지연, 트래픽, 날씨, 도로 폐쇄, 고장 및 인적 오류로 인해 영향을받는 복잡한 노력으로, 즉흥적 인 행동 및 차선 성과가 발생합니다. 예측 정확도는 야드 약속 관리, 도크 언 로딩, 유통, 재고 이행, 창고의 노동 할당 및 바쁜 생산 셀의 실행과 같은 많은 다운 스트림 프로세스 단계에서 중요합니다. 지연이 불가피하지만 제품 흐름을 효율적으로 유지하는 데 ETA의 정확도를 향상시키는 것이 중요합니다.
시스템은 여전히 실시간 업데이트로 발전하고 있지만 인공 지능 (AI)은 과학적 방법을 사용하여 복잡한 알고리즘을 통해 실시간 예측을 생성함으로써 ETA를 즉시 계산함으로써 이러한 변화를 완화하는 데 도움이되고 있습니다. AI는 과거 패턴 추적, GPS 정보, 온보드 컴퓨터 (OBC) 데이터, 드라이버 데이터, EDI 업데이트, 장비 성능 및 유지 보수 정보를 포함한 다양한 실시간 데이터 입력을 사용합니다. 데이터는 매우 구체적이므로 AI 모델은 재고 패턴, 드라이버 동작, 트럭 시간 및 지리적 위치 데이터를 기반으로 다양한 작업 위치에 대해보다 정확하고 관련성있는 예측을 할 수 있습니다. 계절이나 패턴이 변함에 따라
"이러한 동적 AI 기반 ETA 계산은 수신 효율성, 아웃 바운드 이행 웨이브 실행의 정확성, 저장 전달 속도, 전자 상거래 판매 및 고객 경험을 향상시킵니다."
자율 트럭, 사물 인터넷 (IoT), 드론 기반 성취 및 획기적인 상업화 직전의 블록 체인에서 흥미 진진한 발전으로 미래는 밝습니다.
Leave a comment