3 Chuỗi cung ứng thách thức trí tuệ nhân tạo đang giải quyết
#Ai #Machinelearning #Supplychain
Để giải quyết tình trạng thiếu tài xế xe tải, khả năng và nhu cầu phù hợp chỉ là khởi đầu
Ngành công nghiệp vận tải đã trải qua sự hỗn loạn chưa từng có trong vài năm qua, được thúc đẩy phần lớn bởi sự kết hợp giữa biến động nhu cầu, các sự kiện kinh tế vĩ mô, sự gián đoạn quy mô lớn, kêu gọi các phương thức vận chuyển bền vững và kỳ vọng của khách hàng tăng. Với sự gia tăng của thương mại điện tử và nhu cầu ngày càng tăng đối với việc thực hiện dặm cuối, các nhà cung cấp đang chịu áp lực mạnh mẽ để điều chỉnh hoạt động của họ và phát triển mạnh trong bình thường mới. Bất chấp những thách thức, ngành vận tải đường bộ vẫn là một phần quan trọng của nền kinh tế toàn cầu và sự tăng trưởng liên tục của nó sẽ đóng một vai trò quan trọng trong việc định hình tương lai của thương mại toàn cầu.
Trong những năm gần đây, những tiến bộ công nghệ như tự động hóa, kết nối và phân tích dữ liệu đã cung cấp cho ngành công nghiệp cơ hội để đạt được những đột phá thực sự. Tuy nhiên, ngành công nghiệp đang bị tụt lại phía sau trong thể dục kỹ thuật số và đang gây nguy hiểm cho việc áp dụng. Đáng chú ý, những người tham gia công nghệ mới đang đổi mới để lấp đầy các khoảng trống và khắc ra các hốc của chính họ trong chuỗi giá trị với tốc độ chóng mặt. Một lĩnh vực đi đầu trong sự đổi mới này là Trí tuệ nhân tạo (AI). Trí tuệ nhân tạo có khả năng cách mạng hóa tất cả các chức năng của quản lý chuỗi cung ứng bằng cách cho phép các tổ chức tối ưu hóa các quy trình, giảm chi phí và tăng hiệu quả.
Bài viết này là phần đầu tiên trong một loạt hai phần về cách AI có thể giải quyết và giảm bớt các thách thức lớn của ngành vận tải đường bộ. Trong phần này, ba thử thách là chi tiết và các giải pháp điều khiển AI được nêu bật.
Tài xế tuyển dụng và duy trì
Tình trạng thiếu tài xế là một thách thức mãn tính đối với ngành vận tải đường bộ kể từ cuộc Đại suy thoái năm 2008. Hiệp hội vận tải đường bộ Hoa Kỳ (ATA) hy vọng sự thiếu hụt của tài xế sẽ tăng vọt từ 60k vào năm 2021 đến 160k vào năm 2030. Bồi thường cho việc nghỉ hưu và thay đổi nghề nghiệp tự nguyện, giữ lại và giữ lại Tối đa hóa năng suất của các trình điều khiển hiện tại đã trở nên quan trọng.
Sử dụng AI để lập kế hoạch tuyến đường và lập kế hoạch lái xe có thể tăng việc sử dụng và giải phóng các tài xế để tập trung vào khía cạnh lái xe trong công việc của họ. Việc áp dụng sớm do dự đã nhường chỗ cho một hệ thống hỗ trợ lái xe tiên tiến (ADA) điên cuồng để phát hiện và ngăn ngừa tai nạn, theo dõi hiệu suất của tài xế và cảnh báo các vấn đề như mệt mỏi để cải thiện an toàn lái xe. Về lâu dài, việc phân tích các yếu tố thúc đẩy người lái xe thoát có thể cải thiện trải nghiệm của nhân viên và giảm doanh thu. Trong một ngành công nghiệp cách đây không lâu đã dựa vào các quy trình và quảng cáo trên báo để tiếp thị tuyển dụng, các tài xế hiện đang tương tác với các chatbot NLP và các công cụ lái xe mô phỏng để giúp mọi thứ từ tuyển dụng đến hỗ trợ lái xe hàng ngày. NFI Industries, Inc.
Kết hợp cung và cầu
Trong năm năm qua, công suất vận tải của Hoa Kỳ đã tăng với tỷ lệ 1%, trong khi trọng tải đã tăng với tốc độ 1,2%, cho thấy sự dao động đáng kể về mức độ lớn và phân phối địa lý. Để đặt năng lực ở nơi có nhu cầu, các nhà mạng và người vận hành chủ sở hữu sử dụng bảng tải khi họ có thể và mặt khác là bất lực. Trong khi chúng sinh sôi nảy nở trong thị trường giao ngay, sự phân mảnh, khả năng hiển thị hạn chế và các quy trình thủ công hạn chế sự hấp dẫn và hiệu quả của các bảng tải. Thật thú vị, người ta ước tính rộng rãi rằng một phần ba của tất cả các dặm xe tải trống rỗng.
Kết hợp vận chuyển hàng hóa kỹ thuật số là một khả năng hỗ trợ AI giúp đơn giản hóa hành trình vận chuyển hàng hóa thông qua số hóa từ đầu đến cuối. Quá trình kết hợp khả năng tải được tự động hóa thông qua học máy dựa trên các yêu cầu về lô hàng (cặp OD, loại xe tải, bảo hiểm, dịch vụ), quy trình đấu thầu được tự động hóa thông qua các công nghệ truyền thông (EDI, API) và theo dõi tạo điều kiện cho khả năng hiển thị thời gian thực trong quá trình thực hiện. AI cũng có thể dự đoán nhu cầu trong tương lai, tạo điều kiện định vị năng lực để phù hợp với nhu cầu và thiết kế chuyển động liên tục dựa trên tải trọng có sẵn. Việc phù hợp với khả năng nhu cầu có sẵn được cải thiện, tối đa hóa việc sử dụng tài sản, giảm thiểu dặm nhàn rỗi và cải thiện việc di dời công suất.
Kết hợp vận chuyển hàng hóa kỹ thuật số là một khả năng hỗ trợ AI giúp đơn giản hóa hành trình vận chuyển hàng hóa thông qua số hóa từ đầu đến cuối. Quá trình kết hợp khả năng tải được tự động hóa thông qua học máy dựa trên các yêu cầu về lô hàng (cặp OD, loại xe tải, bảo hiểm, dịch vụ), quy trình đấu thầu được tự động hóa thông qua các công nghệ truyền thông (EDI, API) và theo dõi tạo điều kiện cho khả năng hiển thị thời gian thực trong quá trình thực hiện. AI cũng có thể dự đoán nhu cầu trong tương lai, tạo điều kiện định vị năng lực để phù hợp với nhu cầu và thiết kế chuyển động liên tục dựa trên tải trọng có sẵn. Việc phù hợp với khả năng nhu cầu có sẵn được cải thiện, tối đa hóa việc sử dụng tài sản, giảm thiểu dặm nhàn rỗi và cải thiện việc di dời công suất.
ETA động
Ước tính thời gian đến của xe tải (ETA) là một nỗ lực phức tạp bị ảnh hưởng bởi sự chậm trễ, giao thông, thời tiết, đóng đường, sự cố và lỗi của con người, dẫn đến một loạt các hành động ngẫu hứng và hiệu suất phụ. Độ chính xác của dự báo là rất quan trọng trong nhiều bước của các quy trình hạ nguồn, chẳng hạn như quản lý các cuộc hẹn sân, dỡ xuống bến tàu, phân phối, thực hiện hàng tồn kho, phân bổ lao động trong kho và thực hiện trong các tế bào sản xuất bận rộn. Mặc dù sự chậm trễ là không thể tránh khỏi, việc cải thiện tính chính xác của ETA là rất quan trọng để giữ cho sản phẩm chảy hiệu quả.
Mặc dù các hệ thống vẫn đang phát triển theo các bản cập nhật thời gian thực, Trí tuệ nhân tạo (AI) đang giúp giảm bớt sự thay đổi này bằng cách tính toán ETA khi đang bay, sử dụng các phương pháp khoa học để tạo dự báo thời gian thực thông qua các thuật toán phức tạp. AI sử dụng nhiều đầu vào dữ liệu thời gian thực bao gồm, nhưng không giới hạn ở theo dõi mẫu lịch sử, thông tin GPS, dữ liệu máy tính trên bo mạch (OBC), dữ liệu trình điều khiển, cập nhật EDI, hiệu suất thiết bị và thông tin bảo trì. Bởi vì dữ liệu rất cụ thể, các mô hình AI có thể đưa ra dự đoán chính xác và có liên quan hơn cho các vị trí hoạt động khác nhau dựa trên các mẫu hàng tồn kho, hành vi lái xe, thời gian xe tải và dữ liệu định vị địa lý, trong số những thứ khác. Khi các mùa hoặc mẫu thay đổi,
"Các tính toán ETA dựa trên AI năng động này cải thiện hiệu quả nhận được, độ chính xác của các lần chạy sóng hoàn thành bên ngoài, tốc độ phân phối cửa hàng và bán hàng thương mại điện tử và trải nghiệm khách hàng."
Với những tiến bộ thú vị trong các xe tải tự trị, Internet of Things (IoT), sự hoàn thành dựa trên máy bay không người lái và blockchain trên bờ vực đột phá và thương mại hóa, tương lai rất tươi sáng.
Để lại một bình luận