3供應鏈挑戰人工智能正在解決
#ai #machinelearning #supplychain
為了解決卡車司機的短缺，匹配的容量和需求只是開始
在過去的幾年中，卡車運輸行業經歷了前所未有的動盪，這在很大程度上是由於需求波動，宏觀經濟事件，大規模破壞，呼籲可持續的運輸方式和客戶期望而促進的。隨著電子商務的興起和對最後一英里履行的需求，供應商承受著巨大的壓力，要求其適應其運營並在新的正常情況下蓬勃發展。儘管面臨挑戰，但卡車運輸行業仍然是全球經濟的重要組成部分，其持續增長將在塑造全球貿易的未來中發揮關鍵作用。
近年來，諸如自動化，連通性和數據分析等技術進步為該行業提供了實現真正突破的機會。但是，該行業在數字健身方面落後，並且正在危害採用。值得注意的是，新技術驅動的參賽者正在創新以填補空白，並以驚人的速度在價值鏈中雕刻自己的利基市場。這項創新最前沿的一個領域是人工智能（AI）。人工智能有可能通過使組織優化流程，降低成本並提高效率來徹底改變供應鏈管理的所有功能。
這篇文章是有關AI如何解決和減輕主要卡車行業挑戰的兩部分系列的第一部分。在這一部分中，詳細介紹了三個挑戰，並突出了AI驅動的解決方案。
駕駛員僱用和保留
自2008年大衰退以來，駕駛員短缺一直是卡車運輸行業的慢性挑戰。最大化現有駕駛員的生產率已經變得至關重要。
使用AI進行路線計劃和駕駛員調度可以增加利用率，並釋放驅動程序以專注於其工作的駕駛方面。猶豫不決的早期採用已讓位於對高級駕駛員援助系統（ADA）的瘋狂擁抱，以檢測和防止事故，監視駕駛員績效以及警告疲勞等問題，以提高駕駛安全性。從長遠來看，分析驅動駕駛員退出的因素可以改善員工的經驗並減少營業額。在不久前依靠基於紙張的流程和報紙廣告進行招聘營銷的行業中，駕駛員現在正在與NLP聊天機器人和模擬駕駛工具進行互動，以幫助從招聘到入職，再到日常駕駛員支持。 NFI Industries，Inc。
供求匹配
在過去的五年中，美國的貨運能力以1％的速度增長，而噸位的增長率為1.2％，顯示出幅度和地理分佈的顯著波動。為了將需求的容量放置，運營商和所有者 - 經營者在可能的情況下使用負載板，而其他人則無助。儘管它們在現貨市場中擴散，但分散，可見度和手動過程限制了負載板的吸引力和有效性。有趣的是，據估計，所有卡車里程的三分之一都是空的。
數字貨運匹配是一種支持AI的功能，可以簡化端到端數字化的貨運之旅。通過基於裝運要求（OD對，卡車類型，保險，服務）來自動化負載能力匹配過程，通過通信技術（EDI，API）自動招標過程，跟踪可在執行過程中實時可見性。 AI還可以預測未來的需求，促進能力定位以符合需求，並根據可用負載設計連續移動。可用需求能力的匹配得到了改善，最大化資產利用率，最大程度地減少了閒置里程並改善了容量搬遷。
數字貨運匹配是一種支持AI的功能，可以簡化端到端數字化的貨運之旅。通過基於裝運要求（OD對，卡車類型，保險，服務）來自動化負載能力匹配過程，通過通信技術（EDI，API）自動招標過程，跟踪可在執行過程中實時可見性。 AI還可以預測未來的需求，促進能力定位以符合需求，並根據可用負載設計連續移動。可用需求能力的匹配得到了改善，最大化資產利用率，最大程度地減少了閒置里程並改善了容量搬遷。
動態ETA
估計卡車估計到達時間（ETA）是一項複雜的努力，受負載延遲，交通，天氣，封鎖，崩潰和人為錯誤的影響，導致一系列即興行動和次優績效。預測準確性在下游過程的許多步驟中至關重要，例如管理院子約會，碼頭卸載，分配，庫存履行，倉庫中的勞動分配以及在繁忙的生產單元中的執行。儘管延遲是不可避免的，但提高ETA的準確性對於保持產品有效流動至關重要。
儘管系統仍在發展為實時更新，但人工智能（AI）正在使用科學方法通過複雜的算法進行實時預測，從而通過即時計算ETA來幫助緩解這種轉變。 AI使用各種實時數據輸入，包括但不限於歷史模式跟踪，GPS信息，板載計算機（OBC）數據，驅動程序數據，EDI更新，設備性能和維護信息。由於數據是如此具體，因此，AI模型可以根據庫存模式，駕駛員行為，卡車時間和地理位置數據等方面對不同位置的不同位置進行更準確和相關的預測。隨著季節或圖案的變化，
“這些基於AI的動態ETA計算提高了接收效率，出站履行浪潮的準確性，商店交付速度以及電子商務銷售和客戶體驗。”
隨著自動駕駛卡車，物聯網（IoT），基於無人機的履行以及區塊鏈的激動人心的進步，突破性和商業化的邊緣，未來是光明的。
Leave a comment