Kako umjetna inteligencija može pružiti bolje iskustvo 3PL korisničke službe

 

Primarni cilj svih logističkih organizacija trećih strana (3PL) je pružiti svojim klijentima logističku podršku vanjskih izvora rukovanjem kretanjem robe i materijala od proizvodnje do skladištenja do isporuke. Ali kako se to može učiniti u radnom okruženju koje karakterizira sve manja radna snaga, neočekivani i često razorni događaji te preopterećenost informacijama?

 

"Sve 3PL organizacije suočavaju se sa sličnim izazovima", kaže Brien Downie, predsjednik Holman Logistics. "Klijenti žele da im je inventar zaštićen dok je u skladištu. Žele točne informacije u stvarnom vremenu o lokaciji svojih sirovina i gotovih proizvoda. Žele da se sve otprema prema planu i da se ne šalje ništa što nije trebalo. Najviše od svega , žele da njihove isporuke budu potpune i na vrijeme. To su mnogi ključni pokretači za mjerenje usluge 3PL organizacije."

 

Zadovoljenje ovih potreba klijenata bilo bi dovoljno teško da su narudžbe ograničene na punu količinu kamiona koja se šalje izravno iz skladišta do prijemnih dokova primatelja. Stvarnost je, međutim, daleko drugačija. Obrasci narudžbi su složeni, posebno za transakcije e-trgovine koje zauzimaju sve veći udio u nacionalnoj trgovini. "Kupci mogu naručivati ​​stvari jednu po jednu", kaže Downie. "ali rukovanje pojedinačnim i malim količinama može biti skupo."

 

Stvari staju kada opskrbni lanac pogodi loše vrijeme, kvarovi u transportu ili radne aktivnosti. "Svaki put kad dođe do poremećaja, stvari postaju jako skupe", kaže Downie. "Na kraju preuzimate dodatne kapacitete u smislu osoblja za točno praćenje narudžbi ili opreme za rukovanje materijalom u neuobičajenim okolnostima. Zatim postoji izazov što učiniti s ljudima i opremom kada kriza završi."

 

Povećanje učinkovitosti

Kako bi zadovoljili zahtjeve sve zahtjevnijeg operativnog okruženja, 3PL organizacije se udružuju s dobavljačima softvera vođenog umjetnom inteligencijom. Vodeća tehnologija može riješiti mnoga pitanja koja poboljšavaju operativnu učinkovitost. Jedan važan primjer je povećana sigurnost. "Sigurno skladište je učinkovito skladište", kaže Downie. "Manje nesreća znači da se 3PL pružatelj usluga može bolje brinuti o ljudima koji rade u skladištu i proizvodima koji su tamo pohranjeni." Radovi bez nesreća izravno pridonose krajnjoj liniji i ciljevima korisničke službe smanjenjem ozljeda i prekida kretanja proizvoda.

 

Tradicionalni pristup osiguravanju sigurnosti bio je postavljanje senzora koji isključuju dizala kada se otkriju neravnine. Na površini, to zvuči kao odlično rješenje. U stvarnosti, takav sustav dovodi do većih troškova kada senzori ne mogu razlikovati očekivane ili normalne neravnine od onih štetnih.

 

"Tradicionalni senzori vam ne daju dovoljno informacija", kaže Downie. "Oni nisu u stanju odvojiti signal od buke. Često imaju senzore g-sile koji isključuju viličare kada se prekorači razina vibracija. Namjera je identificirati kada je netko doživio sudar ili naletio na komad Ali problem je u tome što, vrlo često, sama vožnja preko bezopasne izbočine na podu aktivira senzor, a kada sustav ne može razlikovati dobar od lošeg, ljudi će ga isključiti i prestati koristiti to u potpunosti." To, naravno, povećava rizik od skupih nesreća.

 

Sustav senzora treba poboljšati kako bi filtrirao iznimke u normalnim operacijama. Tu dolazi AI obrada. Njegovo napredno prepoznavanje uzoraka brzo i točno odvaja signal od šuma. Rezultat je smanjenje vodećih pokazatelja sigurnosnih problema. Poslodavci mogu identificirati koji su se operateri sudarali s policama ili agresivno skretali, zajedno s načinom i kada su to radili. "AI daje jasnu sliku onoga što se stvarno događa u skladištu", kaže Downie. "Može učinkovito identificirati potencijalne nesreće prije nego što se dogode."

 

Optimalno urezovanje

Roba stiže u skladište, tim je obrađuje, a zatim prelazi na police. Međutim, ono što bi trebao biti besprijekoran proces može biti prepuno neučinkovitosti koje povećavaju troškove rada i rukovanja te ugrožavaju isporuku na vrijeme.

 

"Povijesno gledano, nije bilo mnogo razvoja sa stajališta strojnog učenja o tome kako proizvod ulazi u skladište i izlazi iz njega", kaže Downie. "To se brzo mijenja." Sada 3PL organizacije mogu usvojiti softver za upravljanje skladištem temeljen na umjetnoj inteligenciji s automatskim raspoređivanjem, koji koristi prethodne obrasce kretanja proizvoda za automatsko usmjeravanje rukovanja novim zalihama.

 

Orkestracijska platforma za upravljanje skladištem koju pokreće AI može učiniti da 3PL-ovi u svijetu rade učinkovitije u operacijama kao što su komisioniranje, odlaganje i točnost inventara. „Mnoga skladišta ne postavljaju proizvode na optimalne lokacije jer jednostavno ne znaju cijeli niz podatkovnih točaka, kao što su koje narudžbe dolaze u stvarnom vremenu, koliko će skladišnih radnika biti u smjeni i stručnost tih radnika radnika", kaže Yosh Eisbart, glavni izvršni direktor i suosnivač Fulfillda, tvrtke za orkestraciju skladišta s omogućenom umjetnom inteligencijom. "AI može unijeti ove informacije i koristiti ih za pokretanje 'što ako' scenarija. Na primjer, 'Što ako bismo premjestili ovaj proizvod na ovu lokaciju ili ove proizvode na ove lokacije za najbržih 20 pokretnih stavki? Kako bi to izgledalo s obzirom na veću učinkovitost branja i manje potrebe za radnom snagom?' Rezultat je razina učinkovitosti skladišta koja inače jednostavno ne postoji."

 

Prije umjetne inteligencije, upravitelji skladišta pokušali bi povremeno preurediti proizvod kako bi povećali učinkovitost. "Ponekad bi to upalilo, a ponekad ne", kaže Eisbart. "Ali čak i u najboljim slučajevima, odluke bi se temeljile samo na snimci u vremenu. AI omogućuje stalnu ponovnu procjenu i preraspodjelu, zajedno s neprekidnim testiranjem rezultata koje otkriva postotke promjena u učinkovitosti i troškovima."

 

Smanjenjem uzaludnih koraka skladišnih radnika, 3PL organizacija postaje produktivnija, isplativija, točnija i spretnija. Može slati narudžbe brže i jeftinije, pružajući zadovoljstvo krajnjem korisniku i smanjujući troškove klijenta.

 

AI sustavi mogu čak odrediti koji bi zaposlenici trebali premjestiti svaki proizvod, na temelju analize osobne povijesti i učinka. "Iako ovu procjenu tradicionalno obavlja nadzornik, ono što funkcionira za nekoliko ljudi brzo postane preglomazno za tisuće radnika", napominje Downie. "Softverski alati omogućuju tvrtki da optimizira raspodjelu rada za maksimalnu učinkovitost."

 

AI je učinkovitiji u tim odlukama jer u svoj softver uključuje principe tradicionalnog "digitalnog blizanca". Tehnologija ima neposredan i stalan pristup podacima o skladištu kao što su dimenzije zgrade, položaji i visine prolaza, udaljenost između prolaza, lokacije utovarnih dokova, broj i stručnost zaposlenika u objektu te lokacije i detalji dostupnih viličara. , autonomni mobilni roboti i automatski sustavi za preuzimanje pohrane. "Učiniti digitalnog blizanca sastavnim dijelom temeljnog AI proizvoda omogućuje mu orkestriranje veće učinkovitosti skladišta, što rezultira boljim iskustvom klijenata", kaže Eisbart.

 

Digitalni blizanac također može pomoći u rješavanju skupog problema fluktuacije skladišnih radnika. Zamjensko osoblje, koje se često mora brzo zaposliti kako bi se zadovoljila potražnja, prečesto nema potrebnu stručnost za održavanje optimalne učinkovitosti. "Novi radnici neće biti upoznati s rasporedom skladišta, ali umjetna inteligencija ih može brzo upoznati pružanjem karata s optimiziranim uputama za rutu", kaže Eisbart. "Umjesto hodanja oko skladišta kako bi stigao od točke A do točke B, novi radnik može slijediti predloženu rutu. Rezultat je poboljšana sposobnost brzog lociranja i obrade inventara."

 

Ljudski faktor

Koliko god impresivno bilo, umjetna inteligencija sama ne može pomaknuti 3PL do vrhunske učinkovitosti. I dalje je potrebna ljudska ekspertiza. "Upotreba umjetne inteligencije neće automatski rezultirati povećanjem učinkovitosti", kaže Downie. "Ljudi moraju ostati uključeni. Iako umjetna inteligencija može ovladati predmetom, vrlo će često doći do netočnih zaključaka. 3PL organizacija mora osigurati da zadrži uvide ljudi koji kritički razmišljaju i mogu prepoznati ograničenja umjetne inteligencije."

 

Prednosti umjetne inteligencije neće se dogoditi preko noći i trebat će vremena da se zaposlenici uvjere u potencijal tehnologije. "Ljudi će se oduševiti umjetnom inteligencijom kada vide kako im može pomoći da izbjegnu mnogo zamornog rada koji se ponavlja", kaže Downie. "Oni će cijeniti povećanje produktivnosti."

 

Tvrtke se suočavaju s dva izazova u implementaciji AI tehnologije. Na jednoj razini, važan je autentični angažman. "Postoje tvrtke koje doista iskorištavaju AI", kaže Eisbart. "A postoje tvrtke koje to samo stavljaju na svoje web stranice kako bi uglancale svoj imidž."

 

Na drugoj razini, postoji izazov praćenja rezultata. "Dobit će se razlikovati ovisno o instalaciji", kaže Eisbart. "Neki će slučajevi upotrebe ponuditi mogućnosti optimizacije, a neki neće." Jedna nedavna kompanija s popisa Fortune 500 uspjela je smanjiti uzaludne korake skladišnih radnika za 40%, povećati učinkovitost komisioniranja za 15% i povećati učinkovitost odlaganja za 20%. Čimbenici koji doprinose razini uspjeha umjetne inteligencije uključuju veličinu pogona, trenutnu stručnost radnika, brzinu proizvoda i stupanj u kojem su operacije već uključile strojno učenje.

 

Iznad svega, kaže Eisbart, 3PL organizacije koje uključuju AI moraju paziti na krajnji cilj: poboljšanu krajnju granicu. "Organizacije koje vode tehnologijom ili se fokusiraju na inovacije bez procjene utjecaja na poslovne rezultate propuštaju bit."