Kako AI može pružiti bolje 3PL korisničko iskustvo

 

Primarni cilj svih logističkih organizacija trećih strana (3PL) je da svojim klijentima pruže logističku podršku eksternom rukovanjem kretanjem robe i materijala od proizvodnje do skladištenja do isporuke. Ali kako se to može učiniti u operativnom okruženju koje karakteriše sve manje radne snage, neočekivani i često ometajući događaji i preopterećenost informacijama?

 

"Sve 3PL organizacije suočavaju se sa sličnim izazovima", kaže Brien Downie, predsjednik Holman Logistics. "Klijenti žele da njihov inventar bude zaštićen kada je u skladištu. Žele tačne informacije u realnom vremenu o lokaciji svojih sirovina i gotovih proizvoda. Žele da se sve otpremi u roku, a da ništa ne bude otpremljeno što ne bi trebalo da bude. Najviše od svega , oni žele da njihove isporuke budu potpune i na vrijeme To su mnogi od ključnih pokretača za mjerenje usluga 3PL organizacije."

 

Ispunjavanje ovih potreba klijenata bilo bi dovoljno teško kada bi narudžbe bile ograničene na pune količine kamiona koje se otpremaju direktno iz skladišta do prijemnih dokova primatelja. Realnost je, međutim, daleko drugačija. Obrasci narudžbi su složeni, posebno za transakcije e-trgovine koje zauzimaju sve veći udio u trgovini nacije. "Kupci mogu naručiti stvari jednu po jednu", kaže Downie. "ali rukovanje pojedinačnim i malim količinama može biti skupo."

 

Stvari se zaustavljaju kada je lanac nabavke pogođen vremenskim nepogodama, kvarovima u transportu ili radnim aktivnostima. "Svaki put kada dođe do poremećaja, stvari postaju zaista skupe", kaže Downie. "Na kraju preuzimate dodatni kapacitet u smislu osoblja za precizno praćenje narudžbi ili opremu za rukovanje materijalom u neobičnim okolnostima. Zatim postoji izazov šta učiniti s ljudima i opremom kada kriza prođe."

 

Povećanje efikasnosti

Kako bi ispunile zahtjeve sve zahtjevnijeg operativnog okruženja, 3PL organizacije se udružuju sa dobavljačima softvera vođenih umjetnom inteligencijom. Vodeća tehnologija može riješiti mnoga pitanja koja poboljšavaju operativnu efikasnost. Jedan važan primjer je povećana sigurnost. „Sigurno skladište je efikasno skladište“, kaže Downie. "Manje nesreća znači da 3PL provajder može bolje brinuti o ljudima koji rade u skladištu i o proizvodima koji se tamo skladište." Operacije bez nesreća direktno doprinose krajnjoj liniji i ciljevima korisničke službe smanjenjem povreda i prekida kretanja proizvoda.

 

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

 

"Tradicionalni senzori vam ne daju dovoljno informacija", kaže Downie. "Oni nisu u stanju da odvoje signal od buke. Često imaju senzore g-force koji gase viličare kada je nivo vibracija prekoračen. Namjera je da identifikuju kada je neko doživio sudar ili naletio na komad Ali problem je u tome što, vrlo često, samo vožnja preko bezopasne neravnine na podu aktivira senzor i kada sistem ne može razlikovati dobro od lošeg, ljudi će isključiti sistem i prestati koristiti u potpunosti." To, naravno, eskalira rizik od skupih nesreća.

 

Sistem senzora treba poboljšati kako bi filtrirao izuzetke od normalnih operacija. Tu dolazi AI obrada. Njegovo napredno prepoznavanje obrazaca brzo i precizno odvaja signal od šuma. Rezultat je smanjenje vodećih indikatora sigurnosnih pitanja. Poslodavci mogu identificirati koji operateri su naletjeli na police ili su se agresivno okretali, zajedno s tim kako i kada to rade. „AI pruža jasnu sliku o tome šta se zaista dešava u skladištu“, kaže Downie. "Može efikasno identificirati potencijalne nesreće prije nego što se dogode."

 

Optimal Slotting

Roba stiže u skladište, obrađuje je tim, a zatim prelazi na police. Međutim, ono što bi trebalo da bude besprekoran proces može biti ispunjeno neefikasnošću koja povećava troškove rada i rukovanja i ugrožava isporuku na vreme.

 

„Istorijski gledano, nije bilo mnogo razvoja sa stanovišta mašinskog učenja o tome kako proizvod ulazi i izlazi iz skladišta,“ kaže Downie. "To se brzo mijenja." Sada, 3PL organizacije mogu usvojiti softver za upravljanje skladištem baziran na umjetnoj inteligenciji s automatskim prorezima, koji koristi prošle obrasce kretanja proizvoda kako bi automatski usmjerio rukovanje novim zalihama.

 

Platforma orkestracije upravljanja skladištem sa AI-om može učiniti da 3PL-ovi svijeta rade efikasnije u operacijama kao što su komisioniranje, odlaganje i tačnost zaliha. „Mnoga skladišta ne postavljaju proizvode na optimalne lokacije jer jednostavno ne znaju čitav niz podataka, kao što su narudžbe koje stižu u stvarnom vremenu, koliko će skladišnih radnika biti u smjeni i stručnost tih radnika. radnika“, kaže Yosh Eisbart, glavni izvršni direktor i suosnivač Fulfillda, kompanije za orkestraciju skladišta sa AI-om. "AI može unijeti ove informacije i koristiti ih za pokretanje scenarija 'šta ako'. Na primjer, 'Šta ako bismo premjestili ovaj proizvod na ovu lokaciju ili ove proizvode na ove lokacije za 20 najbržih predmeta u pokretu? Kako bi to izgledalo s obzirom na veću efikasnost branja i manje potrebe za radnom snagom?' Rezultat je nivo efikasnosti skladišta koji inače jednostavno ne postoji."

 

Prije umjetne inteligencije, menadžeri skladišta bi pokušavali da preurede proizvode na periodičnoj, ad hoc osnovi kako bi povećali efikasnost. „Ponekad bi to upalilo, a ponekad ne,“ kaže Eisbart. "Ali čak iu najboljim slučajevima, odluke bi se zasnivale samo na snimku u vremenu. AI omogućava stalnu ponovnu procjenu i preraspodjelu, zajedno sa kontinuiranim testiranjem rezultata koje otkriva procentualne promjene u efikasnosti i troškovima."

 

Smanjenjem izgubljenih koraka radnika u skladištu, 3PL organizacija postaje produktivnija, isplativija, preciznija i okretnija. Može slati narudžbe brže i jeftinije, pružajući zadovoljstvo krajnjim korisnicima i smanjujući troškove klijenta.

 

Sistemi veštačke inteligencije mogu čak odrediti koji zaposleni treba da prebace svaki proizvod, na osnovu analize lične istorije i performansi. „Iako ovu procjenu tradicionalno radi supervizor, ono što radi za nekoliko ljudi brzo postaje preglomazno za hiljade radnika“, primjećuje Dauni. "Softverski alati omogućavaju kompaniji da optimizira raspodjelu radne snage za maksimalnu efikasnost."

 

AI je efikasnija u ovim odlukama jer uključuje principe tradicionalnog "digitalnog blizanca" u svoj softver. Tehnologija ima neposredan i kontinuirani pristup informacijama o skladištu kao što su dimenzije zgrade, položaji i visine prolaza, udaljenost između prolaza, lokacije utovarnog pristaništa, broj i stručnost zaposlenih na lokaciji, te lokacije i detalji dostupnih viličara , autonomni mobilni roboti i sistemi za automatsko pronalaženje skladišta. „Izrada digitalnog blizanca sastavnim dijelom osnovnog AI proizvoda omogućava mu da orkestrira veću efikasnost skladišta, što rezultira boljim iskustvom za klijente“, kaže Eisbart.

 

Digitalni blizanac također može pomoći u rješavanju skupog pitanja fluktuacije skladišnih radnika. Zamjensko osoblje, koje se često mora brzo zaposliti kako bi se zadovoljila potražnja, prečesto nema potrebnu stručnost za održavanje optimalne efikasnosti. „Novi radnici neće biti upoznati sa rasporedom skladišta, ali AI ih može brzo dovesti do brzine pružanjem mapa sa optimizovanim uputstvima za rutiranje“, kaže Eisbart. "Umjesto da hoda pola skladišta kako bi stigao od tačke A do tačke B, novi radnik može slijediti predloženu rutu. Rezultat je poboljšana sposobnost brzog lociranja i obrade zaliha."

 

Ljudski faktor

Koliko god da je impresivno, veštačka inteligencija sama ne može da pomeri 3PL do vrhunske efikasnosti. I dalje je potrebna ljudska stručnost. „Upotreba AI neće automatski rezultirati povećanjem efikasnosti“, kaže Downie. "Ljudi moraju ostati uključeni. Iako AI može savladati predmet, vrlo često će doći do pogrešnih zaključaka. 3PL organizacija mora osigurati da zadrži uvid ljudi koji kritički razmišljaju i mogu prepoznati ograničenja AI."

 

Prednosti AI neće se dogoditi preko noći, a zaposlenima će biti potrebno vrijeme da se uvjere u potencijal tehnologije. "Ljudi će se oduševiti AI kada vide kako im može pomoći da izbjegnu mnogo zamornog, ponavljajućeg rada", kaže Downie. "Oni će cijeniti povećanje produktivnosti."

 

Kompanije se suočavaju s dva izazova u implementaciji AI tehnologije. Na jednom nivou, autentičan angažman je važan. „Postoje kompanije koje zaista koriste AI“, kaže Eisbart. "I postoje kompanije koje to samo stavljaju na svoje web stranice kako bi uglancale svoj imidž."

 

Na drugom nivou, postoji izazov praćenja rezultata. "Dobici će varirati ovisno o instalaciji", kaže Eisbart. "Neki slučajevi upotrebe će ponuditi mogućnosti optimizacije, a neki ne." Jedna nedavna kompanija sa liste Fortune 500 uspjela je smanjiti broj izgubljenih radnika skladišta za 40%, povećati efikasnost branja za 15% i povećati efikasnost odlaganja za 20%. Faktori koji doprinose nivou uspjeha AI uključuju veličinu objekta, trenutnu stručnost radnika, brzinu proizvoda i stepen do kojeg su operacije već uključile mašinsko učenje.

 

Iznad svega, kaže Eisbart, 3PL organizacije koje uključuju AI moraju držati na oku krajnji cilj: poboljšani rezultat. "Organizacije koje vode s tehnologijom ili koje se fokusiraju na inovacije bez procjene utjecaja na poslovne rezultate promašuju poentu."