Allir eru að tala um gervigreind en hver eru möguleg forrit hennar fyrir vörugeymsla og aðfangakeðju? Edward Napier-Fenning, sölu- og markaðsstjóri leiðandi hugbúnaðarfyrirtækis aðfangakeðjuLoftbelgur, kannar fimm lykilsvið sem geta aukið frammistöðu - þar á meðal leiðaráætlun, tínslu, vinnustjórnunarskýrslu og gagnafærslu.
#Freightforwarder #DoortoDoor #Amazon #Export #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanaairfraight #Jordantrading #Jordan #Aqabashipping
Vöruflutningsaðili 3pl dropshipping DoortoDoor AirFreight umboðsaðili Jórdanía sendingarkostnaður Kína flutningsmiðlari uppfyllingarmiðstöð
kapoklog flutninga flugfrakt frá Kína til Bretlands DoortoDoor Amazon ExportAirFreight Jórdaníu sendingar Kínaflutningar til Jórdaníu Jordanflugfraktskip
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Snyrtivörur, Saudi með flugi og sjó frá dyr til dyra þjónustu
% 23Kína innkaupaaðili % 23Kína sendingaraðili % 23Kína Dropshipping % 23Kína Shipping Logistics
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #fraightforwarderchina #doortodoo #consolidationshipping #chinashipping #DDP #以色列 #约旦双清 #席旦双清 #巴勒 #斯坦地区问题 #中东局势 #约旦门到门 #约旦物流#约旦DDP #约旦双清包税 #约旦海运 #约旦空运 #约旦海派 #约旦专线
Shenzhen kapoklog flutninga Saudi Arabia sérsniðin skýr skylda greidd dyr til dyra DDP
DDP Kína til Sádi-Arabíu
Shenzhen kapoklog logistics Dubai sérsniðin úthreinsun dyr til dyra þjónusta DDP
DDP Kína til Dubai
Shenzhen kapoklogLogistics Co., Ltd
Shenzhen kapoklog flutninga Katar sérsniðin úthreinsun dyr til dyra DDP línu
DDP Kína til Katar
Shenzhen kapoklog flutninga Pakistan DDP
DDP Kína til Pakistan
Shenzhen kapoklog logistics Jórdaníu sérúthreinsun dyr til dyra DDP Kína til Jórdaníu
Shenzhen kapokloglogistics Egyptaland tvöfaldur sérsniðin úthreinsun dyr til dyra DDP
Shenzhen kapoklog vörustjórnun Jeddah sérúthreinsun, Jeddah DDP, Kína til Jeddah DDP sendingar
Shenzhen Kapoklog vörustjórnun Óman ddp, Kína til Óman DDP, Óman sendingar DDP
Shenzhen kapoklog Írak sérúthreinsun, Kína til Íraks DDP
Shenzhen Kapoklog logistics Ísrael sérúthreinsun DDP, Kína til Ísrael frá dyr til dyr, Ísrael dyr til dyr, Kína til Ísrael DDP
Allt í einu er gervigreind (AI) alls staðar. Eins og með árdaga margra annarra byltingarkennda tækni, þá er mikið um ofurkröfur, og margt af því sem nú er kallað „AI-virkt“ er í raun aðeins röð af, að vísu mjög hröðum og mjög snjöllum, reikniritum, sem fylgja rökréttum brautir sem mennirnir hafa hugsað sér. Hæfni til að vinna gríðarlegt magn af „stórum gögnum“ á eldingarhraða er áhrifamikill og afar dýrmætur, en það er ekki í sjálfu sér gervigreind. Sönn gervigreind hefur getu til að læra af sögulegum gögnum og af núverandi starfsemi, og í vissum skilningi, endurskrifa eigin reiknirit.
Þróunarhraði gervigreindar er að aukast og við getum nú þegar séð nokkur lykilsvið í vörugeymslu og flutningum þar sem hægt er að beita því.
1. Aukið leiðarskipulag
Hingað til hefur ökumaður lagt af stað með fasta leið, kannski venjulegan hring, eða skipulögð einum eða tveimur dögum fyrr, og það er hans/hennar að finna bestu viðbrögð við slysi, umferðarteppu eða öðrum atburðum. eftir því sem þær koma upp. Nú er hægt að tengja umferðarstjórnun í rauntíma við auðlindir eins og Google, og vinna ekki bara úr því að leysa núverandi vandamál, heldur nota nám þess til að spá fyrir um hvar líkur eru á að þrengslin eigi sér stað, sem undarlega oft er ekki við staður raunverulegs atviks. Þetta gefur öflugri forvarnarráðleggingar og hjálpar til við að halda afhendingu til og frá vöruhúsinu á áætlun.
Þessi nálgun við leiðarskipulag getur virkað samhliða kraftmikilli álagsuppbyggingu. Eins og er, er ekki full pöntunarskrá í upphafi dags, eða á þeim stað þar sem ökumenn og leiðir þarf að laga fyrir rekstur næsta dags. Leiðin getur því innihaldið áfangastaði þar sem ekki er í rauninni hægt að sleppa, eða sleppa dropum sem hefði verið hægt að nota. Greind kerfi geta stöðugt endurskipulagt, breytt og hagrætt leiðunum eftir því sem pöntunarsniðið byggist upp. Það getur aftur aðstoðað við næsta efni, skilvirka pöntunartínslu, sem auðvitað hefur sín eigin slóða- og leiðarvandamál.
2. Skilvirk tínsla
Mikið af hávaðanum í kringum gervigreind í aðfangakeðjunni er í kringum málefni eins og birgðahald og pöntun. Umbætur hér eru greinilega mikilvægar, en við erum varla byrjuð að snerta hvernig eigi að reka vöruhúsið á skilvirkari hátt, en þar liggur mjög mikill vinnu- og umsýslukostnaður – sem og hugsanlegur sparnaður.
Hagræðing valleiða er heitt umræðuefni í vörugeymsla, þó að í lægsta endanum jafngildi þetta lítið annað en að setja pantanir í röð og klippa þær niður í verkhluta. Það er gaman að geta gert þetta mjög hratt, en sönn gervigreind er farin að geta horft á allt ástandið á skynsamlegri hátt: hvar vörur eru í vöruhúsinu, hvaða vörur er hægt eða ekki hægt að sameina á tilteknum kerru eða gámi ( og hvar þessir gámar eru), hverjar forgangspantanir eru (sem hefur skýra tengingu við leiðarspurninguna hér að ofan) og byggja þannig upp skilvirkustu valrútínuna sem mögulegt er.
AI mun geta bætt val og virkni tínsluaðferða - og það besta getur verið mismunandi eftir vörutegundum eða jafnvel tíma dags. Aðferðirnar eru margar og margvíslegar: til dæmis hóptínsla, sem felur í sér að ganga leið, velja eitt vörunúmer í einu fyrir lotu af pöntunum. Eða það gæti verið svæðis- eða „klasa“ tínsla þar sem rekstraraðili velur öll SKUs á einu „svæði“ fyrir lotu af pöntunum, og töskurnar (með eða án þess aðgerðaraðila) fer síðan á næsta svæði.
Klasatínsla er venjulega skilvirkari en krefst þess að skipulag vöru í vöruhúsinu sé fínstillt, þannig að vörur sem líklegastar eru til að eiga sér stað í sömu pöntunum eru flokkaðar saman og pöntunum sem á að þyrpast í kringum svipuð snið. Það þýðir líka að pantanir eru ekki endilega teknar í tímaröð, þ.e. í samræmi við brottfarartíma afhendingarleiðarinnar, og eru því viðkvæmar fyrir töfum, ef til vill vegna þröngra ganga eða þörf á að aðskilja gangandi vegfarendur frá vörubílum og aðrar vélar.
Í samstarfi við viðskiptavini Pets Corner hefur Balloon verið að þróa almennt pöntunarþyrpingarmódel, sem getur starfað sem skýbundin vefaðgerð. Nýja tæknin hefur flýtt fyrir tímanum sem tekur að velja bylgju pantana um 38%. Þessi nálgun notar ekki strangt tiltekið þróað gervigreind, en við getum auðveldlega séð að gervigreind gæti gert frekari verulegar endurbætur á bæði skipulagi og rekstri pantanatínslu og vali á hentugustu stefnu fyrir þessar pantanir, núna. Við erum td að vinna að því hvernig hægt er að útvíkka þessa nálgun til margra línupantana og að hafa „upphafsstaði“ til að velja leiðir á mismunandi stöðum í vöruhúsinu. Það verður fljótt frekar flókið og gervigreind mun vera mjög hjálpleg við að vinna úr hlutunum.
Ein uppspretta hagkvæmni er að starfsemi þarf ekki að vera svo bundin af „stöðluðum“ ferlum, sem stundum eru kannski ekki nauðsynlegar. Lítið dæmi er verk sem við unnum nýlega fyrir Birlea. Þetta fyrirtæki hafði hefðbundið verklag þar sem tilteknar vörur eru gefnar „WMS“ merki sem sýnir röðina sem þær eru úthlutaðar í og sendar til skoðunar og endurpökkunar, eftir það fá þær annað „flutningsmerki“. En húsgögnin þeirra þurfa ekki að athuga eða endurpakka. Það reyndist mögulegt að útrýma WMS merki fyrir þessar vörur og endurforrita SQL þannig að kerfið haldi að burðarmerkið sé það WMS merki sem það bjóst við á þessum tímapunkti. Það í sjálfu sér krefst ekki gervigreindar, en það er auðvelt að hugsa sér gervigreind kerfi sem geta lært að viðurkenna að fyrir tiltekinn hlut eru ákveðin ferli óþörf og hægt er að útrýma þeim - án þess að eiga á hættu að mannlegur rekstraraðili hringi rangt.
3. Skilvirkari vinnustjórnun
Við núverandi aðstæður er mesta áskorunin til að auka skilvirkni að hvar eigi að úthluta af skornum skammti og dýru vinnuafli. Aðstaða með góðum vöruhúsastjórnunarhugbúnaði (WMS) og öðrum kerfum ætti að hafa mikið af gögnum frá enda til enda: hvað er að gerast í móttöku, geymslu, tínslu, áfyllingu og svo framvegis. Það ætti að segja rekstraraðilanum hvar þeir þurfa að setja fólkið sitt, en það er flókið. Hefðbundið WMS stýrir þessu, upp að vissu marki, en byggir að miklu leyti á því að fólk búi til, setur inn og viðheldur gögnum, allt frá stöðluðum tímum fyrir þætti vinnu, til þess hverjir fá að framkvæma ákveðin verkefni o.s.frv.
Að vissu marki erum við nú þegar fær um að skipuleggja vörur, starfsemi og auðlindir á skilvirkari hátt með því að nota sögulegar skrár og núverandi gagnafanga til að leyfa flóknari vinnustjórnunarlíkön. En gervigreind gæti vissulega lagt meira af mörkum við að draga gögn frá hinum ýmsu mismunandi aðilum og skilja þau.
Skilvirk innleiðing verður enn mikilvægari þar sem fyrirtæki taka upp notkun vélfærafræði í formi „cobots“ – vélar sem vinna í samvinnu við fólk. Þetta er kannski sérstaklega viðeigandi fyrir lítil og meðalstór fyrirtæki, sem hafa í auknum mæli efni á þessari tegund af sjálfvirkni, og þurfa að vera mun sveigjanlegri en stóru sjálfvirku kerfin „vöru til manns“ sem rekin eru af stórum rekstri. Til dæmis væri hægt að „merkja“ starfsmenn með Bluetooth tæki til að staðsetja þá miðað við bæði núverandi eða fyrirhugaða staðsetningu vélmenni og stöðu og núverandi stöðu forgangspantana, en að nýta þetta til fulls krefst greindar kerfa.
Við lítum ekki á notkun gervigreindar til að bæta vinnuafköst sem fyrst og fremst fækkun starfsmanna. Frekar snýst þetta um að útrýma „dauðum tíma“ og óafkastamiklum athöfnum eins og að ganga frá einum enda vörugeymslunnar til hins. Augljóslega bætir það framleiðni, en líka er auðveldara að halda í góðu fólki ef það eyðir ekki helmingi tímans aðgerðalaus og hinn helminginn í ofboðslega áhlaupi, sem getur valdið því að starfsfólki sé bæði þreytandi og vanmetið.
4. Nákvæmari skýrslur og greiningar
Balloon tekur virkan þátt í að beita gervigreind í aðfangakeðjurýminu. Umsvif í greininni fara ört vaxandi. Það verður að hafa í huga að umhverfi hvers og eins er mismunandi, sérstaklega meðal lítilla og meðalstórra fyrirtækja, sem er ein af ástæðunum fyrir því að geta gervigreindar til að læra af aðstæðum, frekar en að vinna úr utanaðkomandi reiknirit, er svo aðlaðandi. Önnur íhugun er að mikið af gögnunum er byggt á texta, þannig að eitt af því sem við erum að gera er að draga gögn frá mörgum aðilum inn í Microsoft greiningarpakka með gagnalíkani sem segir kerfinu hvernig á að tengja gögn við mismunandi hluti. Við getum búið til mælaborð og ofan á það getum við lagað einhverja ChatGPT gerð virkni – „sýnið mér kökurit af starfsfólki mínu að velja eftir degi og einstaklingum“ – svo stjórnendur þurfi ekki að biðja IT um að búa til skýrslu fyrir þá.
Gervigreind kerfi geta lyft miklu af kostnaði og byrði handvirkrar skráningar og greiningar, svo ekki sé minnst á að útrýma (eða að minnsta kosti greina) villurnar sem óhjákvæmilega koma upp í handvirkum kerfum. Á endanum gæti jafnvel sparast við að samþætta öll mismunandi kerfi sem vöruhúsa- og dreifingaraðgerðir nota: gervigreind gæti hugsanlega „lært“ hvernig á að koma gögnum frá einu kerfi yfir í annað, þrátt fyrir að það virðist ósamrýmanleg snið, frekar en að hafa einhvern erfiða skrifaðu kóða fyrir hvert atvik.
5. Aukin myndgreining og minni endurlykill
Gervigreind er nú þegar að gera gæfumun hér, til dæmis við innslátt gagna, þar á meðal sjónræna persónugreiningu og myndskönnun– að hafa skilning á því, tengja það við aðra þætti í kerfinu og sérstaklega við að leita að villum og misræmi. Það gæti verið magnmunur á milli sölupöntunar og viðkomandi valnótu; eða það gæti verið afhendingarheimili sem er ekki til eða er ekki skynsamlegt: í því tilviki gæti verið hægt að stilla gervigreind til að koma með skynsamlegar tillögur um hvert heimilisfangið ætti að vera, áður en sendibílstjórinn heldur af stað á villigæs elta.
Svo það er mikið að gerast með gervigreind í vöruhúsumhverfinu. Í augnablikinu er landslagið bútasaumur lítillar þróunar sem hjálpar fólki að passa hluta af gervigreind í starfsemi sína, oft til að byrja með að útrýma bara smærri verkum á viðmótum milli kerfa, þar sem td gagnamisræmi hefur tilhneigingu til að gera vart við sig. En þetta bútasaumur mun örugglega renna saman á frekar stuttum tíma.
Það rímar við eigin nálgun Balloon þar sem nýsköpunarteymið okkar miðar á litla vasa af háþróaðri virkni, þar sem þyrping er einn af þeim fyrstu og einn þar sem við höfum þegar séð mikinn hagkvæmni á vefsíðum viðskiptavina.
Vöruhúsastjórnun einkennist af mörgum inntaksgögnum og mörgum mögulegum ákvörðunum og framleiðsluatburðarás. Þetta eru ofar getu manna stjórnenda til að hagræða af krafti og í tíma, á meðan hefðbundnar reikniritaðferðir byggja á forsendum og einföldunum sem eru oft ekki alltaf eða að öllu leyti gildar. Á meðan situr naumur vinnuafli og bíður eftir að fá að vita hvað eigi að gera. AI lofar að útvega tækin til að leysa þessi vandamál.
