پیش از این در مقاله 10 مورد استفاده از هوش مصنوعی و یادگیری ماشینی در لجستیک و زنجیره تامین، از کاربردهای هوش مصنوعی در لجستیک مواردی را نام برده بودیم. در این مقاله کاربردهای بیشتر و شرح مختصری از این کاربردها را بیان خواهیم کرد.از آنجایی‌که سازمان‌ها در حال غلبه بر عواقب و عوارض ناشی از پاندمی کرونا هستند، بایستی تمرکز بیشتری بر تقویت زنجیره تامین و ظرفیت لجستیکی خود داشته باشند. استفاده و به‌کارگیری فناوری هوش مصنوعی می‌تواند روش موثری برای این امر باشد. طبق گزارش McKinsey، به‌کارگیری موثر و موفق هوش مصنوعی به کسب‌وکارها کمک کرده است تا بتوانند هزینه‌های لجستیکی را تا 15 درصد، سطح موجودی را تا 35 درصد و سطح خدمات را تا 65 درصد بهبود ببخشند.
کاربردهای برتر هوش مصنوعی در لجستیک در سال 2022
تحقیق دیگری توسط مکنزی تخمین می‌زند که شرکت‌های لجستیکی با به‌کارگیری هوش مصنوعی در فرایندهای خود، طی 20 سال آینده، 1.3 تا 2 میلیارد دلار در سال ارزش اقتصادی تولید خواهند کرد. در این مقاله موارد و کاربردهای برتر هوش مصنوعی در صنعت لجستیک و چگونگی بهبود عملیات لجستیکی را بررسی خواهیم کرد.
برنامه‌ریزی لجستیک
لجستیک مستلزم برنامه‌ریزی قابل توجهی است که نیاز به هماهنگی میان تامین‌کنندگان، مشتریان و واحدهای مختلف درون شرکتی دارد. راهکارهای یادگیری ماشینی می‌توانند فعالیت‌های برنامه‌ریزی را تسهیل کنند، چرا که در تحلیل سناریو و تجزیه‌وتحلیل عددی (دو موردی که از اهمیت زیادی برای برنامه‌ریزی برخوردار هستند) عملکرد خوبی را دارند.
پیش‌بینی تقاضا
توانمندی‌های هوش مصنوعی سازمان‌ها را قادر می‌سازد تا از داده‌های بلادرنگ در پیش‌بینی‌های خود استفاده کنند. بنابراین، روش‌های پیش‌بینی تقاضای مبتنی بر هوش مصنوعی در مقایسه با روش‌های پیش‌بینی سنتی مانند ARIMA، میانگین متحرک یکپارچه خودکار و روش‌های هموارسازی نمایی، نرخ خطا را به میزان قابل توجهی کاهش می‌دهند.
بهبود و پیشرفت دقت در پیش‌بینی تقاضا
- تولیدکنندگان می‌توانند بهینه‌سازی بهتری از تعداد وسایل نقلیه توزیعی به انبارهای محلی داشته باشند و هزینه‌های عملیاتی را کاهش دهند؛ چرا که برنامه‌ریزی نیروی انسانی خود را بهبود می‌بخشند.
- انبارها و یا خرده‌فروشان محلی می‌توانند هزینه‌های نگهداری خود را کاهش دهند (هزینه فرصت نگهداری کالا به جای سرمایه‌گذاری پول در محلی دیگر).
- احتمال مواجه شدن مشتریان با کمبود و اتمام موجودی کاهش می‌یابد؛ موردی که در صورت وقوع نارضایتی آن‌ها را در پی دارد.
برنامه‌ریزی تامین
هوش مصنوعی به کسب‌وکارها کمک می‌کند تقاضا را به‌صورت بلادرنگ تجزیه‌وتحلیل کنند تا سازمان‌ها پارامترهای برنامه‌ریزی عرضه خود را به‌صورت پویا و در راستای بهینه‌سازی جریان زنجیره‌تامین به‌روزرسانی کنند. با برنامه‌ریزی پویا عرضه، مشاغل از منابع کمتری استفاده می‌کنند، زیرا برنامه‌ریزی پویا میزان ضایعات را به حداقل می‌رساند.
انبارهای خودکار
بر اساس گزارش سالانه MHI در سال 2020، تنها 12 درصد از کسب‌وکارها در حال استفاده از فناوری هوش مصنوعی در انبارهای خود هستند، اما انتظار می رود تا 6 سال آینده این رقم به بیش از 60 درصد برسد.
ربات‌های انبار
ربات‌های انبار مصداق دیگری از فناوری هوش مصنوعی هستند که در راستای بهبود مدیریت زنجیره تامین کسب‌وکارها بر روی آن‌ها سرمایه‌گذاری زیادی صورت گرفته است. ارزش بازار ربات‌های انبارها در سال 2021 به 4.7 میلیارد دلار رسید و انتظار می‌رود بین سال‌های 2021 تا 2026 با نرخ رشد مکعب سالانه 14 درصد درصد رشد کند.
به‌عنوان مثال غول خرده‌فروشی آمازون در سال 2012، کیوا سیستمز (Kiva Systems) را تحت مالکیت خود درآورد و در سال 2015 نام خود را به آمازون روبوتیکس (Amazon Robotics) تغییر داد. امروزه آمازون دارای دویست هزار ربات است که در انبارهای آن کار می‌کنند. در 26 مرکز از 175 مرکز پردازش آمازون، ربات‌ها در امور چینش، دستهبندی، حملونقل و انبار کردن بسته‌ها به انسان‌ها کمک می‌کنند.
تشخیص آسیب/ بازرسی بصری
وجود محصولات آسیب‌دیده می‌تواند منجر به مشتریان ناراضی و افزایش نرخ ریزش آن‌ها شود. فناوری بینایی رایانه‌ای این امکان را برای کسب‌وکارها فراهم می‌کند تا آسیب‌ها را شناسایی نمایند. کسب‌وکارها می‌توانند عمق آسیب و نوع آن را بررسی کرده و جهت کاهش آسیب‌های احتمالی در آینده اقدامات لازم را صورت دهند.
نگهداری و تعمیرات پیشگیرانه
نگهداری و تعمیرات پیشگیرانه عبارت است از پیش‌بینی خرابی‌های احتمالی ماشین‌ها در کارخانه با استفاده از تجزیه‌وتحلیل داده‌های بلادرنگی که توسط سنسورهای اینترنت اشیا در ماشین‌ها جمع‌آوری شده‌اند. ابزارهای تحلیلی مبتنی بر یادگیری ماشینی، تجزیه‌وتحلیل پیش‌بینی‌کننده را بهبود بخشیده و الگوهای موجود در داده‌های سنسور را شناسایی می‌کنند تا تکنسین‌ها بتوانند قبل از وقوع خرابی اقدامات لازم را انجام دهند.
اشیاء خودمختار
اشیاء خودمختار دستگاه‌هایی هستند که بدون دخالت انسان و با کمک هوش مصنوعی فعالیت می‌کنند. اشیاء خودمختار شامل وسایل نقلیه خودران، پهپادها و ربات‌ها می‌شوند. به علت تناسب این صنعت با هوش مصنوعی، انتظار می‌رود که شاهد وسایل و دستگاه‌های خود مختار بیشتری در صنعت لجستیک باشیم.
وسایل نقلیه خودران
خودروهای خودران با کاهش نیاز وابستگی به رانندگان انسانی، پتانسیل ایجاد تغییر و تحول صنعت لجستیک را دارا می‌باشند. فناوری‌هایی نظیر پلاتونینگ (Platooning) درعین‌حال که میزان انتشار کربن و مصرف سوخت خودروها را کاهش می‌دهند، سلامت رانندگان و ایمنی بیشتر آن‌ها را نیز تضمین می‌کنند. امروزه تسلا، گوگل و مرسدس بنز سرمایه‌گذاری زیادی را روی وسایل نقلیه خودران انجام داده‌اند. با این وجود، بر اساس برآوردهای BCG، تنها حدود 10 درصد از کامیون‌های سبک تا سال 2030 به‌صورت خودمختار رانندگی خواهند کرد.
پهپادهای تحویل‌دهنده
پهپادهای تحویل‌دهنده برای حملونقل کالاها و نیز زمانی که کسب‌وکارها باید محصولات و کالاهای خود را به مکان‌هایی تحویل دهند که امکان انتقال زمینی، ایمن، قابل اعتماد یا پایدار وجود ندارد، انتخاب‌های مفید و مناسبی هستند. پهپادهای تحویل‌دهنده به‌ویژه در صنعت بهداشت و سلامت که محصولات دارویی دارای عمر کوتاهی هستند، می‌توانند به کسب‌وکارها کمک کنند تا از اتلاف و هدررفت هزینه جلوگیری کرده و کسب‌وکارها را از سرمایه‌گذاری بر روی تاسیسات ذخیره‌سازی بی‌نیاز کنند.
تجزیه و تحلیل
• قیمت‌گذاری پویا
قیمت‌گذاری پویا در واقع قیمت‌گذاری بلادرنگ است که در آن قیمت یک محصول متناسب با تغییرات در تقاضا، عرضه، قیمت رقابتی و قیمت محصولات فرعی تغییر می‌یابد. نرم‌افزارهای قیمت‌گذاری بیشتر از الگوریتم‌های یادگیری ماشینی برای تجزیه‌وتحلیل داده‌های تاریخی مشتریان استفاده می‌کنند تا بتوانند با تغییر قیمت‌ها به نوسانات تقاضا سریع‌تر پاسخ دهند.
• بهینه‌سازی جریان/ مدیریت حملونقل
مدل‌های هوش مصنوعی به کسب‌وکارها کمک می‌کنند تا مسیریابی موجود را تجزیه‌وتحلیل کرده و مسیر بهینه را دنبال کنند. بهینه‌سازی مسیر از الگوریتم‌های کوتاه‌ترین مسیر برای شناسایی کارآمدترین مسیر برای کامیون‌های لجستیک استفاده می‌کند. بنابراین کسب‌وکارها قادر به کاهش هزینه‌های حملونقل و سرعت بخشیدن به فرایندهای آن خواهند بود. به‌عنوان مثال سیستم جاده هوشمند Valerann یک پلتفرم مدیریت ترافیک مبتنی بر هوش مصنوعی است که در مورد شرایط جاده به وسایل نقلیه خودران و کاربران اطلاعات ارائه می‌دهد. بهینه‌سازهای مسیر همچنین ابزارهای موثری برای کاهش انتشار کربن توسط کسب‌وکارها می‌باشند.
پشتیبانی سازمان
هر یک از واحدهای کسب‌وکارها دارای وظایف پشتیبانی هستند که لجستیک نیز از آن مستثنی نیست. برای مثال، فرم‌های متعدد و مرتبط با لجستیک همانند بارنامه وجود دارند که داده‌های ساختاریافته بایستی به‌صورت دستی از آن استخراج شوند. اکثر مشاغل این کار را به‌صورت دستی انجام می‌دهند.
اتوماسیون پردازش اسناد
اسناد مربوط به صورت‌حساب، بارنامه و تفاهم‌نامه‌ها ارتباط بین خریداران، تامین‌کنندگان و ارائه‌دهندگان خدمات لجستیک را تسهیل می‌کنند. فناوری‌های اتوماسیون اسناد با خودکار کردن ورودی داده‌ها، تطبیق خطاها و پردازش اسناد می‌توانند در راستای افزایش کارایی موثر باشند.
اتوماسیون سایر کارهای دستی دفتری
هایپراتوماسیون، که به آن اتوماسیون هوشمندی فرایندهای کسب‌وکار نیز گفته می‌شود، به‌معنای استفاده ترکیبی از هوش مصنوعی، اتوماسیون فرایندهای روباتیک (RPA)، استخراج فرایند و سایر فناوری‌ها جهت خودکارسازی فرایندها به روش (End-to-End) است. با استفاده از این فناوری‌ها، کسب‌وکارها می‌توانند تعداد زیادی از امور مربوط به وظایف پشتیبانی نظیر موارد زیر را اتوماتیک کنند.
- برنامه‌ریزی و رهگیری: سیستم‌های هوش مصنوعی می‌توانند حملونقل را برنامه‌ریزی کنند، کارمندان مختلف را به ایستگاه‌ها و نقاط به‌خصوص اختصاص داده و آن‌ها را مدیریت کرده و بسته‌های موجود در انبار را نیز رهگیری کنند.
- تدوین گزارش: شرکت‌های لجستیک می‌توانند از ابزارهای اتوماسیون فرایند رباتیک (RPA) جهت تدوین و تولید گزارش‌های منظم استفاده کنند. این گزارشات جهت اطلاع مدیران و اطمینان از همسویی و همراستایی همه افراد در شرکت لازم است. راهکارهای RPA می‌توانند گزارش‌ها را به‌راحتی و به‌صورت خودکار تولید نمایند، محتوای آن‌ها را تجزیه‌وتحلیل کرده و سپس براساس محتوا، آن‌ها را برای ذی‌نفعان مربوطه ارسال کنند.
- پردازش ایمیل: ابزارهای RPA براساس گزارش‌هایی که به‌صورت خودکار ایجاد شده‌اند، قادرند تا محتوا را تجزیه‌وتحلیل کرده و برای ذی‌نفعان مربوطه ارسال کنند.
ربات چت خدمات مشتریان
خدمات مشتریان نقش مهمی در شرکت‌های لجستیک ایفا می‌کند؛ چرا که مشتریان به‌محض برخورد با هرگونه مشکلی در امر تحویل، با شرکت‌ها تماس خواهند گرفت. چت‌بات‌های خدمات مشتری قادر به انجام وظایف سطوح کم تا متوسط مرکز تماس از جمله موارد زیر هستند.
- ثبت درخواست تحویل
- اصلاح یک دستور
- پیگیری محموله
- پاسخگویی به پرسش‌های متداول
چت‌بات‌ها همچنین فناوری ارزشمندی برای تجزیه‌وتحلیل تجربه مشتری هستند. معیارهای تجزیه‌وتحلیل چت‌بات‌ها این امکان را به کسب‌وکارها می‌دهد تا بتوانند درک بهتری نسبت به مشتریان داشته و باشند و امر تحویل در سفر مشتری را بهبود بخشند.
فروش و بازاریابی
فعالیت‌های فروش و بازاریابی شرکت‌های لجستیکی را نیز می‌توان با استفاده از هوش مصنوعی بهبود بخشید. برخی از کاربردهای این فناوری در این زمینه عبارتند از:
- امتیازبندی لید(Lead Scoring) ، به‌معنای تمرکز بیشتر جهت جذب مشتریان بالقوه
- افزایش اتوماسیون در فعالیت‌هایی نظیر بازاریابی ایمیلی
- تجزیه‌وتحلیل‌های دقیق‌تر از فروش و بازاریابی
منبع
https://research.aimultiple.com/logistics-ai/