Mae pawb yn sôn am Ddeallusrwydd Artiffisial ond beth yw ei gymwysiadau posibl ar gyfer warysau a chadwyn gyflenwi? Edward Napier-Fenning, Cyfarwyddwr Gwerthiant a Marchnata cwmni meddalwedd cadwyn gyflenwi blaenllawBalwn, yn archwilio pum maes allweddol a all hybu perfformiad – gan gynnwys cynllunio llwybrau, casglu, adrodd ar reoli llafur a mewnbynnu data.
#Freightforwarder #DoortoDoor #Amazon #Allforio #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
Anfonwr cludo nwyddau 3pl dropshipping DoortoDoor AirFreight asiant Jordan llongau canolfan gyflawni asiant llongau Tsieina
logisteg kapoklog cludo nwyddau awyr o Tsieina i DU DoortoDoor Amazon ExportAirFreight Jordan llongau ChinashippingtoJordan Jordanairfreight llong
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Cosmetics, Saudi yn yr awyr ac ar y môr o ddrws i ddrws
#chinapurchasingagent % 23chinashippingagent % 23chinadropshipping % 23chinashippinglogistics
#canolfangyflawni #marchnata ar-lein #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoo #consolidationshipping #chinashipping #DDP #以色列 #约旦双清 #巴勒斯䭐坦坦地区问题 #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 logisteg Saudi Arabia arferiad clir dyletswydd a delir o ddrws i ddrws DDP
DDP Tsieina i Saudi Arabia
Shenzhen kapoklog logisteg Dubai clirio arferol o ddrws i ddrws gwasanaeth DDP
DDP Tsieina i Dubai
Shenzhen kapokloglogistics Co., Ltd
Shenzhen kapoklog logisteg Qatar clirio arferiad o ddrws i ddrws llinell DDP
DDP Tsieina i Qatar
Shenzhen kapoklog logisteg Pakistan DDP
DDP Tsieina i Bacistan
Shenzhen kapoklog logisteg Jordan clirio arferiad o ddrws i ddrws DDP Tsieina i Jordan
Shenzhen kapoklogistics Aifft clirio arferiad dwbl o ddrws i ddrws DDP
Logisteg kapoklog Shenzhen clirio arferiad Jeddah, Jeddah DDP, Tsieina i Jeddah DDP llongau
Shenzhen Kapoklog logisteg Oman ddp, Tsieina i Oman DDP, Oman llongau DDP
Shenzhen kapoklog clirio arfer Irac, Tsieina i Irac DDP
Shenzhen Kapoklog logisteg Israel clirio arferiad DDP , Tsieina i Israel drws i ddrws , Israel drws i ddrws , Tsieina i Israel DDP
Yn eithaf sydyn, mae Deallusrwydd Artiffisial (AI) ym mhobman. Yn yr un modd â dyddiau cynnar llawer o dechnolegau chwyldroadol eraill, mae llawer o or-hawlio, ac mae llawer o'r hyn sy'n cael ei grybwyll ar hyn o bryd fel 'AI-alluog' mewn gwirionedd yn ddim ond dilyniant o algorithmau, sy'n gyflym iawn ac yn glyfar iawn, sy'n dilyn yn rhesymegol. llwybrau a ddyfeisiwyd gan fodau dynol. Mae'r gallu i brosesu symiau enfawr o 'ddata mawr' ar gyflymder mellt yn drawiadol ac yn hynod werthfawr, ond nid yw ynddo'i hun yn gyfystyr â Deallusrwydd Artiffisial. Mae gan Gwir AI y gallu i ddysgu o ddata hanesyddol ac o weithgareddau cyfredol, ac, mewn ffordd, ailysgrifennu ei algorithmau ei hun.
Mae cyflymder datblygiad AI yn cyflymu a gallwn eisoes weld rhai meysydd allweddol mewn warysau a logisteg lle gellir ei gymhwyso.
1. Gwell cynllunio llwybrau
Hyd yn hyn mae gyrrwr wedi cychwyn gyda llwybr sefydlog, efallai rownd reolaidd, neu un wedi'i gynllunio ddiwrnod neu ddau ynghynt, a mater iddo ef/hi sydd i benderfynu beth yw'r ymateb gorau i ddamwain, tagfa draffig neu ddigwyddiad arall. fel a phan fydd y rhain yn codi. Nawr, gellir cysylltu rheoli traffig mewn amser real ag adnoddau fel Google, gan weithio allan nid yn unig y gwaith o gwmpas problem gyfredol, ond gan ddefnyddio ei ddysgu i ragfynegi lle mae'r tagfeydd yn debygol o ddigwydd, sy'n rhyfedd yn aml nad yw ar y safle'r digwyddiad gwirioneddol. Mae hyn yn gwneud argymhelliad arbed mwy cadarn ac yn helpu i gadw cyflenwadau i'r warws ac oddi yno ar amser.
Gall y dull hwn o gynllunio llwybrau weithio ochr yn ochr ag adeiladu llwythi deinamig. Ar hyn o bryd, nid oes ffeil archeb lawn ar ddechrau'r diwrnod, nac ychwaith ar yr adeg pan fo'n rhaid trwsio gyrwyr a llwybrau ar gyfer gweithrediadau'r diwrnod canlynol. Gall y llwybr, felly, gynnwys cyrchfannau lle nad oes diferyn i'w wneud mewn gwirionedd, neu hepgor diferion a allai fod wedi bod yn ddefnyddiol. Gall systemau deallus ailgynllunio, addasu a gwneud y gorau o'r llwybrau'n barhaus wrth i broffil y gorchymyn adeiladu. Gall hynny yn ei dro gynorthwyo gyda’r pwnc nesaf, sef dewis trefn effeithlon, sydd wrth gwrs â’i faterion llwybro a llwybro ei hun.
2. casglu effeithlon
Mae llawer o'r sŵn o amgylch AI yn y gadwyn gyflenwi yn ymwneud â materion fel rhestr eiddo ac archebu. Mae gwelliant yma yn amlwg yn bwysig, ond prin ein bod wedi dechrau sôn am sut i redeg y warws yn fwy effeithlon, a dyna lle mae rhai costau llafur a gweinyddu mawr – yn ogystal ag arbedion posibl.
Mae optimeiddio llwybrau dethol yn bwnc llosg mewn warysau, er ar y pen isel nid yw hyn yn llawer mwy na rhoi archebion mewn dilyniant a'u torri'n flociau o waith. Mae'n braf gallu gwneud hyn yn gyflym iawn, ond mae gwir AI yn dechrau gallu edrych ar y sefyllfa gyfan yn fwy deallus: lle mae nwyddau yn y warws, pa nwyddau y gellir neu na ellir eu cyfuno ar droli neu gynhwysydd penodol ( a ble mae'r cynwysyddion hynny), beth yw'r gorchmynion blaenoriaeth (sydd â chysylltiadau clir â'r cwestiwn llwybro uchod), a thrwy hynny adeiladu'r arferion casglu mwyaf effeithlon posibl.
Bydd AI yn gallu gwella dewis a gweithrediad strategaethau casglu - a gall yr optimwm amrywio yn ôl y math o nwyddau, neu hyd yn oed yr amser o'r dydd. Mae strategaethau yn niferus ac yn amrywiol: er enghraifft casglu swp, sy'n golygu cerdded llwybr, dewis un SKU ar y tro ar gyfer swp o orchmynion. Neu gallai fod yn ddewis cylchfaol neu 'glwstwr' lle mae'r gweithredwr yn dewis yr holl SKUs mewn un 'parth' ar gyfer swp o orchmynion, a'r tote (gyda'r gweithredwr hwnnw neu hebddo) wedyn yn symud ymlaen i'r parth nesaf.
Mae casglu clystyrau fel arfer yn fwy effeithlon ond mae angen optimeiddio gosodiad nwyddau yn y warws, fel bod nwyddau sydd fwyaf tebygol o ddigwydd yn yr un archebion yn cael eu grwpio gyda'i gilydd, a'r archebion i'w clystyru o amgylch proffiliau tebyg. Mae hefyd yn golygu nad yw archebion o reidrwydd yn cael eu dewis mewn trefn gronolegol fanwl gywir, hy, yn ôl amseroedd gadael y llwybr dosbarthu, ac felly maent yn agored i oedi tagfeydd, efallai oherwydd eiliau cul neu'r angen i wahanu cerddwyr oddi wrth lorïau a peiriannau eraill.
Gan weithio gyda'r cleient Pets Corner, mae Balloon wedi bod yn datblygu model clystyru archeb pwrpas cyffredinol, a all weithredu fel swyddogaeth gwe sy'n seiliedig ar gwmwl. Mae'r dechneg newydd wedi cyflymu'r amser a gymerir i ddewis ton o orchmynion 38%. Nid yw'r dull hwn yn defnyddio unrhyw AI datblygedig yn llym, ond gallwn weld yn hawdd y gallai AI alluogi gwelliannau sylweddol pellach o ran gosodiad a gweithrediad casglu archebion a dewis y strategaeth fwyaf priodol ar gyfer yr archebion hynny, ar hyn o bryd. Rydym, er enghraifft, yn gweithio ar ffyrdd y gellid ymestyn y dull hwn i orchmynion aml-linell, ac i gael 'mannau cychwyn' ar gyfer dewis llwybrau mewn gwahanol fannau yn y warws. Mae hynny'n dod yn eithaf cymhleth yn gyflym, a bydd AI yn ddefnyddiol iawn wrth weithio pethau allan.
Un ffynhonnell effeithlonrwydd yw nad oes angen i weithrediadau gael eu rhwymo i'r fath raddau gan brosesau 'safonol', nad ydynt yn angenrheidiol weithiau. Enghraifft fach yw rhywfaint o waith a wnaethom yn ddiweddar ar gyfer Birlea. Roedd gan y cwmni hwn weithdrefn gonfensiynol lle mae nwyddau wedi'u dewis yn cael label 'WMS' yn dangos y drefn y maent wedi'u neilltuo iddi, a'u hanfon ymlaen i'w gwirio a'u hail-bacio, ac wedi hynny rhoddir label 'cludwr' gwahanol iddynt. Ond nid oes angen gwirio nac ailbacio eu heitemau dodrefn. Bu'n bosibl dileu'r label WMS ar gyfer y nwyddau hyn, ac ail-raglennu'r SQL fel bod y system yn meddwl mai'r label cludwr yw'r label WMS yr oedd yn ei ddisgwyl ar y pwynt hwn. Nid yw hynny ynddo'i hun yn gofyn am AI, ond mae'n hawdd meddwl am systemau AI sy'n gallu dysgu bod prosesau penodol yn ddiangen ar gyfer eitem benodol ac y gellir eu dileu - heb y risg y bydd gweithredwr dynol yn gwneud yr alwad anghywir.
3. Rheoli llafur yn fwy effeithiol
Yn yr amodau presennol, yr her fwyaf ar gyfer cynyddu effeithlonrwydd yw ble i ddyrannu llafur prin a drud. Dylai fod gan gyfleuster gyda Meddalwedd Rheoli Warws (WMS) da a systemau eraill lawer iawn o ddata o'r dechrau i'r diwedd: beth sy'n digwydd wrth dderbyn, rhoi, casglu, ailgyflenwi ac ati. Dylai hynny ddweud wrth y gweithredwr lle mae angen iddo roi ei bobl, ond mae’n gymhleth. Mae WMS traddodiadol yn rheoli hyn, hyd at bwynt, ond mae'n dibynnu'n fawr ar bobl yn creu, mewnbynnu a chynnal data, o amseroedd safonol ar gyfer elfennau o waith, i bwy sy'n cael cyflawni tasgau penodol, ac ati.
I ryw raddau rydym eisoes yn gallu trefnu nwyddau, gweithgareddau ac adnoddau yn fwy effeithiol gan ddefnyddio cofnodion hanesyddol a chasglu data cyfredol i ganiatáu modelau rheoli llafur mwy cymhleth. Ond yn sicr gallai AI wneud cyfraniad pellach wrth dynnu data o'r gwahanol ffynonellau gwahanol a gwneud synnwyr ohono.
Bydd defnydd effeithiol yn dod yn bwysicach fyth wrth i gwmnïau ddefnyddio roboteg ar ffurf 'cobots' - peiriannau sy'n gweithio ar y cyd â phobl. Efallai bod hyn yn arbennig o berthnasol i fusnesau bach a chanolig, sy’n gallu fforddio’r math hwn o awtomeiddio fwyfwy, ac sydd angen iddo fod yn llawer mwy hyblyg na’r systemau awtomataidd mawr ‘nwyddau i berson’ a weithredir gan weithrediadau mawr. Er enghraifft, gallai gweithwyr gael eu 'tagio' gyda dyfais Bluetooth i'w lleoli mewn perthynas â safle presennol neu safle arfaethedig robot a safle a statws cyfredol gorchmynion blaenoriaeth, ond mae angen systemau deallus i fanteisio'n llawn ar hyn.
Nid ydym yn gweld bod defnyddio AI i wella effeithlonrwydd llafur yn ymwneud yn bennaf â lleihau nifer y gweithwyr. Yn hytrach mae'n ymwneud â dileu 'amser marw', a gweithgareddau nad ydynt yn gynhyrchiol fel cerdded o un pen y warws i'r llall. Yn amlwg, mae hynny'n gwella cynhyrchiant, ond hefyd mae'n haws cadw pobl dda os nad ydynt yn treulio hanner eu hamser yn segur a'r hanner arall ar frys gwyllt, a all wneud staff yn teimlo'n flinedig ac yn cael eu tanbrisio.
4. Adrodd a dadansoddi mwy cywir
Mae Balŵn yn cymryd rhan weithredol wrth gymhwyso AI yn y gofod cadwyn gyflenwi. Mae gweithgaredd yn y sector yn tyfu'n gyflym. Rhaid cofio bod amgylchedd pawb yn wahanol, yn enwedig ymhlith busnesau bach a chanolig, sef un o'r rhesymau pam mae gallu AI i ddysgu o'r sefyllfa, yn hytrach na phrosesu algorithm allanol yn unig, mor ddeniadol. Ystyriaeth arall yw bod llawer o'r data yn seiliedig ar destun, felly un o'r pethau yr ydym yn ei wneud yw tynnu data o ffynonellau lluosog i becyn dadansoddeg Microsoft gyda model data sy'n dweud wrth y system sut i gysylltu data â gwahanol wrthrychau. Gallwn greu dangosfwrdd ac ar ben hynny gallwn haenu rhywfaint o ymarferoldeb math ChatGPT - 'dangoswch siart cylch i mi o fy staff yn ei ddewis fesul dydd ac yn ôl y person' - fel nad oes rhaid i reolwyr ofyn i TG adeiladu adroddiad iddynt.
Gall systemau seiliedig ar AI godi llawer o gost a baich cadw cofnodion â llaw a dadansoddeg, heb sôn am ddileu (neu o leiaf canfod) y gwallau sy'n anochel yn codi mewn systemau llaw. Yn y pen draw efallai y bydd arbedion hyd yn oed wrth integreiddio'r holl systemau gwahanol y mae gweithrediadau warws a dosbarthu yn eu defnyddio: efallai y bydd AI yn gallu 'dysgu' sut i gael data o un system i'r llall, er gwaethaf fformatau sy'n ymddangos yn anghydnaws, yn hytrach na chael rhywun yn llafurus. ysgrifennu cod ar gyfer pob posibilrwydd.
5. Gwell cydnabyddiaeth delwedd a llai o rekeying
Mae AI eisoes yn gwneud gwahaniaeth yma, er enghraifft mewn mewnbynnu data, gan gynnwys Cydnabod Cymeriad Optegol a delweddsganio– gwneud synnwyr ohono, ei gysylltu ag elfennau eraill yn y system, ac yn enwedig wrth chwilio am wallau ac anghysondebau. Gallai hynny fod yn wahaniaeth maint rhwng archeb werthu a'r nodyn dewis perthnasol; neu gallai fod yn gyfeiriad dosbarthu nad yw'n bodoli neu nad yw'n gwneud synnwyr: os felly, efallai y bydd modd ffurfweddu AI i wneud awgrymiadau deallus ynghylch beth ddylai'r cyfeiriad fod, cyn i'r gyrrwr danfon gychwyn ar wydd wyllt ymlid.
Felly mae llawer yn digwydd gydag AI yn yr amgylchedd warws. Ar hyn o bryd mae’r dirwedd yn glytwaith o ddatblygiadau bach sy’n helpu pobl i ffitio darnau o AI i’w gweithrediadau, yn aml i ddechrau gyda dim ond dileu darnau llai o waith ar y rhyngwynebau rhwng systemau, a dyna lle, er enghraifft, mae anghysondebau data yn dueddol o ddod i’r amlwg. Ond mae'n siŵr y bydd y clytwaith hwn yn cyfuno'n gymharol fyr.
Mae hynny'n cyd-fynd â dull Balloon ei hun lle mae ein tîm arloesi yn targedu pocedi bach o ymarferoldeb uwch, gyda chlystyru yn un o'r rhai cyntaf, ac yn un lle rydym eisoes wedi gweld enillion effeithlonrwydd mawr ar safleoedd cwsmeriaid.
Nodweddir rheolaeth warws gan fewnbynnau data lluosog a phenderfyniadau posibl lluosog a senarios allbwn. Mae'r rhain y tu hwnt i allu rheolwyr dynol i optimeiddio'n gadarn ac mewn amser, tra bod dulliau algorithmig traddodiadol yn dibynnu ar ragdybiaethau a symleiddio nad ydynt yn aml bob amser neu'n gwbl ddilys. Yn y cyfamser, gall llafur prin fod yn eistedd o gwmpas yn aros i gael gwybod beth i'w wneud. Mae AI yn addo darparu'r offer i ddatrys y problemau hyn.
