AI物流 洞悉未來
2017年以来,人为智能(AI)席卷了全球各大媒体版面,险些各行各业,都但愿与人为智能沾上边,但愿能降低成本、提高效能,甚至可精准预测将来,所谓的预测型物流规划(Anticipatory Logistics),就是要透过日常作业中的大数据,预测短期将来可能必要的资源(如人力需要、车辆需要、物流空间需要)与订单需要情况,而在消费者尚未正式下单前,就预先部署好所需的库存与运输资源。

之所以必要预测型物流作业,主因就是客户对于缩短前置期(lead time)的需要越来越大,每个客户都但愿最好一下单,顿时就可交件,并且没有人但愿备置大量库存,在这种情况下,若何预先把资源配置在正确的处所,并且预防资源在必要使用时却产生故障(例如运输车辆抛锚),就不是单纯靠经验可解决的问题。
值妥贴心的是,AI的预测不在于诉求精准,而是强调抓沉点、找趋向,之所以可做到这样,是萃取大量汗青数据而来。而现阶段要做到预测型物流,生怕还是得靠供给链系统中的大厂来主导,例如WALMART、UPS、Fedex等。
对于中幼型物流业者而言,利用AI先做部门改善是可行的,AI出格适合单一、沉复性高、耗工时处置的低附加价值工作,在物流中心内,蕴含手写字体辨识、出货查抄、定期盘点、客户常见问题答询,包装箱尺寸自动选择,甚至出货配送,都有AI阐扬的空间。
AI要成功,必须有大数据,称为训练数据(training data)。例如我们要预测某个商品可现实配送到消费者手上的功夫,或是预估某一日的所有待配送对象,会有几多件无法于pm 20:00配送结束,可透过每次消费者现实签收的功夫,以及当日的总配送件数、商品沉量、配送总距离、配送员步行距离、天候情况等数值数据,丢入AI网络模型去进建,并且进建过程,必须给定AI二种数据,一种数据称为真实数据(ground truth),另一种称为模型预测了局(predict),AI模型就是但愿使得每一次的预测了局都尽可能切近真实数据,因而物流业者在筹备训练数据时,必要有消费者现实签收功夫,以及正本规划预计配送到着功夫。
物流业大数据的数据源相当多,但多半不足科学化纪录与回报机造,例如宅配司机逐日现实步行距离、宅配车辆行驶里程、油耗、载沉量、每地址停顿功夫…等,有优良的大数据,AI能力真正阐扬效益,这是要执行AI物流前必要有的根基意识。
适口可乐
这家超过130年汗青的老牌饮料企业,从以往的可涝祓身,到此刻跨足果汁、茶饮,甚至跨足到服装、香水等时尚产业,品牌价值高居全球第三,其成功的成分就是不休创新,并且使用科技来解决老问题。目前适口可乐公司除了自身出产线的自动化查抄,甚至把AI的触角延长到自动贩卖机,以往自动贩卖机仅能统计今天销售了几多瓶饮料,卖了几多钱;拜硬件成本降低之赐,新的贩卖机往后将可加装摄影机,透过影像鉴别,能够很精准的分析哪一类的人、性别为何、春秋为何,买了哪一种饮料,甚至消费者在贩卖机前面看了某瓶饮料看了多久功夫才做投币决策,这样能够很精准的评估贩卖机内部的黄金柜位;这还不是最严害的,最新的贩卖机能够做人脸鉴别,也会记得消费者的口味,例如喜欢哪一种咖啡、温度为何、甜度为何,消费者仅需投币,贩卖机递出来的饮料绝对是齐全客造的。
随着消费者健全意识仰面,对于低糖、低发泡饮料的需要增长,适口可乐公司也设法做出改善。
在供给链更上游,适口可乐公司把脑筋动到「种植」这件事上,透过卫星影像、气象、雨量、泥土酸碱值等数值纪录,以及水果的甜度关系,适口可乐公司能够知路何时收成是最佳的,甚至其水果原汁的甜度,已经很靠近市场的真正需要,如此就能够在至少的加工与增长物下,做出消费者喜欢的商品,整件事与其说是降低出产成本,不如说是将出产成本,改投资于供给链的上游环节,使供给链整体的销售更大。
UPS
UPS每年在科技上的更新与投资超过10亿美元,在2016年底,起头引入谈天机械人(chatbot),把这样的谈天机械人配置于脸书粉丝团,用来实时回覆消费者问题,蕴含运费、寄件时效,甚至消费者往后直接在脸书要求寄件,都可使用天然说话(natural language)与谈天机械人交谈,这个改善重要能够黏住结尾消费者,消费者不必要再拨入客服中心期待人员接通,可一对一急剧获得回复,谈天机械人的设计,其实是一连串科技与数据整合的了局,以往消费者要自行登入UPS网站,遴选正确的页面后能力进行货件查问,使用谈天机械人,能够让幼伴侣甚至老婆婆,都可用自己熟悉的对话去询问所需讯息,因而是服务接口(interface)的大跃进,一旦服务机械人技术成熟,后端的客服人员至少可削减一半以上。在配送方面,早在2016年九月,UPS就起头测试无人机送货的可能性。
征途国际官网首页

粤公网安备 44060502003207号
