誰もが人工知能について話していますが、倉庫保管やサプライ チェーンへの応用の可能性は何でしょうか? Edward Napier-Fenning 氏、大手サプライチェーン ソフトウェア会社、セールス＆マーケティング ディレクターバルーンでは、ルート計画、ピッキング、労務管理レポート、データ入力など、パフォーマンスを向上させる 5 つの主要な領域を検討します。
#貨物輸送業者 #ドアツードア #アマゾン #輸出 #航空貨物 #ジョーダンシッピング #ヨルダンへの中国輸送 #ヨルダン航空貨物 #ジョーダントレーディング #ジョーダン #アカバシッピング
貨物運送業者 3pl ドロップシッピング DoortoDoor 航空貨物代理店 ヨルダン配送 中国配送代理店 フルフィルメント センター
カポクロロジスティクス 中国から英国への航空貨物 DoortoDoor Amazon ExportAirFretro Jordan Shipping ChinashippingtoJordan Jordan航空貨物船
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
化粧品、サウジの空路および海路によるドアツードアサービス
#中国購入エージェント #中国配送エージェント #中国ドロップシッピング #中国配送物流
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoo #consolidationshipping #chinashipping #DDP #以色列 #约旦双清 #パリスタン #パリスタン局势 #中东地区问题 #中东局势 #约旦门到门 #约只今物流#约旦DDP #约旦双清包税 #约旦海运 #约旦空运 #约旦海派 #约旦专線
深センカポクロロジスティクス サウジアラビア カスタムクリアデューティードアツードア DDP
DDP 中国からサウジアラビアへ
深センカポクロロジスティクス ドバイ通関ドアツードアサービス DDP
DDP中国からドバイへ
深センkapoklog物流有限公司
深センカポクロロジスティクス カタール通関ドアツードアDDPライン
DDP 中国 から カタール まで
深セン カポクロロジスティクス パキスタン DDP
DDP 中国からパキスタンへ
深センカポクロ物流ヨルダン通関ドアツードアDDP中国からヨルダンへ
深センカポクロロジスティックス エジプト ダブル通関 ドアツードア DDP
深センkapoklog物流ジェッダ通関、ジェッダDDP、中国からジェッダDDP配送
深センKapoklog物流オマーンDDP、中国からオマーンDDP、オマーン輸送DDP
深センカポクログ イラク通関、中国からイラクへのDDP
深センKapoklog物流イスラエル通関DDP、中国からイスラエルへのドアツードア、イスラエルからドアツードア、中国からイスラエルへのDDP
突然、人工知能 (AI) があらゆる場所に登場します。 他の多くの革新的なテクノロジーの初期の頃と同様に、多くの過剰な主張があり、現在「AI 対応」として宣伝されているものの多くは、実際には、明らかに非常に高速で非常に賢い、論理的なアルゴリズムに従った一連のアルゴリズムにすぎません。人間が考え出した道。 膨大な量の「ビッグデータ」を超高速で処理する能力は印象的で非常に価値がありますが、それ自体が人工知能を構成するわけではありません。 真の AI は、過去のデータや現在のアクティビティから学習し、ある意味、独自のアルゴリズムを書き換える能力を備えています。
AI の開発のペースは加速しており、倉庫保管と物流のいくつかの重要な分野で AI を適用できることがすでに見えています。
1. ルート計画の強化
これまで、ドライバーは決まったルート、おそらく通常のラウンド、または 1 ～ 2 日前に計画したルートで出発しており、事故、交通渋滞、その他の出来事に対して最善の対応を見つけるのはドライバー次第です。これらが発生したときとそのときに。 現在、交通管理は Google などのリソースにリアルタイムでリンクされており、現在の問題を回避するだけでなく、その学習を利用して渋滞が発生する可能性のある場所を予測することができます。実際の事件の現場。 これにより、より確実な回避推奨が行われ、倉庫への配送と倉庫からの配送を予定通りに維持するのに役立ちます。
ルート計画へのこのアプローチは、動的負荷の構築と並行して機能します。 現在、一日の始まりや、翌日の運行に向けてドライバーとルートを修正する必要がある時点では、完全な注文ファイルは存在しません。 したがって、ルートには、実際には降下が行われない目的地が含まれたり、実際には降下できたはずの降下が除外されたりする可能性があります。 インテリジェント システムは、注文プロファイルが構築されるにつれて、ルートを継続的に再計画、変更、最適化できます。 これは、次のトピックである効率的な注文ピッキングに役立つ可能性がありますが、これにはもちろん独自のパスとルーティングの問題があります。
2.効率的なピッキング
サプライ チェーンにおける AI に関するノイズの多くは、在庫や注文などの問題に関するものです。 ここでの改善は明らかに重要ですが、倉庫をより効率的に運営する方法についてはほとんど触れ始めていません。ここには、かなりの人件費と管理費がかかり、潜在的な節約も可能になります。
ピッキング パスの最適化は倉庫業の注目のトピックですが、ローエンドでは、これは注文をシーケンスにまとめて作業ブロックに分割することにすぎません。 これを非常に迅速に実行できるのは素晴らしいことですが、真の AI は、倉庫内のどこに商品があるのか、特定の台車やコンテナにどの商品を組み合わせることができるか、または組み合わせられないのかなど、状況全体をよりインテリジェントに把握できるようになり始めています (それらのコンテナがどこにあるか）、優先順位は何か（上記のルーティングの質問と明確に関連しています）、そして可能な限り最も効率的なピック ルーチンを構築します。
AI はピッキング戦略の選択と運用を改善できるようになります。最適な戦略は商品の種類や時間帯によっても異なる場合があります。 戦略は多種多様です。たとえば、ルートを歩き回って注文のバッチに対して一度に 1 つの SKU を選択するバッチ ピッキングなどです。 あるいは、オペレーターが注文のバッチに対して 1 つの「ゾーン」内のすべての SKU をピッキングし、そのトートが (オペレーターの有無にかかわらず) 次のゾーンに移動する、ゾーンまたは「クラスター」ピッキングの場合もあります。
通常、クラスターピッキングの方が効率的ですが、同じ注文に含まれる可能性が最も高い商品がグループ化され、注文が類似したプロファイルの周りにクラスター化されるように、倉庫内の商品のレイアウトを最適化する必要があります。 また、これは、注文品が必ずしも厳密な時系列順、つまり配送ルートの出発時間に従ってピッキングされるわけではないため、おそらく狭い通路や歩行者とトラックや交通機関を分離する必要があるため、混雑による遅延の影響を受けやすいことを意味します。他の機械。
Balloon はクライアントの Pets Corner と協力して、クラウドベースの Web 機能として動作できる汎用注文クラスタリング モデルを開発してきました。 新しい技術により、注文の波を選択するのにかかる時間が 38% 短縮されました。 このアプローチは、開発された AI を厳密には使用しませんが、現時点では、AI によって注文ピッキングのレイアウトと操作、およびそれらの注文に最適な戦略の選択の両方がさらに大幅に改善される可能性があることが容易にわかります。 たとえば、私たちはこのアプローチを複数行の注文に拡張したり、倉庫内のさまざまな場所にルートをピッキングするための「開始点」を設定したりする方法に取り組んでいます。 それは急速にかなり複雑になり、AI は問題を解決するのに非常に役立ちます。
効率性の源の 1 つは、運用が「標準」プロセスにあまり束縛される必要がないことですが、これは必要でない場合もあります。 小さな例としては、私たちが最近 Birlea のために行ったいくつかの仕事があります。 この会社では、ピッキングされた商品には、割り当てられた順序を示す「WMS」ラベルが付けられ、検査と再梱包のために送られ、その後、別の「運送業者」ラベルが付けられるという従来の手順が行われていました。 しかし、彼らの家具アイテムは検査や再梱包の必要がありません。 これらの商品の WMS ラベルを削除し、システムが運送業者ラベルがこの時点で予期していた WMS ラベルであると認識するように SQL を再プログラムすることが可能であることが判明しました。 それ自体は AI を必要としませんが、人間のオペレーターが間違った呼び出しをするリスクなしに、特定の品目について特定のプロセスが冗長であり、削除できることを認識することを学習できる AI システムを考えるのは簡単です。
3. 労務管理の効率化
現在の状況において、効率を高めるための最大の課題は、希少で高価な労働力をどこに割り当てるかということです。 優れた倉庫管理ソフトウェア (WMS) やその他のシステムを備えた施設には、受け取り、保管、ピッキング、補充などで何が起こっているかというエンドツーエンドの大量のデータが必要です。 これにより、オペレーターはどこに人員を配置する必要があるかがわかるはずですが、それは複雑です。 従来の WMS はこれをある程度まで管理しますが、作業要素の標準時間から特定のタスクの実行を誰に許可するかに至るまで、データの作成、入力、保守を行う人に大きく依存しています。
私たちは、履歴記録と現在のデータ収集を使用して、物品、活動、リソースをより効率的に整理し、より複雑な労働管理モデルを可能にすることが、すでにある程度可能になっています。 しかし、AI はさまざまなソースからデータを引き出し、それを理解するという点でさらに貢献できる可能性があります。
企業が人間と協働して動作する機械である「コボット」の形でロボット工学の利用を開始するにつれて、効果的な導入はさらに重要になるでしょう。 これはおそらく、この種の自動化をますます余裕があり、大企業が運営する大規模な「商品から個人へ」の自動化システムよりもはるかに柔軟なものにする必要がある中小企業にとって特に適切です。 たとえば、作業者に Bluetooth デバイスで「タグ付け」して、ロボットの現在位置または意図した位置、および優先順位の位置と現在の状態の両方を基準にして作業者の位置を特定することができますが、これを最大限に活用するにはインテリジェントなシステムが必要です。
私たちは、労働効率を向上させるための AI の使用が主に人員削減であるとは考えていません。 むしろ、「無駄な時間」や、倉庫の端から端まで歩くなどの非生産的な活動を排除することです。 これにより生産性が向上するのは明らかですが、時間の半分を無為に費やし、残りの半分を慌ただしく過ごすことでスタッフが疲労し、過小評価されていると感じることがなくなると、優秀な人材を雇用し続けることも容易になります。
4. より正確なレポートと分析
Balloon は、サプライ チェーン分野での AI の適用に積極的に取り組んでいます。 この分野の活動は急速に成長しています。 特に中小企業では、環境は人それぞれに異なるということを忘れてはなりません。これが、単に外部から派生したアルゴリズムを処理するのではなく、状況から学習する AI の能力が非常に魅力的な理由の 1 つです。 もう 1 つの考慮事項は、データの多くがテキストベースであるため、私たちが行っていることの 1 つは、データをさまざまなオブジェクトに関連付ける方法をシステムに指示するデータ モデルを使用して、複数のソースからデータを Microsoft 分析パッケージに取り込むことです。 ダッシュボードを作成し、その上にいくつかの ChatGPT タイプの機能 (日別および個人ごとに選択したスタッフの円グラフを表示する) を重ねることができるため、管理者は IT 部門にレポートの作成を依頼する必要がありません。
AI ベースのシステムは、手動システムで必然的に発生するエラーを排除 (または少なくとも検出) することは言うまでもなく、手動の記録管理と分析にかかるコストと負担の多くを軽減します。 最終的には、倉庫や流通業務で使用されるさまざまなシステムをすべて統合することで節約できる可能性さえあります。AI は、一見互換性のない形式であっても、誰かが苦労してデータを取得するのではなく、あるシステムから別のシステムにデータを取得する方法を「学習」できるかもしれません。あらゆる事態に備えてコードを作成します。
5. 画像認識の強化とキー再生成の削減
ここでは、光学式文字認識や画像などのデータ入力など、AI がすでに変化をもたらしています。走査– それを理解し、それをシステム内の他の要素と関連付け、特にエラーや矛盾を探すこと。 これは、販売注文と関連するピックノートの間の数量の違いである可能性があります。 あるいは、存在しない、または意味をなさない配達先住所である可能性があります。その場合、配達ドライバーが出発する前に、住所がどうあるべきかについてインテリジェントな提案を行うように AI を構成できる可能性があります。追跡。
そのため、倉庫環境では AI に関して多くのことが起こっています。 現在、この状況は、人々が AI の一部を業務に適合させるのを支援する小さな開発のパッチワークであり、多くの場合、システム間のインターフェイスでの小さな作業部分を排除することから始まることが多く、たとえばデータの不一致が顕著になる傾向があります。 しかし、このつぎはぎはきっとすぐに融合するでしょう。
これは、バルーン独自のアプローチと一致しています。当社のイノベーション チームは、先進機能の小さなポケットをターゲットにしており、クラスタリングはその最初の機能の 1 つであり、すでに顧客サイトで大きな効率の向上が見られています。
倉庫管理は、複数のデータ入力と、考えられる複数の決定および出力シナリオによって特徴付けられます。 これらは、人間の管理者の能力を超えて堅牢かつ適時に最適化することができますが、従来のアルゴリズムによるアプローチは、常にまたは完全に有効であるとは限らない仮定や単純化に依存していることがよくあります。 一方で、不足している労働力は、何をすべきか指示されるのを待っているかもしれません。 AI は、これらの問題を解決するツールを提供すると約束しています。
