ทุกคนกำลังพูดถึงปัญญาประดิษฐ์ แต่อะไรคือศักยภาพในการนำไปประยุกต์ใช้กับคลังสินค้าและห่วงโซ่อุปทาน Edward Napier-Fenning ผู้อำนวยการฝ่ายขายและการตลาดของบริษัทซอฟต์แวร์ด้านซัพพลายเชนชั้นนำบอลลูนสำรวจห้าประเด็นสำคัญที่สามารถเพิ่มประสิทธิภาพได้ รวมถึงการวางแผนเส้นทาง การเลือก การรายงานการจัดการแรงงาน และการป้อนข้อมูล
ทันใดนั้นปัญญาประดิษฐ์ (AI) ก็มีอยู่ทุกหนทุกแห่ง เช่นเดียวกับช่วงแรกๆ ของเทคโนโลยีปฏิวัติอื่นๆ มีการอ้างสิทธิ์มากเกินไป และหลายๆ สิ่งที่ในปัจจุบันเรียกว่า 'เปิดใช้งาน AI' จริงๆ แล้วเป็นเพียงลำดับขั้นตอนของอัลกอริธึมที่รวดเร็วและชาญฉลาดมาก ซึ่งยอมรับกันทั่วไปว่าเป็นไปตามตรรกะ เส้นทางที่มนุษย์กำหนดไว้ ความสามารถในการประมวลผล 'ข้อมูลขนาดใหญ่' จำนวนมหาศาลด้วยความเร็วสูงนั้นน่าประทับใจและมีคุณค่าอย่างยิ่ง แต่ในตัวมันเองไม่ได้ประกอบขึ้นเป็นปัญญาประดิษฐ์ True AI มีความสามารถในการเรียนรู้จากข้อมูลในอดีตและกิจกรรมปัจจุบัน และในแง่หนึ่งก็คือสามารถเขียนอัลกอริทึมของตัวเองใหม่ได้
การพัฒนา AI กำลังเร่งตัวขึ้นอย่างรวดเร็ว และเรามองเห็นประเด็นสำคัญบางประการในด้านคลังสินค้าและโลจิสติกส์ที่สามารถนำไปประยุกต์ใช้ได้แล้ว
1. การวางแผนเส้นทางที่ดีขึ้น
จนถึงตอนนี้ ผู้ขับขี่ได้ออกเดินทางด้วยเส้นทางที่ตายตัว อาจเป็นรอบปกติ หรือวางแผนไว้หนึ่งหรือสองวันก่อนหน้านี้ และมันก็ขึ้นอยู่กับเขา/เธอที่จะหาทางรับมือกับอุบัติเหตุ การจราจรติดขัด หรือเหตุการณ์อื่นๆ ให้ดีที่สุด เมื่อสิ่งเหล่านี้เกิดขึ้น ขณะนี้ การจัดการจราจรสามารถเชื่อมโยงกับแหล่งข้อมูลต่างๆ เช่น Google ได้แบบเรียลไทม์ ซึ่งไม่เพียงแต่ช่วยแก้ปัญหาในปัจจุบันเท่านั้น แต่ยังใช้การเรียนรู้เพื่อคาดการณ์ว่าการจราจรติดขัดจะเกิดขึ้นบริเวณใด ซึ่งน่าแปลกที่มักจะไม่ได้อยู่ที่ สถานที่เกิดเหตุจริง. ซึ่งจะทำให้คำแนะนำในการหลีกเลี่ยงมีความแข็งแกร่งยิ่งขึ้น และช่วยให้การจัดส่งเข้าและออกจากคลังสินค้าเป็นไปตามกำหนดเวลา
วิธีการวางแผนเส้นทางนี้สามารถทำงานควบคู่กับการสร้างโหลดแบบไดนามิกได้ ขณะนี้ยังไม่มีไฟล์คำสั่งซื้อทั้งหมดในช่วงเริ่มต้นของวัน หรือ ณ จุดที่ผู้ขับขี่และเส้นทางต้องได้รับการแก้ไขสำหรับการดำเนินงานในวันถัดไป ดังนั้นเส้นทางอาจรวมถึงจุดหมายปลายทางที่ไม่มีการทำหยดจริงหรือทิ้งการหยดที่เป็นประโยชน์ไว้ ระบบอัจฉริยะสามารถวางแผนใหม่ ปรับเปลี่ยน และเพิ่มประสิทธิภาพเส้นทางได้อย่างต่อเนื่องเมื่อโปรไฟล์การสั่งซื้อถูกสร้างขึ้น ซึ่งจะช่วยในหัวข้อถัดไป นั่นคือการเบิกสินค้าตามใบสั่งที่มีประสิทธิภาพ ซึ่งแน่นอนว่ามีปัญหาเส้นทางและเส้นทางของตัวเอง
2. การหยิบสินค้าที่มีประสิทธิภาพ
สิ่งรบกวนรอบ AI ในห่วงโซ่อุปทานมักเกี่ยวข้องกับปัญหาต่างๆ เช่น สินค้าคงคลังและการสั่งซื้อ การปรับปรุงที่นี่มีความสำคัญอย่างชัดเจน แต่เราแทบจะไม่ได้เริ่มพูดถึงวิธีบริหารคลังสินค้าให้มีประสิทธิภาพมากขึ้น ซึ่งเป็นจุดที่ต้นทุนแรงงานและการบริหารจำนวนมากตกอยู่ เช่นเดียวกับการประหยัดที่อาจเกิดขึ้น
การเพิ่มประสิทธิภาพเส้นทางการเลือกเป็นประเด็นร้อนในคลังสินค้า แม้ว่าในระดับล่างสุดจะมีมูลค่ามากกว่าการวางคำสั่งซื้อตามลำดับและสับเป็นบล็อกของงานเพียงเล็กน้อย เป็นเรื่องดีที่สามารถทำสิ่งนี้ได้อย่างรวดเร็ว แต่ AI ที่แท้จริงเริ่มที่จะมองสถานการณ์ทั้งหมดได้อย่างชาญฉลาดมากขึ้น เช่น สินค้าอยู่ในคลังสินค้าอยู่ที่ไหน สินค้าใดบ้างที่สามารถหรือไม่สามารถรวมกันบนรถเข็นหรือคอนเทนเนอร์ที่กำหนดได้ ( และคอนเทนเนอร์เหล่านั้นอยู่ที่ไหน) ลำดับความสำคัญคืออะไร (ซึ่งมีลิงก์ที่ชัดเจนไปยังคำถามเกี่ยวกับการกำหนดเส้นทางด้านบน) และด้วยเหตุนี้จึงสร้างรูทีนการเลือกที่มีประสิทธิภาพมากที่สุดเท่าที่จะเป็นไปได้
AI จะสามารถปรับปรุงทางเลือกและการดำเนินงานของกลยุทธ์การเลือกสินค้า และประสิทธิภาพสูงสุดอาจแตกต่างกันไปตามประเภทของสินค้า หรือแม้แต่ช่วงเวลาของวัน กลยุทธ์มีมากมายและหลากหลาย เช่น การเลือกชุดซึ่งเกี่ยวข้องกับการเดินไปในเส้นทาง การเลือก SKU ทีละรายการสำหรับชุดคำสั่งซื้อ หรืออาจเป็นการเลือกแบบโซนหรือ 'คลัสเตอร์' โดยที่ผู้ปฏิบัติงานเลือก SKU ทั้งหมดใน 'โซน' เดียวสำหรับชุดคำสั่งซื้อ จากนั้น Tote (มีหรือไม่มีผู้ปฏิบัติงานนั้น) จะย้ายไปยังโซนถัดไป
โดยทั่วไปการเบิกสินค้าแบบคลัสเตอร์จะมีประสิทธิภาพมากกว่า แต่จำเป็นต้องมีการปรับโครงร่างของสินค้าในคลังสินค้าให้เหมาะสม เพื่อให้สินค้าที่น่าจะเกิดขึ้นในคำสั่งซื้อเดียวกันมากที่สุดถูกจัดกลุ่มไว้ด้วยกัน และคำสั่งซื้อที่จะจัดกลุ่มตามโปรไฟล์ที่คล้ายกัน นอกจากนี้ยังหมายความว่าคำสั่งซื้อไม่จำเป็นต้องถูกเลือกตามลำดับเวลาอย่างเคร่งครัด เช่น ตามเวลาออกเดินทางของเส้นทางการจัดส่ง ดังนั้นจึงเสี่ยงต่อความล่าช้าในการจราจรติดขัด อาจเป็นเพราะทางเดินแคบ ๆ หรือความจำเป็นในการแยกคนเดินถนนออกจากรถบรรทุก และ เครื่องจักรอื่น ๆ
การทำงานร่วมกับลูกค้า Pets Corner นั้น Balloon ได้พัฒนาโมเดลการจัดกลุ่มคำสั่งซื้อทั่วไป ซึ่งสามารถทำงานเป็นฟังก์ชันเว็บบนคลาวด์ได้ เทคนิคใหม่นี้ช่วยเร่งเวลาในการรับคำสั่งซื้อจำนวนมากขึ้น 38% แนวทางนี้ไม่ได้ใช้ AI ที่พัฒนาแล้วอย่างเคร่งครัด แต่เราเห็นได้ง่ายว่า AI สามารถเปิดใช้งานการปรับปรุงที่สำคัญเพิ่มเติมทั้งในรูปแบบและการดำเนินการในการหยิบคำสั่งซื้อ และการเลือกกลยุทธ์ที่เหมาะสมที่สุดสำหรับคำสั่งซื้อเหล่านั้นในขณะนี้ ตัวอย่างเช่น เรากำลังดำเนินการหาวิธีขยายแนวทางนี้ไปสู่คำสั่งซื้อแบบหลายบรรทัด และเพื่อให้มี 'จุดเริ่มต้น' ในการเลือกเส้นทางจากสถานที่ต่างๆ ในคลังสินค้า สิ่งนี้ค่อนข้างซับซ้อนอย่างรวดเร็ว และ AI จะมีประโยชน์มากในการทำงาน
แหล่งที่มาของประสิทธิภาพประการหนึ่งก็คือ การปฏิบัติงานไม่จำเป็นต้องถูกผูกมัดโดยกระบวนการ 'มาตรฐาน' ซึ่งบางครั้งอาจไม่จำเป็น ตัวอย่างเล็กๆ น้อยๆ คืองานบางอย่างที่เราเพิ่งทำให้กับ Birlea บริษัทนี้มีขั้นตอนปกติโดยที่สินค้าที่หยิบจะได้รับฉลาก 'WMS' ซึ่งแสดงลำดับที่ได้รับมอบหมาย และส่งไปเพื่อตรวจสอบและบรรจุใหม่ หลังจากนั้น จะได้รับฉลาก 'ผู้ให้บริการ' ที่แตกต่างกัน แต่เฟอร์นิเจอร์ของพวกเขาไม่จำเป็นต้องตรวจสอบหรือบรรจุใหม่ ได้รับการพิสูจน์แล้วว่าสามารถกำจัดป้าย WMS สำหรับสินค้าเหล่านี้ได้ และตั้งโปรแกรม SQL ใหม่เพื่อให้ระบบคิดว่าป้ายชื่อผู้ให้บริการคือป้าย WMS ที่คาดหวังไว้ ณ จุดนี้ ในตัวมันเองไม่จำเป็นต้องใช้ AI แต่เป็นเรื่องง่ายที่จะนึกถึงระบบ AI ที่สามารถเรียนรู้ที่จะรับรู้ว่าสำหรับรายการใดรายการหนึ่ง กระบวนการบางอย่างมีความซ้ำซ้อนและสามารถกำจัดได้ โดยไม่ต้องเสี่ยงที่ผู้ปฏิบัติงานจะโทรผิด
3. การบริหารจัดการแรงงานมีประสิทธิภาพมากขึ้น
ในสภาวะปัจจุบัน ความท้าทายที่ยิ่งใหญ่ที่สุดในการเพิ่มประสิทธิภาพคือการจัดสรรแรงงานที่ขาดแคลนและมีราคาแพง สิ่งอำนวยความสะดวกที่มีซอฟต์แวร์การจัดการคลังสินค้า (WMS) ที่ดีและระบบอื่นๆ ควรมีข้อมูลจำนวนมากตั้งแต่ต้นจนจบ เช่น สิ่งที่เกิดขึ้นในการรับ การจัดเตรียม การหยิบสินค้า การเติมสินค้า และอื่นๆ นั่นควรบอกผู้ปฏิบัติงานว่าต้องนำคนไปไว้ที่ใด แต่มันซับซ้อน WMS แบบดั้งเดิมจะจัดการเรื่องนี้ได้จนถึงจุดหนึ่ง แต่อาศัยผู้คนจำนวนมากในการสร้าง ป้อนข้อมูล และดูแลรักษาข้อมูล ตั้งแต่เวลามาตรฐานสำหรับองค์ประกอบของงาน ไปจนถึงผู้ที่ได้รับอนุญาตให้ทำงานบางอย่าง และอื่นๆ
ในระดับหนึ่ง เราสามารถจัดเรียงสินค้า กิจกรรม และทรัพยากรได้อย่างมีประสิทธิภาพมากขึ้นโดยใช้บันทึกในอดีตและการเก็บข้อมูลปัจจุบัน เพื่อให้มีโมเดลการจัดการแรงงานที่ซับซ้อนมากขึ้น แต่ AI สามารถมีส่วนร่วมเพิ่มเติมในการดึงข้อมูลจากแหล่งต่างๆ และทำความเข้าใจได้อย่างแน่นอน
การใช้งานอย่างมีประสิทธิผลจะมีความสำคัญมากยิ่งขึ้น เนื่องจากบริษัทต่างๆ หันมาใช้หุ่นยนต์ในรูปแบบของ 'โคบอท' ซึ่งเป็นเครื่องจักรที่ทำงานร่วมกับผู้คน นี่อาจเกี่ยวข้องเป็นพิเศษสำหรับ SMEs ที่สามารถจ่ายได้กับระบบอัตโนมัติประเภทนี้มากขึ้น และต้องการให้ระบบมีความยืดหยุ่นมากกว่าระบบอัตโนมัติ 'สินค้าถึงบุคคล' ขนาดใหญ่ที่ดำเนินการโดยการปฏิบัติงานขนาดใหญ่ ตัวอย่างเช่น พนักงานสามารถ 'ติดแท็ก' ด้วยอุปกรณ์ Bluetooth เพื่อค้นหาตำแหน่งโดยสัมพันธ์กับตำแหน่งปัจจุบันหรือตำแหน่งที่ตั้งใจไว้ของหุ่นยนต์ และตำแหน่งและสถานะปัจจุบันของลำดับความสำคัญ แต่การใช้ประโยชน์อย่างเต็มที่จากสิ่งนี้ต้องใช้ระบบอัจฉริยะ
เราไม่เห็นการใช้ AI เพื่อปรับปรุงประสิทธิภาพแรงงานโดยเน้นไปที่การลดจำนวนพนักงานเป็นหลัก แต่เป็นการกำจัด 'เวลาตาย' และกิจกรรมที่ไม่เกิดประสิทธิผล เช่น การเดินจากปลายด้านหนึ่งของคลังสินค้าไปยังอีกด้านหนึ่ง แน่นอนว่าสิ่งนี้ช่วยปรับปรุงประสิทธิภาพการทำงาน แต่ยังง่ายกว่าที่จะรักษาคนดีๆ ไว้หากพวกเขาไม่ได้ใช้เวลาครึ่งหนึ่งและอีกครึ่งหนึ่งเร่งรีบ ซึ่งอาจส่งผลให้พนักงานรู้สึกเหนื่อยล้าและไร้คุณค่า
4. การรายงานและการวิเคราะห์ที่แม่นยำยิ่งขึ้น
Balloon มีส่วนร่วมอย่างแข็งขันในการนำ AI ไปใช้ในพื้นที่ห่วงโซ่อุปทาน กิจกรรมในภาคนี้มีการเติบโตอย่างรวดเร็ว ต้องจำไว้ว่าสภาพแวดล้อมของทุกคนแตกต่างกัน โดยเฉพาะอย่างยิ่งในกลุ่ม SME ซึ่งเป็นเหตุผลหนึ่งว่าทำไมความสามารถของ AI ในการเรียนรู้จากสถานการณ์ แทนที่จะเพียงประมวลผลอัลกอริธึมที่ได้รับจากภายนอกเท่านั้นจึงน่าดึงดูดมาก ข้อควรพิจารณาอีกประการหนึ่งคือข้อมูลจำนวนมากเป็นแบบข้อความ ดังนั้นสิ่งหนึ่งที่เรากำลังทำคือการดึงข้อมูลจากหลายแหล่งมาไว้ในแพ็คเกจการวิเคราะห์ของ Microsoft ด้วยแบบจำลองข้อมูลที่บอกระบบถึงวิธีเชื่อมโยงข้อมูลกับออบเจ็กต์ต่างๆ เราสามารถสร้างแดชบอร์ดได้ และยิ่งไปกว่านั้น เรายังสามารถซ้อนฟังก์ชันประเภท ChatGPT บางอย่างเข้าด้วยกันได้ - 'แสดงแผนภูมิวงกลมที่พนักงานของฉันเลือกตามวันและตามบุคคล' เพื่อให้ผู้จัดการไม่ต้องขอให้ฝ่ายไอทีสร้างรายงานให้พวกเขา
ระบบที่ใช้ AI สามารถยกค่าใช้จ่ายและภาระได้มากในการเก็บบันทึกและการวิเคราะห์ด้วยตนเอง และยังไม่ต้องพูดถึงการขจัด (หรืออย่างน้อยก็การตรวจจับ) ข้อผิดพลาดที่เกิดขึ้นในระบบแบบแมนนวลอย่างหลีกเลี่ยงไม่ได้ ท้ายที่สุดแล้ว อาจประหยัดเงินได้ในการบูรณาการระบบต่างๆ ทั้งหมดที่คลังสินค้าและการจัดจำหน่ายใช้: AI อาจ 'เรียนรู้' วิธีรับข้อมูลจากระบบหนึ่งไปยังอีกระบบหนึ่ง แม้ว่ารูปแบบจะเข้ากันไม่ได้อย่างเห็นได้ชัด แทนที่จะต้องอาศัยใครสักคนที่ลำบาก เขียนโค้ดสำหรับทุกเหตุการณ์
#ผู้ขนส่งสินค้า #doortodoor #Amazon #ส่งออก #ขนส่งทางอากาศ #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
ผู้ส่งของ 3pl dropshipping DoortoDoor ตัวแทนขนส่งสินค้าทางอากาศ Jordan shipping ศูนย์ปฏิบัติตามตัวแทนจัดส่งของจีน
kapoklog โลจิสติกส์ การขนส่งทางอากาศจากจีนไปสหราชอาณาจักร DoortoDoor Amazon ExportAirFreight Jordan shipping ChinashippingtoJordan Jordanairfreight ship
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
เครื่องสำอางซาอุดิอาระเบียทางอากาศและทางทะเลบริการถึงประตูบ้าน
#ChinaPurchasingAgent #ChinaShippingAgent #ChinaDropShipping # จีน ShippingLogistics
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoo #consolidationshipping #chinashipping #DDP #以色列 #约旦双清 #巴勒斯坦 #巴勒斯坦局势 #中东地区问题 #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
เซินเจิ้น kapoklog โลจิสติกซาอุดิอาระเบียกำหนดเองภาษีที่ชัดเจนจ่ายประตูไปที่ประตู DDP
DDP จีนถึงซาอุดีอาระเบีย
เซินเจิ้น kapoklog โลจิสติกส์ ดูไบ บริการพิธีการศุลกากรถึงประตู DDP
DDP จีนถึงดูไบ
เซินเจิ้น kapoklogLogistics Co., Ltd
เซินเจิ้น kapoklog โลจิสติกส์กาตาร์พิธีการศุลกากรแบบกำหนดเองไปที่ประตูสาย DDP
DDP จีนถึงกาตาร์
เซินเจิ้น kapoklog โลจิสติกส์ปากีสถาน DDP
DDP จีนถึงปากีสถาน
เซินเจิ้น kapoklog โลจิสติกส์จอร์แดนพิธีการศุลกากรแบบกำหนดเองไปที่ประตู DDP จีนถึงจอร์แดน
เซินเจิ้น kapoklogistics อียิปต์พิธีการศุลกากรสองครั้งที่กำหนดเองไปที่ประตู DDP
เซินเจิ้น kapoklog จิสติกส์เจดดาห์พิธีการศุลกากรเจดดาห์ DDP จีนไปยังเจดดาห์ DDP การจัดส่งสินค้า
เซินเจิ้น Kapoklog โลจิสติกโอมาน ddp, จีนไปโอมาน DDP, โอมานจัดส่ง DDP
เซินเจิ้น kapoklog อิรักพิธีการศุลกากร, จีนถึงอิรัก DDP
เซินเจิ้น Kapoklog โลจิสติกส์อิสราเอลพิธีการศุลกากร DDP จีนอิสราเอลประตูสู่ประตูอิสราเอลประตูสู่ประตูจีนอิสราเอล DDP
5. ปรับปรุงการจดจำรูปภาพและลดการรีคีย์
AI กำลังสร้างความแตกต่างที่นี่แล้ว เช่น ในการป้อนข้อมูล รวมถึงการรู้จำอักขระด้วยแสงและรูปภาพการสแกน– ทำความเข้าใจ เชื่อมโยงกับองค์ประกอบอื่นๆ ในระบบ และโดยเฉพาะอย่างยิ่งในการมองหาข้อผิดพลาดและความคลาดเคลื่อน นั่นอาจเป็นความแตกต่างด้านปริมาณระหว่างใบสั่งขายและบันทึกการรับสินค้าที่เกี่ยวข้อง หรืออาจเป็นที่อยู่จัดส่งที่ไม่มีอยู่หรือไม่สมเหตุสมผล ในกรณีนี้ อาจสามารถกำหนดค่า AI ให้ให้คำแนะนำอันชาญฉลาดเกี่ยวกับที่อยู่ที่ควรเป็นได้ ก่อนที่คนขับรถส่งของจะออกเดินทางด้วยห่านป่า ไล่ล่า.
จึงมีเรื่องมากมายเกิดขึ้นกับ AI ในสภาพแวดล้อมคลังสินค้า ในปัจจุบัน ภูมิทัศน์เป็นเพียงการปะติดปะต่อของการพัฒนาเล็กๆ น้อยๆ ที่ช่วยให้ผู้คนใส่ AI บางส่วนเข้ากับการดำเนินงานของพวกเขาได้ โดยมักจะเริ่มต้นด้วยการกำจัดงานเล็กๆ ที่ส่วนต่อประสานระหว่างระบบ ซึ่งก็คือจุดที่ความคลาดเคลื่อนของข้อมูลมีแนวโน้มที่จะแสดงให้เห็น แต่การเย็บปะติดปะต่อกันนี้จะรวมตัวกันในลำดับที่ค่อนข้างสั้นอย่างแน่นอน
ซึ่งสอดคล้องกับแนวทางของ Balloon โดยที่ทีมนวัตกรรมของเรากำลังกำหนดเป้าหมายกลุ่มเล็กๆ ของฟังก์ชันการทำงานขั้นสูง โดยจัดกลุ่มเป็นหนึ่งในกลุ่มแรกๆ และเป็นที่ที่เราได้เห็นประสิทธิภาพที่เพิ่มขึ้นอย่างมากในไซต์ของลูกค้าแล้ว
การจัดการคลังสินค้ามีลักษณะเฉพาะด้วยการป้อนข้อมูลหลายรายการ และสถานการณ์การตัดสินใจและผลลัพธ์ที่เป็นไปได้หลายรายการ สิ่งเหล่านี้อยู่นอกเหนือความสามารถของผู้จัดการที่เป็นมนุษย์ในการปรับให้เหมาะสมอย่างแข็งแกร่งและทันเวลา ในขณะที่แนวทางอัลกอริธึมแบบดั้งเดิมนั้นขึ้นอยู่กับสมมติฐานและลดความซับซ้อนซึ่งมักจะใช้ไม่ได้เสมอไปหรือทั้งหมด ในขณะเดียวกัน แรงงานที่ขาดแคลนก็อาจนั่งเฉยๆ เพื่อรอรับคำสั่งว่าต้องทำอย่างไร AI สัญญาว่าจะจัดหาเครื่องมือในการแก้ไขปัญหาเหล่านี้
