AI สามารถมอบประสบการณ์การบริการลูกค้า 3PL ที่ดีขึ้นได้อย่างไร

 

วัตถุประสงค์หลักขององค์กรโลจิสติกส์บุคคลที่สาม (3PL) ทั้งหมดคือการให้การสนับสนุนด้านลอจิสติกส์จากภายนอกแก่ลูกค้า โดยจัดการการเคลื่อนย้ายสินค้าและวัสดุตั้งแต่การผลิตไปจนถึงการจัดเก็บจนถึงการจัดส่ง แต่จะทำสิ่งนี้ได้อย่างไรในสภาพแวดล้อมการปฏิบัติงานที่โดดเด่นด้วยการขาดแคลนแรงงานมากขึ้น เหตุการณ์ที่ไม่คาดคิดและมักจะก่อกวน และข้อมูลที่ล้นหลาม

 

"องค์กร 3PL ทั้งหมดเผชิญกับความท้าทายที่คล้ายคลึงกัน" Brien Downie ประธานของ Holman Logistics กล่าว "ลูกค้าต้องการให้สินค้าคงคลังของตนได้รับการคุ้มครองเมื่ออยู่ในคลังสินค้า พวกเขาต้องการข้อมูลที่ถูกต้องและเรียลไทม์เกี่ยวกับตำแหน่งของวัตถุดิบและสินค้าสำเร็จรูป พวกเขาต้องการให้จัดส่งทุกอย่างตามกำหนดเวลา และไม่มีการจัดส่งใดที่ไม่ควรจัดส่ง ที่สำคัญที่สุดคือ พวกเขาต้องการให้การส่งมอบเสร็จสมบูรณ์และตรงเวลา สิ่งเหล่านั้นคือปัจจัยสำคัญหลายประการในการวัดผลการบริการขององค์กร 3PL"

 

การตอบสนองความต้องการของลูกค้าเหล่านี้คงเป็นเรื่องยากเพียงพอ หากคำสั่งซื้อถูกจำกัดไว้ที่ปริมาณรถบรรทุกเต็มจำนวนที่จัดส่งโดยตรงจากคลังสินค้าไปยังท่ารับของผู้รับ แม้ว่าความเป็นจริงจะแตกต่างกันมาก รูปแบบการสั่งซื้อมีความซับซ้อน โดยเฉพาะอย่างยิ่งสำหรับธุรกรรมอีคอมเมิร์ซที่มีส่วนแบ่งการค้าของประเทศเพิ่มขึ้น "ลูกค้าสามารถสั่งของได้ทีละอย่าง" Downie กล่าว "แต่การจัดการสินค้าทีละชิ้นและสินค้าจำนวนน้อยอาจมีราคาแพง"

 

สิ่งต่างๆ หยุดชะงักเมื่อห่วงโซ่อุปทานได้รับผลกระทบจากสภาพอากาศที่เลวร้าย การขนส่งขัดข้อง หรือกิจกรรมด้านแรงงาน "ทุกครั้งที่เกิดการหยุดชะงัก สิ่งต่างๆ จะมีค่าใช้จ่ายสูงมาก" Downie กล่าว "คุณต้องใช้ความสามารถเพิ่มเติมในแง่ของบุคลากรในการติดตามคำสั่งซื้อหรืออุปกรณ์จัดการวัสดุที่แม่นยำในสถานการณ์ที่ไม่ปกติ จากนั้นก็มีความท้าทายว่าจะทำอย่างไรกับผู้คนและอุปกรณ์เมื่อวิกฤตสิ้นสุดลง"

 

การเพิ่มประสิทธิภาพ

เพื่อตอบสนองความต้องการของสภาพแวดล้อมการทำงานที่มีความต้องการเพิ่มมากขึ้น องค์กร 3PL จึงร่วมมือกับผู้ให้บริการซอฟต์แวร์ที่ขับเคลื่อนด้วย AI เทคโนโลยีระดับแนวหน้าสามารถแก้ไขปัญหาต่างๆ มากมายที่ช่วยปรับปรุงประสิทธิภาพการดำเนินงาน ตัวอย่างที่สำคัญประการหนึ่งคือความปลอดภัยที่เพิ่มขึ้น "คลังสินค้าที่ปลอดภัยคือคลังสินค้าที่มีประสิทธิภาพ" Downie กล่าว "อุบัติเหตุที่น้อยลงหมายความว่าผู้ให้บริการ 3PL สามารถดูแลคนที่ทำงานในคลังสินค้าและผลิตภัณฑ์ที่เก็บอยู่ที่นั่นได้ดีขึ้น" การดำเนินงานที่ปราศจากอุบัติเหตุมีส่วนโดยตรงต่อเป้าหมายผลกำไรและการบริการลูกค้า โดยการลดการบาดเจ็บและการหยุดชะงักในการเคลื่อนย้ายผลิตภัณฑ์

 

วิธีการดั้งเดิมในการรับรองความปลอดภัยคือการติดตั้งเซ็นเซอร์ที่จะปิดลิฟต์เมื่อตรวจพบสิ่งกีดขวาง ดูเผินๆ นั่นฟังดูเป็นทางออกที่ดี ในความเป็นจริง ระบบดังกล่าวนำไปสู่ต้นทุนที่สูงขึ้นเมื่อเซ็นเซอร์ไม่สามารถแยกแยะการกระแทกที่คาดหวังหรือการกระแทกปกติออกจากการกระแทกที่เป็นอันตรายได้

 

"เซ็นเซอร์แบบดั้งเดิมไม่ได้ให้ข้อมูลเพียงพอแก่คุณ" Downie กล่าว “พวกเขาไม่สามารถแยกสัญญาณออกจากเสียงได้ พวกเขามักจะมีเซ็นเซอร์ g-force ที่จะปิดการทำงานของรถยกเมื่อเกินระดับการสั่นสะเทือน จุดประสงค์คือการระบุเมื่อมีคนชนหรือชนชิ้นส่วน ของการติดตาม แต่ปัญหาคือ บ่อยครั้งเพียงการขับรถชนพื้นที่ไม่เป็นอันตรายก็จะทำให้เซ็นเซอร์ทำงาน และเมื่อระบบไม่สามารถแยกแยะความดีและความชั่วได้ คนก็จะปิดระบบและหยุดใช้งาน มันทั้งหมด” แน่นอนว่าจะเพิ่มความเสี่ยงของการเกิดอุบัติเหตุที่มีค่าใช้จ่ายสูง

 

ระบบเซ็นเซอร์จำเป็นต้องปรับปรุงเพื่อกรองข้อยกเว้นจากการทำงานปกติ นั่นคือที่มาของการประมวลผล AI การจดจำรูปแบบขั้นสูงจะแยกสัญญาณออกจากสัญญาณรบกวนได้อย่างรวดเร็วและแม่นยำ ผลลัพธ์ที่ได้คือตัวชี้วัดสำคัญด้านความปลอดภัยลดลง นายจ้างสามารถระบุได้ว่าผู้ปฏิบัติงานรายใดชนเข้ากับชั้นวางสินค้าหรือเลี้ยวโค้งอย่างกะทันหัน พร้อมทั้งระบุว่าจะดำเนินการอย่างไรและเมื่อใด "AI ให้ภาพที่ชัดเจนว่าเกิดอะไรขึ้นในคลังสินค้า" Downie กล่าว “สามารถระบุอุบัติเหตุที่อาจเกิดขึ้นได้อย่างมีประสิทธิภาพก่อนที่จะเกิดขึ้น”

 

การเซาะร่องที่เหมาะสมที่สุด

สินค้ามาถึงโกดัง ทีมงานประมวลผล จากนั้นจึงย้ายไปยังชั้นวาง อย่างไรก็ตาม สิ่งที่ควรเป็นกระบวนการที่ราบรื่นอาจเต็มไปด้วยความไร้ประสิทธิภาพที่เพิ่มต้นทุนแรงงานและการจัดการ และคุกคามการส่งมอบตรงเวลา

 

"ในอดีต ยังไม่มีการพัฒนามากนักจากจุดยืนของแมชชีนเลิร์นนิงเกี่ยวกับวิธีการที่ผลิตภัณฑ์เข้าและออกจากคลังสินค้า" Downie กล่าว "นั่นมีการเปลี่ยนแปลงอย่างรวดเร็ว" ขณะนี้ องค์กร 3PL สามารถใช้ซอฟต์แวร์การจัดการคลังสินค้าที่ใช้ AI พร้อมช่องอัตโนมัติ ซึ่งใช้รูปแบบการเคลื่อนย้ายผลิตภัณฑ์ในอดีตเพื่อควบคุมการจัดการสินค้าคงคลังใหม่โดยอัตโนมัติ

 

แพลตฟอร์มการจัดการคลังสินค้าที่ขับเคลื่อนด้วย AI สามารถทำให้ 3PL ของโลกทำงานได้อย่างมีประสิทธิภาพมากขึ้นในการดำเนินงาน เช่น การหยิบสินค้า การขนย้าย และความแม่นยำของสินค้าคงคลัง "คลังสินค้าหลายแห่งไม่ได้วางผลิตภัณฑ์ไว้ในตำแหน่งที่เหมาะสม เนื่องจากพวกเขาไม่ได้ทราบจุดข้อมูลทั้งหมด เช่น คำสั่งซื้อใดที่เข้ามาแบบเรียลไทม์ จำนวนพนักงานคลังสินค้าที่ต้องเข้ากะ และความเชี่ยวชาญของคลังสินค้าเหล่านั้น คนงาน” Yosh Eisbart ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง Fulfilld ซึ่งเป็นบริษัทจัดการคลังสินค้าที่ใช้ AI กล่าว "AI สามารถนำเข้าข้อมูลนี้และใช้มันเพื่อเรียกใช้สถานการณ์ 'จะเกิดอะไรขึ้นถ้า' ตัวอย่างเช่น 'จะเป็นอย่างไรถ้าเราจะย้ายผลิตภัณฑ์นี้ในตำแหน่งนี้หรือผลิตภัณฑ์เหล่านี้ในสถานที่เหล่านี้เพื่อให้ได้สินค้าที่เคลื่อนไหวเร็วที่สุด 20 รายการ มันจะเป็นอย่างไร โดยคำนึงถึงประสิทธิภาพในการหยิบสินค้าที่สูงขึ้นและความต้องการแรงงานที่ลดลง?' ผลลัพธ์ที่ได้คือประสิทธิภาพของคลังสินค้าในระดับหนึ่งซึ่งไม่มีอยู่จริง"

 

ก่อน AI ผู้จัดการคลังสินค้าจะพยายามจัดเรียงผลิตภัณฑ์ใหม่เป็นระยะๆ เฉพาะกิจเพื่อเพิ่มประสิทธิภาพ “บางครั้งก็ใช้ได้ผล และบางครั้งก็ไม่ได้ผล” ไอส์บาร์ตกล่าว “แม้ในกรณีที่ดีที่สุด การตัดสินใจจะขึ้นอยู่กับภาพรวมของเวลาเท่านั้น AI ช่วยให้สามารถประเมินใหม่และจัดสรรใหม่ได้อย่างต่อเนื่อง พร้อมด้วยการทดสอบผลลัพธ์อย่างต่อเนื่องซึ่งเผยให้เห็นเปอร์เซ็นต์การเปลี่ยนแปลงในประสิทธิภาพและต้นทุน”

 

ด้วยการลดรอยเท้าของพนักงานคลังสินค้าที่สูญเปล่า องค์กร 3PL จึงมีประสิทธิผลมากขึ้น คุ้มทุนมากขึ้น แม่นยำยิ่งขึ้น และคล่องตัวยิ่งขึ้น สามารถจัดส่งคำสั่งซื้อได้รวดเร็วยิ่งขึ้นและราคาถูกลง ทำให้ผู้ใช้พึงพอใจและลดค่าใช้จ่ายของลูกค้า

 

ระบบ AI สามารถกำหนดได้ว่าพนักงานคนไหนควรเคลื่อนย้ายผลิตภัณฑ์แต่ละรายการ โดยอิงจากการวิเคราะห์ประวัติส่วนตัวและประสิทธิภาพ "แม้ว่าการประเมินนี้มักจะดำเนินการโดยหัวหน้างาน แต่สิ่งที่ใช้ได้ผลสำหรับคนไม่กี่คนกลับกลายเป็นเรื่องยุ่งยากเกินไปสำหรับพนักงานหลายพันคนอย่างรวดเร็ว" Downie กล่าว "เครื่องมือซอฟต์แวร์ช่วยให้บริษัทเพิ่มประสิทธิภาพการจัดสรรแรงงานให้มีประสิทธิภาพสูงสุด"

 

AI มีประสิทธิภาพมากขึ้นในการตัดสินใจเหล่านี้ เนื่องจากได้รวมหลักการของ "แฝดดิจิทัล" แบบดั้งเดิมไว้ในซอฟต์แวร์ เทคโนโลยีนี้สามารถเข้าถึงข้อมูลคลังสินค้าได้ทันทีและต่อเนื่อง เช่น ขนาดอาคาร ตำแหน่งและความสูงของทางเดิน ระยะห่างระหว่างทางเดิน ตำแหน่งท่าขนสินค้า จำนวนและความเชี่ยวชาญของพนักงานในสถานที่ ตลอดจนตำแหน่งและรายละเอียดของรถยกที่มีอยู่ หุ่นยนต์เคลื่อนที่อัตโนมัติ และระบบดึงข้อมูลการจัดเก็บอัตโนมัติ "การสร้างชิ้นส่วนและพัสดุดิจิทัลของผลิตภัณฑ์ AI หลักช่วยให้สามารถประสานประสิทธิภาพของคลังสินค้าได้มากขึ้น ซึ่งส่งผลให้ลูกค้าได้รับประสบการณ์ที่ดีขึ้น" Eisbart กล่าว

 

แฝดดิจิทัลยังสามารถช่วยแก้ไขปัญหาการหมุนเวียนของพนักงานในคลังสินค้าซึ่งมีค่าใช้จ่ายสูงได้ บุคลากรทดแทนซึ่งมักจะต้องได้รับการว่าจ้างอย่างรวดเร็วเพื่อตอบสนองความต้องการ มักขาดความเชี่ยวชาญที่จำเป็นในการรักษาประสิทธิภาพสูงสุด "พนักงานใหม่จะไม่คุ้นเคยกับแผนผังของคลังสินค้า แต่ AI สามารถทำให้พวกเขาทำงานได้อย่างรวดเร็วด้วยการจัดทำแผนที่พร้อมคำแนะนำการกำหนดเส้นทางที่เหมาะสมที่สุด" Eisbart กล่าว "แทนที่จะเดินไปครึ่งทางรอบๆ คลังสินค้าเพื่อเดินทางจากจุด A ไปยังจุด B พนักงานใหม่สามารถไปตามเส้นทางที่แนะนำ ผลลัพธ์ที่ได้คือความสามารถที่ดีขึ้นในการค้นหาและประมวลผลสินค้าคงคลังได้อย่างรวดเร็ว"

 

ปัจจัยมนุษย์

สิ่งที่น่าประทับใจก็คือ AI เพียงอย่างเดียวไม่สามารถขับเคลื่อน 3PL ไปสู่ประสิทธิภาพสูงสุดได้ ยังคงต้องใช้ความเชี่ยวชาญของมนุษย์ “การใช้ประโยชน์จาก AI จะไม่ส่งผลให้ประสิทธิภาพเพิ่มขึ้นโดยอัตโนมัติ” Downie กล่าว "ผู้คนจำเป็นต้องมีส่วนร่วม แม้ว่า AI จะสามารถเชี่ยวชาญในเรื่องนี้ได้ แต่มักจะได้ข้อสรุปที่ไม่ถูกต้อง องค์กร 3PL ต้องแน่ใจว่าจะรักษาข้อมูลเชิงลึกของผู้ที่คิดอย่างมีวิจารณญาณและสามารถรับรู้ข้อจำกัดของ AI ได้"

 

ข้อดีของ AI จะไม่เกิดขึ้นในชั่วข้ามคืน และจะต้องอาศัยเวลาเพื่อให้พนักงานมั่นใจในศักยภาพของเทคโนโลยี “ผู้คนจะรู้สึกตื่นเต้นกับ AI เมื่อพวกเขาเห็นว่า AI สามารถช่วยพวกเขาหลีกเลี่ยงการทำงานที่น่าเบื่อและซ้ำซากได้อย่างไร” Downie กล่าว "พวกเขาจะได้ชื่นชมการเพิ่มผลผลิต"

 

บริษัทต่างๆ เผชิญกับความท้าทายสองประการในการใช้เทคโนโลยี AI ในระดับหนึ่ง การมีส่วนร่วมอย่างแท้จริงเป็นสิ่งสำคัญ "มีบริษัทหลายแห่งที่ใช้ประโยชน์จาก AI อย่างแท้จริง" Eisbart กล่าว “และมีบริษัทหลายแห่งที่เพิ่งนำมันไปไว้บนเว็บไซต์เพื่อขัดเกลาภาพลักษณ์ของพวกเขา”

 

ในระดับที่สอง มีความท้าทายในการติดตามผล “กำไรจะแตกต่างกันไปตามการติดตั้ง” Eisbart กล่าว "กรณีการใช้งานบางกรณีจะเสนอโอกาสในการเพิ่มประสิทธิภาพ และบางกรณีก็ไม่เสนอให้" บริษัทหนึ่งใน Fortune 500 ล่าสุดสามารถลดฝีเท้าของพนักงานคลังสินค้าที่สูญเปล่าได้ 40% เพิ่มประสิทธิภาพในการหยิบสินค้า 15% และเพิ่มประสิทธิภาพในการขนย้ายสินค้าได้ 20% ปัจจัยที่มีส่วนทำให้ระดับความสำเร็จของ AI ได้แก่ ขนาดของโรงงาน ความเชี่ยวชาญของพนักงานในปัจจุบัน ความเร็วของผลิตภัณฑ์ และระดับที่การปฏิบัติงานได้รวมการเรียนรู้ของเครื่องไว้แล้ว

 

เหนือสิ่งอื่นใด Eisbart องค์กร 3PL ที่รวม AI ไว้ด้วยกัน จำเป็นต้องจับตาดูเป้าหมายสูงสุด: ผลกำไรที่ได้รับการปรับปรุง “องค์กรที่เป็นผู้นำด้วยเทคโนโลยีหรือที่มุ่งเน้นด้านนวัตกรรมโดยไม่ได้ประเมินผลกระทบต่อผลลัพธ์ทางธุรกิจนั้นยังขาดประเด็นไป”