모두가 인공 지능에 대해 이야기하고 있지만 창고 및 공급망에 대한 잠재적인 응용 프로그램은 무엇입니까? Edward Napier-Fenning, 선도적인 공급망 소프트웨어 회사의 영업 및 마케팅 이사풍선에서는 경로 계획, 선택, 노무 관리 보고 및 데이터 입력을 포함하여 성과를 높일 수 있는 5가지 주요 영역을 살펴봅니다.
#Freightforwarder #DoortoDoor #Amazon #Export #AirFreight #Jordanshipping #중국배송-요르단 #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
화물 운송업체 3pl dropshipping DoortoDoor AirFreight 에이전트 Jordan 배송 중국 배송 에이전트 이행 센터
중국에서 영국까지 kapoklog 물류 항공 화물 아마존 수출항공 화물 요르단 배송 중국 배송요르단 요르단항공 화물선
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
화장품, 사우디 항공 및 해상 방문 서비스
#중국구매대행 #중국배송대행 #중국직송 #중국배송물류
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoo #consolidationshipping #chinashipping #DDP #以color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물류 #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
심천 kapoklog 물류 사우디아라비아 통관 관세 납부 방문 DDP
DDP 중국에서 사우디아라비아로
심천 kapoklog 물류 두바이 통관 방문 서비스 DDP
DDP 중국-두바이
심천 kapoklog물류유한회사
심천 kapoklog 물류 카타르 통관 Door to Door DDP 라인
DDP 중국에서 카타르로
심천 kapoklog 물류 파키스탄 DDP
DDP 중국에서 파키스탄으로
심천 kapoklog 물류 요르단 통관 방문 DDP 중국에서 요르단까지
심천 kapoklogistics 이집트 이중 통관 방문 DDP
심천 kapoklog 물류 제다 통관, 제다 DDP, 중국 제다 DDP 배송
심천 Kapoklog 물류 오만 ddp, 중국에서 오만 DDP, 오만 배송 DDP
심천 kapoklog 이라크 통관, 중국에서 이라크 DDP
심천 Kapoklog 물류 이스라엘 통관 DDP, 중국에서 이스라엘 방문, 이스라엘 방문, 중국에서 이스라엘 DDP
갑자기 인공지능(AI)이 도처에 등장했습니다. 다른 많은 혁신적인 기술의 초기와 마찬가지로, 과장된 주장이 많이 있으며, 현재 'AI 지원'이라고 선전되는 많은 것들은 사실 논리적인 논리를 따르는 매우 빠르고 영리한 일련의 알고리즘일 뿐입니다. 인간이 고안한 길. 엄청난 양의 '빅데이터'를 빛의 속도로 처리하는 능력은 인상적이고 매우 가치가 있지만, 그 자체가 인공지능을 구성하지는 않습니다. 진정한 AI는 과거 데이터와 현재 활동으로부터 학습하고 어떤 의미에서는 자체 알고리즘을 다시 작성할 수 있는 능력을 갖추고 있습니다.
AI의 개발 속도가 가속화되고 있으며 이미 창고 및 물류 분야에서 AI를 적용할 수 있는 몇 가지 핵심 영역을 볼 수 있습니다.
1. 향상된 경로 계획
지금까지 운전자는 고정된 경로, 아마도 정규 라운드 또는 하루나 이틀 전에 계획된 경로로 출발했으며 사고, 교통 정체 또는 기타 사건에 대한 최선의 대응을 찾는 것은 운전자의 몫입니다. 언제 그리고 언제 이런 일이 발생하는지. 이제 교통 관리는 Google과 같은 리소스에 실시간으로 연결되어 현재 문제를 해결할 뿐만 아니라 학습을 통해 혼잡이 발생할 가능성이 있는 위치를 예측할 수 있습니다. 실제 사건 현장. 이는 보다 강력한 회피 권장 사항을 제시하고 일정에 따라 창고 간 배송을 유지하는 데 도움이 됩니다.
경로 계획에 대한 이러한 접근 방식은 동적 부하 구축과 함께 작동할 수 있습니다. 현재는 하루 시작 시 또는 다음 날 운영을 위해 운전자와 경로를 수정해야 하는 시점에 전체 주문 파일이 없습니다. 따라서 경로에는 실제로 드롭할 수 없는 목적지가 포함되거나 유용하게 드롭될 수 있는 드롭이 제외될 수 있습니다. 지능형 시스템은 주문 프로필이 구축됨에 따라 경로를 지속적으로 재계획, 수정 및 최적화할 수 있습니다. 이는 결과적으로 다음 주제인 효율적인 주문 선택에 도움이 될 수 있습니다. 물론 고유한 경로 및 라우팅 문제가 있습니다.
2. 효율적인 피킹
공급망의 AI와 관련된 많은 소음은 재고 및 주문과 같은 문제와 관련이 있습니다. 여기에서의 개선은 분명히 중요하지만, 창고를 보다 효율적으로 운영하는 방법에 대해서는 아직 거의 다루지 않았습니다. 여기에는 상당한 인건비와 관리 비용은 물론 잠재적 절감 효과도 있습니다.
선택 경로 최적화는 창고업에서 뜨거운 주제이지만, 낮은 수준에서는 주문을 순서대로 입력하고 이를 작업 블록으로 나누는 것에 불과합니다. 이 작업을 매우 빠르게 수행할 수 있다는 것은 좋지만 진정한 AI는 전체 상황을 보다 지능적으로 볼 수 있기 시작했습니다. 즉, 창고에 물품이 어디에 있는지, 특정 트롤리나 컨테이너에 어떤 물품을 결합할 수 있는지, 결합할 수 없는지( 해당 컨테이너가 어디에 있는지), 우선 순위가 무엇인지(위의 라우팅 질문에 대한 명확한 링크가 있음), 가능한 가장 효율적인 선택 루틴을 구축합니다.
AI는 피킹 전략의 선택과 운영을 개선할 수 있으며, 상품 유형이나 심지어 시간에 따라 최적의 전략이 다를 수 있습니다. 전략은 다양하고 다양합니다. 예를 들어 경로를 따라 이동하는 일괄 피킹, 일괄 주문에 대해 한 번에 하나의 SKU를 선택하는 것 등이 있습니다. 또는 작업자가 일괄 주문에 대해 하나의 '구역'에 있는 모든 SKU를 선택하고 토트(해당 작업자 유무에 관계 없음)가 다음 구역으로 이동하는 구역별 또는 '클러스터' 피킹일 수도 있습니다.
클러스터 피킹은 일반적으로 더 효율적이지만 동일한 주문에서 발생할 가능성이 가장 높은 상품을 함께 그룹화하고 유사한 프로필을 중심으로 주문을 묶을 수 있도록 창고 내 상품 레이아웃을 최적화해야 합니다. 이는 또한 주문이 엄격하게 시간순으로, 즉 배달 경로의 출발 시간에 따라 선택될 필요가 없으므로 좁은 통로나 보행자와 트럭 및 보행자를 분리해야 하는 필요성 때문에 혼잡 지연에 취약하다는 것을 의미합니다. 다른 기계.
Balloon은 클라이언트 Pets Corner와 협력하여 클라우드 기반 웹 기능으로 작동할 수 있는 범용 주문 클러스터링 모델을 개발해 왔습니다. 새로운 기술을 통해 대량 주문을 선택하는 데 걸리는 시간이 38% 단축되었습니다. 이 접근 방식은 개발된 AI를 엄격히 사용하지는 않지만 AI가 현재 주문 선택의 레이아웃 및 운영과 해당 주문에 가장 적합한 전략 선택 모두에서 훨씬 더 큰 개선을 가능하게 할 수 있다는 것을 쉽게 알 수 있습니다. 예를 들어, 우리는 이 접근 방식을 여러 라인 주문으로 확장하고 창고의 여러 위치에서 경로를 선택하기 위한 '시작점'을 갖는 방법을 연구하고 있습니다. 이는 빠르게 복잡해지고 있으며 AI는 문제를 해결하는 데 매우 도움이 될 것입니다.
효율성의 한 가지 원인은 운영이 때로는 필요하지 않을 수도 있는 '표준' 프로세스에 너무 얽매일 필요가 없다는 것입니다. 사소한 예는 우리가 최근 Birlea를 위해 수행한 작업입니다. 이 회사는 피킹된 상품에 할당된 순서를 표시하는 'WMS' 라벨이 부여되고 확인 및 재포장을 위해 발송된 후 다른 '운송업체' 라벨이 부여되는 전통적인 절차를 가지고 있었습니다. 그러나 가구 품목은 확인하거나 재포장할 필요가 없습니다. 이러한 상품에 대한 WMS 라벨을 제거하고 시스템이 운송업체 라벨이 현재 예상했던 WMS 라벨이라고 생각하도록 SQL을 다시 프로그래밍하는 것이 가능하다는 것이 입증되었습니다. 그 자체로는 AI가 필요하지 않지만, 인간 운영자가 잘못된 호출을 할 위험 없이 특정 항목에 대해 특정 프로세스가 중복되어 제거될 수 있음을 인식하는 방법을 학습할 수 있는 AI 시스템을 쉽게 생각할 수 있습니다.
3. 보다 효율적인 노무관리
현재 상황에서 효율성을 높이기 위한 가장 큰 과제는 부족하고 값비싼 노동력을 어디에 할당할 것인가 하는 것입니다. 우수한 창고 관리 소프트웨어(WMS)와 기타 시스템을 갖춘 시설에는 입고, 보관, 선별, 보충 등의 과정에서 발생하는 모든 과정에 대해 엔드투엔드에서 대량의 데이터가 있어야 합니다. 운영자에게 인력을 어디에 배치해야 하는지 알려주어야 하지만 이는 복잡합니다. 전통적인 WMS는 이를 어느 정도까지 관리하지만 작업 요소의 표준 시간부터 특정 작업을 수행할 수 있는 사람 등에 이르기까지 데이터를 생성, 입력 및 유지 관리하는 사람에게 크게 의존합니다.
우리는 이미 과거 기록과 현재 데이터 캡처를 사용하여 상품, 활동 및 자원을 보다 효과적으로 정리하여 보다 복잡한 노무 관리 모델을 허용할 수 있습니다. 그러나 AI는 다양한 소스에서 데이터를 추출하고 이를 이해하는 데 확실히 더 많은 기여를 할 수 있습니다.
기업이 사람과 협력하여 작업하는 기계인 '코봇' 형태의 로봇 공학을 사용하게 되면서 효과적인 배치가 더욱 중요해질 것입니다. 이는 이러한 유형의 자동화를 점점 더 감당할 수 있고 대규모 운영에서 운영하는 대규모 '상품 대 사람' 자동화 시스템보다 훨씬 더 유연해야 하는 중소기업에 특히 적합할 것입니다. 예를 들어, 작업자는 Bluetooth 장치로 '태그'를 지정하여 로봇의 현재 또는 의도된 위치와 우선 순위 명령의 위치 및 현재 상태를 기준으로 위치를 찾을 수 있지만 이를 최대한 활용하려면 지능형 시스템이 필요합니다.
우리는 노동 효율성을 개선하기 위해 AI를 사용하는 것이 주로 인력 감축에 관한 것이라고 생각하지 않습니다. 오히려 그것은 '데드 타임'과 창고의 한쪽 끝에서 다른 쪽 끝으로 걸어가는 것과 같은 비생산적인 활동을 제거하는 것입니다. 분명히 이는 생산성을 향상시키지만, 직원들이 피곤함과 과소평가를 느끼게 될 수 있는 시간의 절반을 유휴 상태로 보내고 나머지 절반을 미친 듯이 바쁘게 보내지 않는다면 좋은 사람들을 유지하는 것이 더 쉽습니다.
4. 보다 정확한 보고 및 분석
Balloon은 공급망 공간에 AI를 적용하는 데 적극적으로 참여하고 있습니다. 해당 부문의 활동이 빠르게 성장하고 있습니다. 특히 중소기업의 경우 모든 사람의 환경이 다르다는 점을 기억해야 합니다. 이는 단순히 외부에서 파생된 알고리즘을 처리하는 것이 아니라 상황에서 학습하는 AI의 능력이 매력적인 이유 중 하나입니다. 또 다른 고려 사항은 많은 데이터가 텍스트 기반이므로 우리가 수행하는 작업 중 하나는 데이터를 다른 개체와 연결하는 방법을 시스템에 알려주는 데이터 모델을 사용하여 여러 소스의 데이터를 Microsoft 분석 패키지로 가져오는 것입니다. 대시보드를 생성하고 그 위에 ChatGPT 유형 기능('일별, 사람별로 직원이 선택하는 원형 차트 표시')을 계층화할 수 있으므로 관리자는 IT에 보고서 작성을 요청할 필요가 없습니다.
AI 기반 시스템은 수동 시스템에서 필연적으로 발생하는 오류를 제거(또는 적어도 감지)하는 것은 물론, 수동 기록 유지 및 분석에 드는 비용과 부담을 많이 덜어줄 수 있습니다. 궁극적으로 창고 및 유통 운영에 사용되는 다양한 시스템을 모두 통합하는 데 비용이 절감될 수도 있습니다. AI는 호환되지 않는 형식에도 불구하고 누군가가 힘들게 작업하는 대신 한 시스템에서 다른 시스템으로 데이터를 가져오는 방법을 '학습'할 수 있습니다. 모든 만일의 경우에 대비해 코드를 작성하세요.
5. 향상된 이미지 인식 및 키 재입력 감소
AI는 이미 광학 문자 인식 및 이미지를 포함한 데이터 입력 등에서 변화를 만들고 있습니다.스캐닝– 이를 이해하고 시스템의 다른 요소와 연관시키며 특히 오류와 불일치를 찾는 데 사용됩니다. 이는 판매 주문과 관련 피킹 메모 간의 수량 차이일 수 있습니다. 또는 존재하지 않거나 의미가 없는 배달 주소일 수도 있습니다. 이 경우 배달 운전자가 기러기를 출발하기 전에 주소가 무엇인지에 대한 지능적인 제안을 제공하도록 AI를 구성하는 것이 가능할 수 있습니다. 뒤쫓다다.
그래서 창고 환경에서는 AI와 관련해 많은 일이 벌어지고 있습니다. 현재 환경은 사람들이 AI를 작업에 적용하도록 돕는 작은 개발의 패치워크입니다. 예를 들어 데이터 불일치가 나타나는 경향이 있는 시스템 간 인터페이스에서 작은 작업 부분을 제거하는 것부터 시작하는 경우가 많습니다. 하지만 이 패치워크는 꽤 짧은 시간 안에 확실히 통합될 것입니다.
이는 우리 혁신 팀이 소수의 고급 기능을 목표로 삼는 Balloon의 자체 접근 방식과 일치합니다. 클러스터링은 첫 번째 중 하나이며 이미 고객 사이트에서 큰 효율성 향상을 확인한 것입니다.
창고 관리는 다양한 데이터 입력과 다양한 결정 및 출력 시나리오가 특징입니다. 이는 인간 관리자가 제때에 강력하게 최적화할 수 있는 능력을 넘어서는 반면, 기존 알고리즘 접근 방식은 종종 항상 또는 완전히 유효하지 않은 가정과 단순화에 의존합니다. 그 사이에 노동력이 부족한 사람들은 무엇을 해야 할지 지시를 받기 위해 앉아서 기다리고 있을 수도 있습니다. AI는 이러한 문제를 해결하기 위한 도구를 제공할 것을 약속합니다.
