AI가 더 나은 3PL 고객 서비스 경험을 제공하는 방법

 

모든 제3자 물류(3PL) 조직의 주요 목표는 제조부터 보관, 배송까지 상품과 자재의 이동을 처리하여 고객에게 아웃소싱 물류 지원을 제공하는 것입니다. 그러나 노동력이 점점 부족해지고, 예기치 못한 파괴적인 사건이 발생하고, 정보가 과부하되는 운영 환경에서 어떻게 이를 수행할 수 있습니까?

 

Holman Logistics의 사장인 Brien Downie는 "모든 3PL 조직은 비슷한 문제에 직면해 있습니다."라고 말합니다. "고객은 창고에 있는 재고가 보호되기를 원합니다. 원자재와 완제품의 위치에 대한 정확한 실시간 정보를 원합니다. 모든 것이 예정대로 배송되기를 원하며, 예정되지 않은 배송은 아무것도 원하지 않습니다. 무엇보다도 , 그들은 배송이 완벽하고 제 시간에 이루어지기를 원합니다. 이는 3PL 조직의 서비스를 측정하는 방법에 대한 주요 동인입니다."

 

주문이 창고에서 수령인의 수령 부두로 직접 배송되는 전체 트럭 수량으로 제한된다면 이러한 고객 요구를 충족시키는 것은 충분히 어려울 것입니다. 하지만 현실은 많이 다릅니다. 주문 패턴은 복잡하며, 특히 국내 상거래에서 점점 더 많은 비중을 차지하고 있는 전자 상거래의 경우 더욱 그렇습니다. Downie는 "고객은 한 번에 하나씩 주문할 수 있습니다."라고 말합니다. "하지만 개별 품목과 소량 품목을 취급하는 데는 비용이 많이 들 수 있습니다."

 

악천후, 운송 고장 또는 노동 활동으로 인해 공급망이 타격을 받으면 모든 것이 중단됩니다. Downie는 "중단이 발생할 때마다 비용이 많이 듭니다."라고 말합니다. "정확한 주문 추적을 위한 인력이나 비정상적인 상황에 대한 자재 취급 장비 측면에서 추가 용량을 차지하게 됩니다. 그런 다음 위기가 끝났을 때 인력과 장비를 어떻게 처리해야 하는지에 대한 과제가 있습니다."

 

효율성 향상

점점 까다로워지는 운영 환경의 요구 사항을 충족하기 위해 3PL 조직은 AI 기반 소프트웨어 제공업체와 협력하고 있습니다. 최첨단 기술은 운영 효율성을 향상시키는 많은 문제를 해결할 수 있습니다. 한 가지 중요한 예는 안전성 향상입니다. Downie는 "안전한 창고는 효율적인 창고입니다."라고 말합니다. "사고가 적다는 것은 3PL 제공업체가 창고에서 일하는 사람들과 그곳에 보관된 제품을 더 잘 관리할 수 있다는 것을 의미합니다." 무사고 운영은 부상과 제품 이동 중단을 줄여 수익과 고객 서비스 목표에 직접적으로 기여합니다.

 

안전을 보장하기 위한 전통적인 접근 방식은 범프가 감지되면 리프트를 정지시키는 센서를 장착하는 것이었습니다. 표면적으로는 훌륭한 솔루션처럼 들립니다. 실제로 이러한 시스템은 센서가 예상되거나 정상적인 범프를 유해한 범프와 구별할 수 없을 때 더 높은 비용을 초래합니다.

 

Downie는 "기존 센서는 충분한 정보를 제공하지 않습니다."라고 말합니다. "그들은 신호와 소음을 분리할 수 없습니다. 진동 수준이 초과되면 리프트 트럭을 정지시키는 중력 센서가 있는 경우가 많습니다. 목적은 누군가 충돌했거나 조각에 부딪혔을 때를 식별하는 것입니다. 그러나 문제는 바닥에 있는 무해한 돌기 위로 운전하는 것만으로도 센서가 활성화되고 시스템이 좋은 것과 나쁜 것을 구별하지 못하면 사람들이 시스템을 끄고 사용을 중단한다는 것입니다. 완전히요." 물론 이는 비용이 많이 드는 사고의 위험을 증가시킵니다.

 

정상적인 작동에 대한 예외를 필터링하려면 센서 시스템을 개선해야 합니다. AI 처리가 필요한 곳입니다. 고급 패턴 인식 기능은 신호와 노이즈를 빠르고 정확하게 분리합니다. 그 결과 안전 문제의 주요 지표가 감소합니다. 고용주는 어떤 운전자가 랙에 부딪치거나 공격적인 방향 전환을 했는지, 언제, 어떻게 했는지 확인할 수 있습니다. Downie는 "AI는 창고에서 실제로 무슨 일이 일어나고 있는지에 대한 명확한 그림을 제공합니다."라고 말합니다. "잠재적인 사고가 발생하기 전에 효과적으로 식별할 수 있습니다."

 

최적의 슬로팅

상품이 창고에 도착하여 팀에 의해 처리된 후 선반으로 이동됩니다. 그러나 원활한 프로세스여야 하는 프로세스는 인건비 및 처리 비용을 증가시키고 정시 배송을 위협하는 비효율성으로 가득 차 있을 수 있습니다.

 

Downie는 "역사적으로 제품이 창고에 들어오고 나가는 방식에 대해 기계 학습 관점에서 많은 발전이 없었습니다."라고 말했습니다. "그것은 빠르게 변화하고 있습니다." 이제 3PL 조직은 과거 제품 이동 패턴을 활용하여 새로운 재고 처리를 자동으로 지시하는 자동 슬롯 기능이 있는 AI 기반 창고 관리 소프트웨어를 채택할 수 있습니다.

 

AI 기반 창고 관리 오케스트레이션 플랫폼은 전 세계 3PL이 피킹, 적치, 재고 정확성과 같은 작업을 보다 효율적으로 운영할 수 있도록 해줍니다. "많은 창고에서는 실시간으로 들어오는 주문, 교대 근무할 창고 직원 수, 직원의 전문 지식 등 전체 데이터 포인트를 알지 못하기 때문에 최적의 위치에 제품을 배치하지 않습니다. AI 지원 창고 조정 회사인 Fulfilld의 CEO이자 공동 창업자인 Yosh Eisbart는 이렇게 말합니다. "AI는 이 정보를 수집하고 이를 사용하여 '만약' 시나리오를 실행할 수 있습니다. 예를 들어 '이 제품을 이 위치로 옮기거나 가장 빠르게 움직이는 20개 항목에 대해 이 제품을 이 위치로 옮기면 어떨까요? 그것은 어떤 모습일까요? 더 높은 피킹 효율성과 더 낮은 노동 수요와 관련하여?' 그 결과, 다른 방법으로는 존재하지 않는 수준의 창고 효율성이 탄생했습니다."

 

AI 이전에는 창고 관리자가 효율성을 높이기 위해 주기적으로 임시적으로 제품을 재배치하려고 했습니다. Eisbart는 “그것이 효과가 있을 때도 있고 그렇지 않을 때도 있습니다.”라고 말합니다. "그러나 최선의 경우에도 결정은 시간에 따른 스냅샷에만 기초할 것입니다. AI는 효율성과 비용의 백분율 변화를 보여주는 지속적인 결과 테스트와 함께 지속적인 재평가 및 재할당을 허용합니다."

 

낭비되는 창고 작업자의 발자국을 줄임으로써 3PL 조직은 더욱 생산적이고 비용 효율적이며 정확하고 민첩해집니다. 주문을 더 빠르고 저렴하게 배송할 수 있어 최종 사용자 만족도를 높이고 고객 비용을 줄일 수 있습니다.

 

AI 시스템은 개인 이력과 성과 분석을 바탕으로 각 제품을 옮겨야 할 직원을 지정할 수도 있습니다. Downie는 "이 평가는 전통적으로 감독자에 의해 수행되었지만 소수의 직원에게 적합한 작업이 수천 명의 직원에게는 너무 번거로워졌습니다."라고 말합니다. "소프트웨어 도구를 사용하면 회사는 최대 효율성을 위해 인력 할당을 최적화할 수 있습니다."

 

AI는 전통적인 "디지털 트윈"의 원리를 소프트웨어에 통합하기 때문에 이러한 결정에 더 효율적입니다. 이 기술은 건물 크기, 통로의 위치 및 높이, 통로 사이의 거리, 하역장 위치, 현장 직원 수 및 전문 지식, 사용 가능한 지게차의 위치 및 세부 정보 등 창고 정보에 즉각적이고 지속적으로 액세스할 수 있습니다. , 자율 이동 로봇 및 자동 저장 검색 시스템. Eisbart는 "디지털 트윈을 핵심 AI 제품의 일부로 만들면 창고 효율성을 높일 수 있어 고객 경험이 향상됩니다."라고 말합니다.

 

디지털 트윈은 창고 직원 이직으로 인해 비용이 많이 드는 문제를 해결하는 데도 도움이 될 수 있습니다. 수요를 충족하기 위해 신속하게 채용해야 하는 교체 인력은 최적의 효율성을 유지하는 데 필요한 전문 지식이 부족한 경우가 너무 많습니다. Eisbart는 "신규 작업자는 창고 레이아웃에 익숙하지 않을 수 있지만 AI는 최적화된 경로 지침이 포함된 지도를 제공하여 작업자에게 신속하게 작업 속도를 제공할 수 있습니다."라고 말합니다. "신입 작업자는 A 지점에서 B 지점으로 이동하기 위해 창고를 중간쯤 돌아다니는 대신 제안된 경로를 따를 수 있습니다. 그 결과 재고를 신속하게 찾고 처리하는 능력이 향상되었습니다."

 

인적 요소

인상적이긴 하지만, AI만으로는 3PL을 최고의 효율성으로 이동할 수 없습니다. 인간의 전문성은 여전히 ​​필요합니다. Downie는 "AI를 활용한다고 해서 자동으로 효율성이 향상되는 것은 아닙니다."라고 말합니다. "사람들은 지속적으로 참여해야 합니다. AI는 주제를 마스터할 수 있지만 잘못된 결론에 도달하는 경우가 많습니다. 3PL 조직은 비판적으로 생각하고 AI의 한계를 인식할 수 있는 사람들의 통찰력을 유지해야 합니다."

 

AI의 장점은 하루아침에 실현되지 않으며, 직원들이 기술의 잠재력을 확신하는 데는 시간이 걸릴 것입니다. Downie는 "AI가 지루하고 반복적인 노동을 피하는 데 어떻게 도움이 되는지 알게 되면 사람들은 AI에 대해 흥미를 갖게 될 것입니다."라고 말합니다. "그들은 생산성 증가를 높이 평가하게 될 것입니다."

 

기업은 AI 기술을 구현하는 데 두 가지 과제에 직면해 있습니다. 어떤 측면에서는 진정한 참여가 중요합니다. Eisbart는 "AI를 진정으로 활용하는 회사가 있습니다."라고 말합니다. "그리고 이미지를 다듬기 위해 웹사이트에 이를 게시하는 회사도 있습니다."

 

두 번째 수준에서는 결과를 모니터링하는 과제가 있습니다. "이득은 설치에 따라 달라질 수 있습니다"라고 Eisbart는 말합니다. "일부 사용 사례는 최적화 기회를 제공하지만 일부는 그렇지 않습니다." 최근 Fortune 500대 기업 중 한 곳은 낭비되는 창고 작업자의 발자국을 40% 줄이고, 피킹 효율성을 15% 높이고, 적치 효율성을 20% 높일 수 있었습니다. AI 성공 수준에 기여하는 요소에는 시설 규모, 현재 작업자 전문 지식, 제품 속도, 운영에 이미 기계 학습이 통합된 정도 등이 포함됩니다.

 

무엇보다도 AI를 통합하는 3PL 조직인 Eisbart는 궁극적인 목표인 수익 향상에 주목해야 한다고 말합니다. "기술을 앞세우거나 비즈니스 결과에 미치는 영향을 평가하지 않고 혁신에 집중하는 조직은 요점을 놓치고 있습니다."