Todo el mundo habla de Inteligencia Artificial, pero ¿cuáles son sus posibles aplicaciones para el almacenamiento y la cadena de suministro? Edward Napier-Fenning, director de ventas y marketing de una empresa líder en software para la cadena de suministroGlobo, explora cinco áreas clave que pueden mejorar el rendimiento, incluida la planificación de rutas, la selección, los informes de gestión laboral y la entrada de datos.
De repente, la Inteligencia Artificial (IA) está en todas partes. Al igual que en los primeros días de muchas otras tecnologías revolucionarias, hay muchas afirmaciones exageradas, y mucho de lo que actualmente se promociona como "habilitado por IA" es en realidad sólo una secuencia de algoritmos, ciertamente muy rápidos y muy inteligentes, que siguen lógicas. caminos ideados por los humanos. La capacidad de procesar inmensas cantidades de "grandes datos" a la velocidad del rayo es impresionante y extremadamente valiosa, pero no constituye en sí misma Inteligencia Artificial. La verdadera IA tiene la capacidad de aprender de datos históricos y de actividades actuales y, en cierto sentido, reescribir sus propios algoritmos.
El ritmo de desarrollo de la IA se está acelerando y ya podemos ver algunas áreas clave en el almacenamiento y la logística donde se puede aplicar.
1. Planificación de rutas mejorada
Hasta ahora, un conductor ha partido con una ruta fija, tal vez una vuelta regular, o una planificada uno o dos días antes, y le corresponde a él encontrar la mejor respuesta ante un accidente, un atasco u otro evento. a medida que surjan. Ahora, la gestión del tráfico se puede vincular en tiempo real a recursos como Google, resolviendo no sólo la solución alternativa a un problema actual, sino utilizando su aprendizaje para predecir dónde es probable que se produzca la congestión, que, curiosamente, a menudo no ocurre en el momento. lugar del incidente real. Esto constituye una recomendación de prevención más sólida y ayuda a mantener las entregas hacia y desde el almacén según lo programado.
Este enfoque para la planificación de rutas puede funcionar en conjunto con la creación de carga dinámica. Actualmente, no hay un expediente de pedido completo al comienzo del día, o en el momento en que los conductores y las rutas deben fijarse para las operaciones del día siguiente. Por lo tanto, la ruta puede incluir destinos en los que en realidad no es posible realizar un descenso, o dejar de lado los destinos que podrían haberse realizado de forma útil. Los sistemas inteligentes pueden replanificar, modificar y optimizar continuamente las rutas a medida que se desarrolla el perfil del pedido. Esto, a su vez, puede ayudar con el siguiente tema, el de la preparación de pedidos eficiente, que por supuesto tiene sus propios problemas de ruta y ruta.
2. Selección eficiente
Gran parte del ruido en torno a la IA en la cadena de suministro gira en torno a cuestiones como el inventario y los pedidos. La mejora aquí es claramente importante, pero apenas hemos comenzado a abordar cómo administrar el almacén de manera más eficiente, que es donde residen algunos costos laborales y administrativos realmente grandes, así como ahorros potenciales.
La optimización de la ruta de selección es un tema candente en el almacenamiento, aunque en el extremo inferior esto equivale a poco más que poner los pedidos en una secuencia y dividirlos en bloques de trabajo. Es bueno poder hacer esto muy rápido, pero la verdadera IA está comenzando a ser capaz de analizar toda la situación de manera más inteligente: dónde están las mercancías en el almacén, qué mercancías se pueden combinar o no en un carro o contenedor determinado ( y dónde están esos contenedores), cuáles son los pedidos prioritarios (que tiene vínculos claros con la pregunta de ruta anterior) y, por lo tanto, crear las rutinas de selección más eficientes posibles.
La IA podrá mejorar la elección y el funcionamiento de las estrategias de recogida, y la óptima puede variar según el tipo de mercancía o incluso la hora del día. Las estrategias son muchas y variadas: por ejemplo, la selección por lotes, que implica recorrer una ruta y seleccionar un SKU a la vez para un lote de pedidos. O podría ser una recolección zonal o de "grupo", donde el operador selecciona todos los SKU en una "zona" para un lote de pedidos, y el totalizador (con o sin ese operativo) luego pasa a la siguiente zona.
La recogida en grupos suele ser más eficiente, pero requiere optimizar la distribución de los productos en el almacén, de modo que los productos con mayor probabilidad de aparecer en los mismos pedidos se agrupen y los pedidos se agrupen en torno a perfiles similares. También significa que los pedidos no necesariamente se recogen en orden estrictamente cronológico, es decir, según los horarios de salida de la ruta de entrega, y por lo tanto son vulnerables a retrasos por congestión, tal vez debido a los pasillos estrechos o la necesidad de separar a los peatones de los camiones y otra maquinaria.
En colaboración con el cliente Pets Corner, Balloon ha estado desarrollando un modelo de agrupación de pedidos de propósito general, que puede funcionar como una función web basada en la nube. La nueva técnica ha acelerado el tiempo necesario para recoger una oleada de pedidos en un 38%. Este enfoque no utiliza estrictamente ninguna IA desarrollada, pero podemos ver fácilmente que la IA podría permitir mejoras significativas adicionales tanto en el diseño como en la operación de preparación de pedidos y en la selección de la estrategia más adecuada para esos pedidos, en este momento. Por ejemplo, estamos trabajando en formas en las que este enfoque podría extenderse a pedidos de varias líneas y en tener 'puntos de partida' para rutas de recolección en diferentes lugares del almacén. Esto rápidamente se vuelve bastante complejo y la IA será de gran ayuda para resolver las cosas.
Una fuente de eficiencia es que las operaciones no necesitan estar tan sujetas a procesos "estándar", que a veces pueden no ser necesarios. Un ejemplo menor es un trabajo que hicimos recientemente para Birlea. Esta empresa tenía un procedimiento convencional mediante el cual los productos recogidos reciben una etiqueta "WMS" que indica el pedido al que están asignados, y se envían para su control y reembalaje, tras lo cual se les asigna una etiqueta de "transportista" diferente. Pero sus muebles no necesitan ser revisados ni reembalados. Resultó posible eliminar la etiqueta WMS para estos productos y reprogramar el SQL para que el sistema piense que la etiqueta del transportista es la etiqueta WMS que esperaba en ese momento. Eso en sí mismo no requiere IA, pero es fácil concebir sistemas de IA que puedan aprender a reconocer que, para un artículo en particular, ciertos procesos son redundantes y pueden eliminarse, sin el riesgo de que un operador humano tome la decisión equivocada.
3. Gestión laboral más eficaz
En las condiciones actuales, el mayor desafío para aumentar la eficiencia es dónde asignar la mano de obra escasa y costosa. Una instalación con un buen software de gestión de almacenes (WMS) y otros sistemas debería tener una gran cantidad de datos de un extremo a otro: qué sucede en la recepción, el almacenamiento, la selección, el reabastecimiento, etc. Eso debería indicarle al operador dónde debe colocar a su gente, pero es complejo. Un WMS tradicional gestiona esto, hasta cierto punto, pero depende en gran medida de que las personas creen, ingresen y mantengan datos, desde tiempos estándar para elementos de trabajo, hasta quién puede realizar ciertas tareas, etc.
Hasta cierto punto, ya podemos ordenar bienes, actividades y recursos de manera más efectiva utilizando registros históricos y captura de datos actuales para permitir modelos de gestión laboral más complejos. Pero la IA ciertamente podría hacer una contribución adicional al extraer datos de diferentes fuentes y darles sentido.
La implementación efectiva será aún más importante a medida que las empresas adopten el uso de la robótica en forma de 'cobots': máquinas que trabajan en colaboración con personas. Esto quizás sea particularmente pertinente para las PYME, que cada vez pueden permitirse este tipo de automatización y necesitan que sea mucho más flexible que los grandes sistemas automatizados de "bienes a personas" operados por grandes operaciones. Por ejemplo, se podría "etiquetar" a los trabajadores con un dispositivo Bluetooth para localizarlos en relación tanto con la posición actual o prevista de un robot como con la posición y el estado actual de las órdenes prioritarias, pero aprovechar esto al máximo requiere sistemas inteligentes.
No consideramos que el uso de la IA para mejorar la eficiencia laboral tenga como principal objetivo reducir la plantilla. Más bien se trata de eliminar el "tiempo muerto" y las actividades no productivas como caminar de un extremo al otro del almacén. Obviamente, eso mejora la productividad, pero también es más fácil retener a buenas personas si no pasan la mitad de su tiempo inactivos y la otra mitad en apuros frenéticos, lo que puede hacer que el personal se sienta fatigado e infravalorado.
4. Informes y análisis más precisos
Balloon participa activamente en la aplicación de la IA en el espacio de la cadena de suministro. La actividad en el sector está creciendo rápidamente. Hay que recordar que el entorno de cada persona es diferente, especialmente entre las PYME, lo que es una de las razones por las que resulta tan atractiva la capacidad de la IA para aprender de la situación, en lugar de simplemente procesar un algoritmo derivado externamente. Otra consideración es que muchos de los datos están basados en texto, por lo que una de las cosas que estamos haciendo es extraer datos de múltiples fuentes en un paquete de análisis de Microsoft con un modelo de datos que le dice al sistema cómo relacionar los datos con diferentes objetos. Podemos crear un panel y encima de eso podemos superponer algunas funciones de tipo ChatGPT ('muéstrame un gráfico circular de mi personal seleccionando por día y por persona') para que los gerentes no tengan que pedirle a TI que les cree un informe.
Los sistemas basados en IA pueden aliviar gran parte del costo y la carga del mantenimiento de registros y análisis manuales, sin mencionar la eliminación (o al menos la detección) de los errores que inevitablemente surgen en los sistemas manuales. En última instancia, es posible que incluso se puedan obtener ahorros al integrar todos los diferentes sistemas que utilizan las operaciones de almacén y distribución: la IA puede ser capaz de "aprender" cómo pasar datos de un sistema a otro, a pesar de formatos aparentemente incompatibles, en lugar de tener a alguien laboriosamente escribir código para cada eventualidad.
#Freightforwarder #doortodoor #Amazon #Exportación #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
Agente de carga 3pl, dropshipping, puerta a puerta, agente de carga aérea, envío de Jordania, centro de cumplimiento del agente de envío de China
Kapoklog logística transporte aéreo desde China al Reino Unido puerta a puerta exportación de Amazon carga aérea envío a Jordania envío a China a Jordania barco de carga aérea a Jordania
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Cosméticos, Arabia Saudita por aire y por mar, servicio puerta a puerta.
#ChinaAgente de compras #ChinaShippingAgent #Chinadropshipping #ChinashippingLogistics
#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
Shenzhen kapoklog logística Arabia Saudita aranceles claros personalizados pagados puerta a puerta DDP
DDP China a Arabia Saudita
Shenzhen kapoklog logística Dubai despacho de aduana servicio puerta a puerta DDP
DDP China a Dubái
Shenzhen kapoklogLogistics Co., Ltd
Línea DDP puerta a puerta de despacho de aduana de Shenzhen kapoklog logística Qatar
DDP China a Qatar
Shenzhen kapoklog logística Pakistán DDP
DDP China a Pakistán
Shenzhen kapoklog logística Jordania despacho de aduana puerta a puerta DDP China a Jordania
Shenzhen kapokloglogistics Egipto despacho de aduana doble puerta a puerta DDP
Despacho de aduana de Shenzhen kapoklog logística Jeddah, Jeddah DDP, envío de China a Jeddah DDP
Shenzhen Kapoklog logística Omán ddp, China a Omán DDP, envío a Omán DDP
Despacho de aduana de Shenzhen kapoklog Irak, China a Irak DDP
Shenzhen Kapoklog logística Despacho de aduana de Israel DDP, China a Israel puerta a puerta, Israel puerta a puerta, China a Israel DDP
5. Reconocimiento de imágenes mejorado y cambio de claves reducido
La IA ya está marcando la diferencia aquí, por ejemplo en la entrada de datos, incluido el reconocimiento óptico de caracteres y la imagen.exploración– darle sentido, relacionarlo con otros elementos del sistema y, en particular, buscar errores y discrepancias. Podría tratarse de una diferencia de cantidad entre un pedido de venta y la nota de selección correspondiente; o podría ser una dirección de entrega que no existe o que no tiene sentido: en cuyo caso puede ser posible configurar la IA para hacer sugerencias inteligentes sobre cuál debería ser la dirección, antes de que el repartidor se vuelva loco perseguir.
Por lo tanto, están sucediendo muchas cosas con la IA en el entorno del almacén. En la actualidad, el panorama es un mosaico de pequeños desarrollos que ayudan a las personas a adaptar fragmentos de IA a sus operaciones, a menudo para comenzar simplemente eliminando piezas de trabajo más pequeñas en las interfaces entre sistemas, que es donde, por ejemplo, tienden a manifestarse las discrepancias de datos. Pero este mosaico seguramente se fusionará en bastante poco tiempo.
Esto concuerda con el propio enfoque de Balloon mediante el cual nuestro equipo de innovación se enfoca en pequeños grupos de funcionalidad avanzada, siendo el clustering uno de los primeros, y uno en el que ya hemos visto grandes ganancias de eficiencia en los sitios de los clientes.
La gestión de almacenes se caracteriza por múltiples entradas de datos y múltiples decisiones y escenarios de salida posibles. Estos están más allá de la capacidad de los administradores humanos para optimizar de manera sólida y en el tiempo, mientras que los enfoques algorítmicos tradicionales se basan en suposiciones y simplificaciones que a menudo no son siempre o no totalmente válidas. Mientras tanto, la escasa mano de obra puede estar sentada esperando que le digan qué hacer. La IA promete proporcionar las herramientas para resolver estos problemas.
