Logistica aziende stanno utilizzando l’intelligenza artificiale e machine learning per garantire i migliori risultati per mantenere la produttività al massimo livello, prendere migliori decisioni di business , e tenere il passo con la concorrenza. L’importanza dell’IA in questo settore è enorme. Si stima che nei prossimi 20 anni le aziende trarranno tra $ 1,3 trilioni e $ 2 trilioni di dollari l’anno di valore economico grazie a questa tecnologia avanzata nella produzione e nelle catene di approvvigionamento globali .
Se ti stai ancora chiedendo come l’ intelligenza artificiale e l’apprendimento automatico possono aiutare la tua azienda, dai un’occhiata ad alcuni casi d’uso interessanti e decidi se questa è la soluzione per te.
1. AI-Based Route Planning Software
Scegliere il percorso ottimale, pianificare le pause per gli autisti ed evitare i percorsi più affollati e pericolosi sono solo alcune delle tante sfide che fanno parte del lavoro quotidiano nel settore della logistica.
Secondo Goldman Sachs, quando si tratta di consegnare solo 25 pacchi, le rotte possibili raggiungono circa 15 trilioni di trilioni . Ed è qui che l’apprendimento automatico viene in soccorso. Il software di pianificazione del percorso basato su ML può analizzare tutte le opzioni per scegliere la soluzione ottimale in termini di costi, scadenze applicabili ed eventi stradali imprevisti che richiedono decisioni immediate.
Sulla base dei grandi set di dati forniti al sistema, come informazioni sull’efficienza del carburante, possibili incidenti stradali o ostacoli, dimensioni del veicolo e orari di lavoro di altri conducenti, gli algoritmi di ottimizzazione del percorso in tempo reale determinano il percorso migliore per i conducenti. Sono basati su cloud, quindi tutte le informazioni vengono fornite in tempo reale e sono accessibili a spedizionieri, autisti, manager e altri dipendenti, come gli account manager, per tenere informati i clienti sui tempi di consegna previsti.
Basato sull’apprendimento automatico , il software di ottimizzazione del percorso può portare molti vantaggi alla tua attività, come:
Esperienza del cliente migliorata : con stime dei tempi di consegna più accurate, i clienti saranno più soddisfatti del tuo servizio e più propensi a darti un feedback positivo. Inoltre, puoi anche introdurre notifiche su una consegna imminente tramite e-mail o SMS.
Risparmi sui costi : uno dei principali vantaggi dell’apprendimento automatico è solitamente il risparmio di tempo e denaro. Questo è vero qui, poiché i sistemi di ottimizzazione del percorso monitorano il consumo di carburante e suggeriscono i percorsi più convenienti.
Monitora le prestazioni dei conducenti: un sistema cloud basato sull’apprendimento automatico ti aiuta a supervisionare il lavoro dei tuoi dipendenti e ad assicurarti che svolgano i loro compiti in modo affidabile. Puoi anche assicurarti che seguano le regole della strada e il loro programma di lavoro. Inoltre, essere consapevoli che i manager hanno accesso a queste informazioni può aumentare l’efficienza e la produttività dei dipendenti.
Tracciamento KPI: con informazioni chiave come tempo di viaggio, costi del carburante e produttività dei dipendenti, puoi monitorare meglio le prestazioni della tua azienda e reagire più velocemente se qualsiasi elemento necessita di miglioramenti.
Un esempio di vita reale in cui l’ ottimizzazione algoritmica del percorso ha migliorato le entrate nel settore della logistica è questo caso di studio di McKinsey . Il loro cliente era un’azienda di logistica asiatica che ha chiesto all’azienda tecnologica di risolvere il loro problema abbinando la fornitura della flotta e le rotte alle esigenze del cliente.
Come hanno raggiunto questo obiettivo?
Innanzitutto, il team di McKinsey ha raccolto tutti i dati essenziali sui propri processi per individuare eventuali problemi da migliorare. Hanno analizzato informazioni vitali come le posizioni dei clienti, le posizioni degli hub e le risorse della flotta. Queste informazioni hanno permesso loro di costruire un modello di ottimizzazione del percorso che genera orari personalizzati per tutti i veicoli. Con questa soluzione, sono stati in grado di migliorare la gestione in molti settori, tenendo conto di fattori quali:
Tipo di veicolo
Costo di utilizzo
Carico massimo
Tempo di viaggio
Cosa c’era dietro il loro successo?
È stata sia l’esperienza che gli algoritmi di Machine Learning all’avanguardia che hanno utilizzato per creare questa soluzione. Ad esempio, hanno utilizzato il modello Network Optimization Algorithm (NOAH) per creare guide visive nelle mappe giornaliere dei percorsi. Inoltre, hanno fornito un’app mobile che mostra dati in tempo reale, semplificando il lavoro sia per gli spedizionieri che per i conducenti.
Di conseguenza, la loro soluzione ha ridotto i costi del 3,6% e ha aumentato l’efficienza della rete di trasporto di linea, che ha portato a un aumento dei profitti del 16%.
2. Chatbot nella logistica
Sapevi che fino al 97% delle persone afferma che un cattivo servizio clienti ha un impatto sulle proprie intenzioni di acquisto ? Tuttavia, un’altra risorsa afferma che il 36% dei clienti è ancora frustrato dall’incapacità delle aziende di rispondere alle loro semplici domande.
Questi dati mostrano l’importanza di avere un chatbot per rispondere immediatamente ai clienti per risparmiare tempo e migliorare l’esperienza del cliente . Gli assistenti virtuali utilizzano l’elaborazione del linguaggio naturale per parlare con le persone in chat, di solito direttamente sulla home page dell’azienda. Sono costruiti con algoritmi in grado di riconoscere la domanda posta e quindi abbinarvi la risposta. Supponiamo che un utente faccia una domanda incomprensibile per la quale non c’è risposta nel database. In tal caso, il chatbot cerca di abbinare una delle risposte di “fallback” o di apprendere nuovi modelli dal cliente per utilizzare queste informazioni la prossima volta che viene posta una domanda simile.
Un chatbot ha una certa conoscenza di un’azienda e dei suoi prodotti o servizi. Può utilizzare i suoi database o attingere informazioni da fonti esterne. Il consulente virtuale risponde alle domande e conduce la conversazione stessa, indirizzando la conversazione su argomenti legati alle attività dell’azienda o suggerendo la visita a una pagina correlata.
5 vantaggi chiave dei chatbot
Non sei ancora sicuro che i chatbot siano una buona soluzione per la tua attività? Basta dare un’occhiata ai cinque vantaggi chiave della loro implementazione in un’azienda di logistica .
1. Risposte immediate 24/7/365
Nelle aziende di logistica il contatto con il cliente è fondamentale. Ad esempio, DHL offre tre diversi moduli di contatto:
E-mail al servizio clienti
Contatto telefonico
Chatbot 24 ore su 24, 7 giorni su 7
Il chatbot consente ai clienti di ottenere informazioni istantanee sullo stato della spedizione, sui prezzi , sui tempi di consegna previsti di un pacco e altro ancora.
Perché è importante?
Oggi, il 77% delle persone si aspetta di ottenere risposte immediate dalla chat online a qualsiasi ora del giorno e della notte. I chatbot possono funzionare sempre, anche quando i tuoi dipendenti non stanno lavorando (in più, non saranno mai stanchi).
L’implementazione di un chatbot sempre disponibile migliora notevolmente l’esperienza dell’utente. Ad esempio, con il chatbot Helmi creato da GetJenny, The Foundation for Student Housing nella regione di Helsinki ha notato un aumento del punteggio complessivo di soddisfazione del servizio clienti da 4,11 a 4,26 .
2. Migliore navigazione del sito web
Sapevi che il 34% dei clienti è frustrato dalla difficile navigazione del sito ?
I chatbot possono risolvere questo problema aiutando i visitatori a navigare nel sito e a trovare rapidamente le informazioni a cui sono interessati. Ti aiutano a creare un’immagine positiva del marchio e un’esperienza cliente personalizzata. Quindi, se ti interessa creare soddisfazione e fedeltà al marchio tra i tuoi clienti, un chatbot può essere un ottimo primo passo.
Un esempio interessante di chatbot che ti aiuta a trovare tutte le informazioni su un prodotto è il chatbot Alex, disponibile sul sito web di Intellexer Summarizer . Quando gli fai una domanda, riceverai un messaggio con un link a una pagina dove puoi trovare informazioni di interesse.
Fonte: https://summarizer.intellexer.com /
Per creare un bot di questo tipo, non è necessario fornire ed estrarre molti dati. Hai solo bisogno di elaborare il contenuto del sito Web per fornirlo in una forma appropriata. Quindi, separi le informazioni sul contenuto della pagina e i dati per creare un flusso logico della conversazione. Inoltre, i chatbot imparano costantemente, quindi più domande ricevono, più accurate diventeranno le loro risposte. Spesso, questo tipo di chatbot è la prima soluzione di intelligenza artificiale che le aziende scelgono.
3. Assistenza alla consegna
Gli assistenti virtuali possono essere il primo contatto con i clienti e ricevere da loro richieste di consegna. Come altre soluzioni di intelligenza artificiale, possono sollevare i dipendenti da molte attività ripetitive, come la raccolta di informazioni sugli ordini. Inoltre, possono anche eseguire immediatamente le richieste dei clienti relative alla consegna, come inviare una fattura per un ordine o informare sullo stato della consegna.
4. Supporto completo per i dipendenti
I chatbot possono aiutare i tuoi dipendenti in molti modi, dalle scartoffie all’invio di ordini all’elaborazione dei pagamenti. Possono ricevere o compilare documenti come fatture o richieste di pagamento e molti altri. E quando le macchine hanno bisogno di assistenza umana, inviano un messaggio ai lavoratori umani per fare il passo successivo giusto.
Secondo Bas Vogels, supervisore e formatore del team del servizio clienti DHL: “I dipendenti hanno molto più tempo per risolvere le complesse domande dei clienti e prevenire le escalation. Anche il tasso di soddisfazione dei dipendenti è aumentato enormemente”.
5. Monitoraggio della spedizione in tempo reale
Nella logistica, i tempi di consegna e le informazioni in tempo reale sullo stato di un ordine sono fondamentali. I chatbot faranno in modo che i tuoi clienti non debbano aspettare una risposta. Un esempio reale di questa soluzione è il case study di RoboRobo . Hanno creato un bot per RPL che informa i clienti sullo stato del loro ordine. Il chatbot consente ai clienti di RPL di monitorare la posizione del loro pacco e scoprire quando verrà consegnato.
I chatbot possono essere utilizzati in molti luoghi, non solo su un sito web. Sempre più aziende optano per i chatbot disponibili su Facebook, Skype, WhatsApp e altri canali.
3. Risoluzione dei problemi di instradamento e lottizzazione del prelievo nelle operazioni di magazzino
Un altro compito che l’intelligenza artificiale assolve in ambito logistico è quello di sviluppare i metodi più efficienti per il flusso delle merci sia in magazzino che in fase di distribuzione.
I sistemi di gestione del magazzino basati sull’intelligenza artificiale possono registrare tutte le attività e i processi che si svolgono nel magazzino. Il software analizza i dati storici raccolti e li utilizza per pianificare come le attrezzature utilizzate (robot e sistemi sia automatici che semiautomatici) gestiranno i carichi. Particolarmente utile qui può essere l’apprendimento profondo , l’ analisi predittiva , la visione artificiale e il software di riconoscimento dei prodotti che possono aiutare a riconoscere gli oggetti nel magazzino e fare previsioni estese di quali azioni saranno necessarie.
Uno degli obiettivi principali degli algoritmi di apprendimento automatico è aiutare le persone con compiti monotoni ma difficili. Nell’industria logistica e manifatturiera uno di questi compiti è il routing del picker, che anche le macchine possono supportare.
Un esempio entusiasmante di questo è la soluzione creata da Nvidia per Zalando, un gigante dell’e-commerce, che ha migliaia di nuovi ordini ogni ora. La loro soluzione basata sull’intelligenza artificiale ha permesso di risolvere due problemi.
1. Ridurre il tempo di instradamento del raccoglitore
Hanno preparato una soluzione che consente il controllo del magazzino con un layout a “scala di corda” (il che significa che tutti i prodotti sono immagazzinati in scaffali disposti su più file con corridoi). Dato che un lavoratore deve recuperare prodotti situati in diverse parti del magazzino, il sistema suggerisce il percorso più breve possibile attraverso il magazzino che consente di prelevare tutti gli articoli necessari.
Gli sviluppatori di Nvidia hanno creato l’algoritmo OCaPi (Optimal Cart Pick) che trova il tour di prelievo ottimale per il lavoratore e anche per i movimenti del carrello del lavoratore. Ha permesso ai lavoratori di Zalando di smettere di usare l’euristica del routing a forma di S e di pianificare un percorso più ottimale.
2. Risolvere il problema del dosaggio
In Zalando, tutti gli ordini devono essere assegnati a una lista di prelievo. Quando l’elenco è completo, i prodotti vengono confezionati per il cliente.
Gli sviluppatori di Nvidia hanno cercato di realizzare una soluzione che permetta di ottenere la somma dei tempi di viaggio per tutti gli elenchi di selezione il più piccolo possibile, supponendo che un lavoratore possa inserire solo 10 articoli nel carrello. Hanno analizzato i tour di prelievo OCaPi per dieci ordini di due cose per trovare le suddivisioni più efficienti degli ordini nelle liste di prelievo.
Quali tecnologie possono ridurre questi problemi?
Una tecnologia chiave utilizzata in questi progetti è l’algoritmo OCaPi, una funzione altamente non lineare che ha consentito agli sviluppatori di calcolare il tempo di viaggio, considerando diverse posizioni di prelievo. Questa soluzione ha mostrato loro che il viaggio dipende principalmente dal tempo impiegato a prelevare un articolo dall’angolo posteriore, posizionato lontano da tutti gli altri prodotti.
Per rendere ancora più veloce la stima del tempo di viaggio di OCaPi, hanno utilizzato il framework di rete neurale Caffe e la libreria di rete neurale convoluzionale cuDNN di NVIDIA . Ha permesso loro di addestrare quattro modelli in parallelo per trovare un’architettura di rete neurale molto accurata. Di conseguenza, il loro sistema ha permesso all’azienda di ridurre il tempo di viaggio per articolo prelevato di circa l’11%.
Tali soluzioni basate sull’apprendimento automatico consentono alle aziende di:
Aumentare la produttività
Velocizza i tempi di evasione degli ordini, con conseguente aumento della soddisfazione dei consumatori
Aumentare la soddisfazione dei dipendenti il cui lavoro è supportato da soluzioni intelligenti
Migliora il flusso di lavoro quotidiano dei dipendenti
Elimina l’errore umano poiché il calcolo del percorso è più rapido e accurato rispetto a se lo facesse un essere umano.
