الجميع يتحدث عن الذكاء الاصطناعي، ولكن ما هي تطبيقاته المحتملة للتخزين وسلسلة التوريد؟ إدوارد نابير فينينج، مدير المبيعات والتسويق لشركة برمجيات سلسلة التوريد الرائدةبالون، يستكشف خمسة مجالات رئيسية يمكن أن تعزز الأداء - بما في ذلك تخطيط الطريق، والاختيار، وإعداد تقارير إدارة العمل، وإدخال البيانات.
#شحن_من_الباب #من_الباب_إلى_الباب #أمازون #تصدير #شحن_جوي #شحن_الأردن #شحن_الصين_إلى_الأردن #الشحن_الأردني #التجارة_الأردنية #الأردن #شحن_العقبة
وكيل الشحن 3pl دروبشيبينغ وكيل الشحن الجوي من DoortoDoor الأردن الشحن الصين مركز الوفاء وكيل الشحن
kapoklog اللوجستية الشحن الجوي من الصين إلى المملكة المتحدة من الباب إلى الباب أمازون التصدير الشحن الجوي الأردن الشحن الصين الشحن إلى الأردن الأردن سفينة الشحن الجوي
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
مستحضرات التجميل السعودية جوا وبحرا خدمة من الباب إلى الباب
#chinapurchasingagent #chinashippingagent #chinadropshipping #chinashipping Logistics
#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
شنتشن kapoklog اللوجستية المملكة العربية السعودية الرسوم الجمركية واضحة مدفوعة من الباب إلى الباب DDP
DDP الصين إلى المملكة العربية السعودية
شنتشن kapoklog اللوجستية دبي التخليص الجمركي خدمة من الباب إلى الباب DDP
DDP الصين إلى دبي
شنتشن kapoklogLogistics المحدودة
شنتشن kapoklog اللوجستية قطر خط التخليص الجمركي من الباب إلى الباب DDP
DDP الصين إلى قطر
شنتشن kapoklog اللوجستية باكستان DDP
DDP الصين إلى باكستان
شنتشن kapoklog اللوجستية الأردن التخليص الجمركي من الباب إلى الباب DDP الصين إلى الأردن
شنتشن kapoklogistics مصر التخليص الجمركي المزدوج من الباب إلى الباب DDP
شنتشن kapoklog اللوجستية جدة التخليص الجمركي ، جدة DDP ، الصين إلى جدة DDP الشحن
شنتشن Kapoklog اللوجستية عمان ddp، الصين إلى عمان DDP، عمان الشحن DDP
شنتشن kapoklog العراق التخليص الجمركي، الصين إلى العراق DDP
شنتشن Kapoklog اللوجستية إسرائيل التخليص الجمركي DDP ، الصين إلى إسرائيل من الباب إلى الباب ، إسرائيل من الباب إلى الباب ، الصين إلى إسرائيل DDP
فجأة، أصبح الذكاء الاصطناعي (AI) في كل مكان. كما هو الحال مع الأيام الأولى للعديد من التقنيات الثورية الأخرى، هناك الكثير من المبالغة في الادعاء، والكثير مما يوصف حاليًا بأنه "ممكّن للذكاء الاصطناعي" هو في الواقع مجرد سلسلة من الخوارزميات، السريعة جدًا والذكية جدًا، التي تتبع المنطق الطرق التي ابتكرها البشر. تعد القدرة على معالجة كميات هائلة من "البيانات الضخمة" بسرعة البرق أمرًا مثيرًا للإعجاب وقيمة للغاية، ولكنها لا تشكل في حد ذاتها ذكاءً اصطناعيًا. يتمتع الذكاء الاصطناعي الحقيقي بالقدرة على التعلم من البيانات التاريخية ومن الأنشطة الحالية، وإلى حد ما، إعادة كتابة الخوارزميات الخاصة به.
تتسارع وتيرة تطور الذكاء الاصطناعي ويمكننا أن نرى بالفعل بعض المجالات الرئيسية في التخزين والخدمات اللوجستية حيث يمكن تطبيقها.
1. تخطيط الطريق المحسن
حتى الآن، ينطلق السائق في طريق ثابت، ربما في جولة عادية، أو مخطط لها قبل يوم أو يومين، والأمر متروك له/لها لتحديد أفضل استجابة لحادث أو ازدحام مروري أو أي حدث آخر عندما تنشأ هذه. الآن، يمكن ربط إدارة حركة المرور في الوقت الفعلي بموارد مثل Google، ليس فقط لحل المشكلة الحالية، ولكن أيضًا باستخدام التعلم للتنبؤ بالمكان الذي من المحتمل أن يحدث فيه الازدحام، وهو أمر غريب في كثير من الأحيان لا يحدث في الوقت الفعلي. موقع الحادثة الفعلية. وهذا يقدم توصية تجنب أكثر قوة ويساعد في الحفاظ على عمليات التسليم من وإلى المستودع في الموعد المحدد.
يمكن أن يعمل هذا الأسلوب في تخطيط المسار جنبًا إلى جنب مع بناء الأحمال الديناميكية. حاليًا، لا يوجد ملف طلب كامل في بداية اليوم، أو عند النقطة التي يجب فيها إصلاح برامج التشغيل والمسارات لعمليات اليوم التالي. وبالتالي، قد يتضمن المسار وجهات لا يوجد بها فعليًا عملية إنزال، أو يتجاهل عمليات الإنزال التي كان من الممكن أن تكون مفيدة. يمكن للأنظمة الذكية إعادة تخطيط المسارات وتعديلها وتحسينها باستمرار مع تراكم ملف تعريف الطلب. وهذا بدوره يمكن أن يساعد في الموضوع التالي، وهو اختيار الطلب بكفاءة، والذي بالطبع له مشكلاته الخاصة في التوجيه والتوجيه.
2. قطف فعال
الكثير من الضجيج حول الذكاء الاصطناعي في سلسلة التوريد يدور حول قضايا مثل المخزون والطلب. من الواضح أن التحسين هنا مهم، ولكننا بالكاد بدأنا في التطرق إلى كيفية تشغيل المستودع بشكل أكثر كفاءة، وهنا تكمن بعض تكاليف العمالة والإدارة الكبيرة حقًا - بالإضافة إلى التوفير المحتمل.
يعد تحسين مسار الاختيار موضوعًا ساخنًا في التخزين، على الرغم من أن هذا في النهاية المنخفضة لا يزيد إلا قليلاً عن وضع الأوامر في تسلسل وتقطيعها إلى كتل من العمل. من الجيد أن نكون قادرين على القيام بذلك بسرعة كبيرة، ولكن الذكاء الاصطناعي الحقيقي بدأ في النظر إلى الوضع برمته بشكل أكثر ذكاءً: أين توجد البضائع في المستودع، وما هي البضائع التي يمكن أو لا يمكن دمجها في عربة أو حاوية معينة ( وأين توجد تلك الحاويات)، وما هي أوامر الأولوية (التي لها روابط واضحة لسؤال التوجيه أعلاه)، وبالتالي بناء إجراءات الاختيار الأكثر كفاءة قدر الإمكان.
سيكون الذكاء الاصطناعي قادرًا على تحسين اختيار وتشغيل استراتيجيات الانتقاء - وقد يختلف الخيار الأمثل وفقًا لنوع البضائع، أو حتى الوقت من اليوم. الاستراتيجيات كثيرة ومتنوعة: على سبيل المثال اختيار الدفعة، والذي يتضمن السير على الطريق، واختيار SKU واحد في كل مرة لمجموعة من الطلبات. أو يمكن أن يكون انتقاءًا مناطقيًا أو "عنقوديًا" حيث يختار المشغل جميع وحدات SKU في "منطقة" واحدة لمجموعة من الطلبات، ثم تنتقل الحقيبة (مع أو بدون ذلك العامل) إلى المنطقة التالية.
عادة ما يكون الانتقاء المجمع أكثر كفاءة ولكنه يتطلب تحسين تخطيط البضائع في المستودع، بحيث يتم تجميع البضائع التي من المرجح أن تحدث في نفس الأوامر معًا، ويتم تجميع الأوامر حول ملفات تعريف متشابهة. وهذا يعني أيضًا أن الطلبات لا يتم التقاطها بالضرورة بترتيب زمني صارم، أي وفقًا لأوقات مغادرة طريق التسليم، وبالتالي تكون عرضة للتأخير في الازدحام، ربما بسبب الممرات الضيقة أو الحاجة إلى فصل المشاة عن الشاحنات و آلات أخرى.
من خلال العمل مع العميل Pets Corner، قامت شركة Balloon بتطوير نموذج تجميع للأغراض العامة، والذي يمكن أن يعمل كوظيفة ويب قائمة على السحابة. وقد أدت التقنية الجديدة إلى تسريع الوقت المستغرق لاختيار موجة من الطلبات بنسبة 38%. لا يستخدم هذا النهج بشكل صارم أي ذكاء اصطناعي متطور، ولكن يمكننا أن نرى بسهولة أن الذكاء الاصطناعي يمكن أن يتيح المزيد من التحسينات المهمة في كل من تخطيط وتشغيل انتقاء الطلبات واختيار الإستراتيجية الأكثر ملاءمة لتلك الأوامر، في الوقت الحالي. نحن، على سبيل المثال، نعمل على إيجاد طرق يمكن من خلالها توسيع هذا النهج ليشمل الطلبات متعددة الأسطر، والحصول على "نقاط بداية" لاختيار المسارات في أماكن مختلفة في المستودع. وسرعان ما يصبح هذا الأمر معقدًا إلى حد ما، وسيكون الذكاء الاصطناعي مفيدًا جدًا في حل الأمور.
أحد مصادر الكفاءة هو أن العمليات لا تحتاج إلى أن تكون مقيدة بالعمليات "المعيارية"، والتي قد لا تكون ضرورية في بعض الأحيان. أحد الأمثلة البسيطة هو بعض الأعمال التي قمنا بها مؤخرًا لصالح Birlea. كان لدى هذه الشركة إجراء تقليدي يتم من خلاله منح البضائع المنتقاة علامة "WMS" توضح الترتيب الذي تم تخصيصها له، وإرسالها للفحص وإعادة التعبئة، وبعد ذلك يتم منحها علامة "ناقل" مختلفة. لكن عناصر الأثاث الخاصة بهم لا تحتاج إلى فحص أو إعادة تعبئة. لقد ثبت أنه من الممكن إزالة تسمية WMS لهذه البضائع، وإعادة برمجة SQL بحيث يعتقد النظام أن تسمية الناقل هي تسمية WMS التي كان يتوقعها في هذه المرحلة. وهذا في حد ذاته لا يتطلب الذكاء الاصطناعي، ولكن من السهل تصور أنظمة الذكاء الاصطناعي التي يمكن أن تتعلم إدراك أنه بالنسبة لعنصر معين، تكون بعض العمليات زائدة عن الحاجة ويمكن التخلص منها - دون المخاطرة بقيام مشغل بشري باتخاذ القرار الخاطئ.
3. إدارة عمل أكثر فعالية
في الظروف الحالية، يتمثل التحدي الأكبر أمام زيادة الكفاءة في تحديد مكان تخصيص العمالة النادرة والمكلفة. ينبغي أن تحتوي المنشأة التي تتمتع ببرامج جيدة لإدارة المستودعات (WMS) وأنظمة أخرى على قدر كبير من البيانات من البداية إلى النهاية: ما يحدث في الاستلام والتخزين والانتقاء والتجديد وما إلى ذلك. ينبغي أن يخبر ذلك المشغل بالمكان الذي يحتاج إلى وضع موظفيه فيه، ولكنه أمر معقد. تدير WMS التقليدية هذا الأمر، إلى حد ما، ولكنها تعتمد بشكل كبير على الأشخاص الذين يقومون بإنشاء البيانات وإدخالها والحفاظ عليها، بدءًا من الأوقات القياسية لعناصر العمل، وحتى من يُسمح له بأداء مهام معينة، وما إلى ذلك.
وإلى حد ما، أصبحنا قادرين بالفعل على تنظيم السلع والأنشطة والموارد بشكل أكثر فعالية باستخدام السجلات التاريخية والتقاط البيانات الحالية للسماح بنماذج إدارة العمل الأكثر تعقيدًا. ولكن من المؤكد أن الذكاء الاصطناعي يمكن أن يقدم مساهمة إضافية في سحب البيانات من مختلف المصادر المختلفة وفهمها.
وسوف يصبح النشر الفعال أكثر أهمية مع قيام الشركات باستخدام الروبوتات في شكل "الروبوتات التعاونية" - وهي آلات تعمل بشكل تعاوني مع الناس. وربما يكون هذا مناسبًا بشكل خاص للشركات الصغيرة والمتوسطة، التي يمكنها بشكل متزايد تحمل هذا النوع من الأتمتة، وتحتاج إلى أن تكون أكثر مرونة من الأنظمة الآلية الكبيرة "من البضائع إلى الأشخاص" التي تديرها العمليات الكبيرة. على سبيل المثال، يمكن "وضع علامة" على العمال باستخدام جهاز بلوتوث لتحديد موقعهم بالنسبة إلى الموقع الحالي أو المقصود للروبوت والموقع والحالة الحالية لأوامر الأولوية، ولكن الاستفادة الكاملة من ذلك تتطلب أنظمة ذكية.
نحن لا نرى أن استخدام الذكاء الاصطناعي لتحسين كفاءة العمل يهدف في المقام الأول إلى تقليل عدد الموظفين. بل يتعلق الأمر بالقضاء على "الوقت الميت"، والأنشطة غير الإنتاجية مثل المشي من أحد أطراف المستودع إلى الطرف الآخر. من الواضح أن هذا يؤدي إلى تحسين الإنتاجية، ولكن من الأسهل أيضًا الاحتفاظ بالأشخاص الجيدين إذا لم يقضوا نصف وقتهم عاطلين عن العمل والنصف الآخر في اندفاع محموم، مما قد يجعل الموظفين يشعرون بالإرهاق وعدم التقدير.
4. تقارير وتحليلات أكثر دقة
تشارك شركة Balloon بنشاط في تطبيق الذكاء الاصطناعي في مجال سلسلة التوريد. النشاط في هذا القطاع ينمو بسرعة. ويجب أن نتذكر أن بيئة كل شخص مختلفة، وخاصة بين الشركات الصغيرة والمتوسطة، وهذا هو أحد الأسباب التي تجعل قدرة الذكاء الاصطناعي على التعلم من الموقف، بدلاً من مجرد معالجة خوارزمية مشتقة من الخارج، جذابة للغاية. هناك اعتبار آخر وهو أن الكثير من البيانات تعتمد على النص، لذا فإن أحد الأشياء التي نقوم بها هو سحب البيانات من مصادر متعددة إلى حزمة تحليلات Microsoft باستخدام نموذج بيانات يخبر النظام بكيفية ربط البيانات بكائنات مختلفة. يمكننا إنشاء لوحة معلومات، علاوة على ذلك، يمكننا وضع طبقة من بعض الوظائف من نوع ChatGPT - "إظهار مخطط دائري للموظفين الذين يختارونهم يوميًا وحسب الشخص" - لذلك لا يتعين على المديرين أن يطلبوا من قسم تكنولوجيا المعلومات إنشاء تقرير لهم.
يمكن للأنظمة القائمة على الذكاء الاصطناعي أن ترفع الكثير من تكلفة وعبء حفظ السجلات والتحليلات اليدوية، ناهيك عن القضاء على (أو على الأقل اكتشاف) الأخطاء التي تنشأ حتمًا في الأنظمة اليدوية. في نهاية المطاف، قد يكون هناك وفورات يمكن تحقيقها في دمج جميع الأنظمة المختلفة التي تستخدمها عمليات المستودعات والتوزيع: قد يكون الذكاء الاصطناعي قادرًا على "تعلم" كيفية نقل البيانات من نظام إلى آخر، على الرغم من التنسيقات غير المتوافقة على ما يبدو، بدلاً من الاستعانة بشخص ما بشكل شاق. كتابة التعليمات البرمجية لكل احتمال.
5. تحسين التعرف على الصور وتقليل إعادة المفاتيح
يُحدث الذكاء الاصطناعي فرقًا هنا بالفعل، على سبيل المثال في إدخال البيانات، بما في ذلك التعرف البصري على الأحرف والصورةيتم المسح– فهمها وربطها بالعناصر الأخرى في النظام، وخاصة في البحث عن الأخطاء والتناقضات. قد يكون ذلك فرقًا في الكمية بين أمر المبيعات ومذكرة الاختيار ذات الصلة؛ أو قد يكون عنوان تسليم غير موجود أو لا معنى له: وفي هذه الحالة قد يكون من الممكن تكوين الذكاء الاصطناعي لتقديم اقتراحات ذكية حول العنوان الذي يجب أن يكون عليه، قبل أن ينطلق سائق التوصيل في رحلة على الطريق. يطارد.
لذلك هناك الكثير مما يحدث مع الذكاء الاصطناعي في بيئة المستودعات. في الوقت الحاضر، يعد المشهد عبارة عن خليط من التطورات الصغيرة التي تساعد الأشخاص على ملاءمة أجزاء من الذكاء الاصطناعي مع عملياتهم، وغالبًا ما يبدأ ذلك بمجرد التخلص من أجزاء أصغر من العمل في الواجهات بين الأنظمة، وهو المكان الذي تميل فيه، على سبيل المثال، تناقضات البيانات إلى الظهور. ولكن من المؤكد أن هذا الترقيع سوف يندمج في وقت قصير إلى حد ما.
يتوافق ذلك مع نهج Balloon الخاص حيث يستهدف فريق الابتكار لدينا جيوبًا صغيرة من الوظائف المتقدمة، ويعد التجميع واحدًا من أوائل المجموعات، والذي شهدنا بالفعل مكاسب كبيرة في الكفاءة على مواقع العملاء.
تتميز إدارة المستودعات بمدخلات بيانات متعددة وقرارات وسيناريوهات مخرجات متعددة محتملة. وهذه الأمور تتجاوز قدرة المديرين البشريين على تحسينها بقوة وفي الوقت المناسب، في حين تعتمد الأساليب الخوارزمية التقليدية على افتراضات وتبسيطات غالبًا ما لا تكون صالحة دائمًا أو تمامًا. وفي الوقت نفسه، قد يكون العمالة النادرة جالسة في انتظار أن يقال لها ما يجب القيام به. ويعد الذكاء الاصطناعي بتوفير الأدوات اللازمة لحل هذه المشاكل.
