|
人工智能正在改变所有行业，物流就是其中之一。物流是对不同地点之间产品流动的管理。供应商和客户的全球网络使物流运营复杂化，物流公司既包含易于自动化的任务，也包含可以从AI /机器学习算法中受益的复杂流程。 人工智能对物流公司意味着什么？该技术为物流公司提供了从自主机器到预测分析的广泛功能。根据麦肯锡的研究，物流行业主要将人工智能用于4个业务功能，即服务运营，产品和服务开发，营销和销售以及供应链管理。这四个业务部门覆盖了物流中87%的人工智能采用率。麦肯锡估计，通过将人工智能引入其流程，物流公司每年将产生1.3-2万亿美元的经济价值。 人工智能在物流中的应用有哪些？规划物流需要重大规划，需要协调供应商、客户和公司内部的不同部门。机器学习解决方案可以促进规划活动，因为它们擅长处理场景分析和数值分析，这两者对于规划都至关重要。 需求预测AI功能使组织能够在其预测工作中使用实时数据。因此，与传统预测方法（如 ARIMA、自动回归集成移动平均线和指数平滑方法）相比，AI 驱动的需求预测方法可显著降低错误率。 随着需求预测准确性的提高，
供应计划人工智能帮助企业实时分析需求，以便组织动态更新其供应计划参数，以优化供应链流程。通过动态供应计划，企业使用的资源更少，因为动态规划可以最大限度地减少浪费。 自动化仓储根据2020年MHI年度行业报告，只有12%的企业在其仓库中使用AI技术，但预计在6年内将达到60%以上。  资料来源：MHI/Deloitte 仓库机器人仓库机器人是另一项人工智能技术，投入巨资以增强企业的供应链管理。2016年仓库机器人市场价值为22.8亿美元，预计2017年至2022年将以11.8%的复合年增长率增长。 例如，零售巨头亚马逊于2012年收购了Kiva Systems，并于2015年更名为Amazon Robotics。如今，亚马逊有20万台机器人在他们的仓库里工作。在亚马逊175个运营中心中的26个，机器人帮助人类拣选、分拣、运输和存放包裹。 损坏检测/目视检查损坏的产品可能会导致客户不满意和客户流失。计算机视觉技术使企业能够识别损坏。企业可以确定损坏深度，损坏类型，并采取措施减少进一步的损坏。 预测性维护预测性维护通过分析从机器中的物联网传感器收集的实时数据来预测工厂中潜在的机器故障。机器学习驱动的分析工具增强了预测分析并识别传感器数据中的模式，以便技术人员可以在故障发生之前采取措施。 自主事物自主事物是在人工智能的帮助下在没有人类交互的情况下工作的设备。自主事物包括自动驾驶汽车、无人机和机器人。我们应该期待在物流行业看到更多的自主设备，因为该行业对人工智能的适用性。 自动驾驶汽车自动驾驶汽车有可能通过减少对人类驾驶员的严重依赖来改变物流。队列行驶等技术支持驾驶员的健康和安全，同时减少车辆的碳排放和燃料使用。特斯拉，谷歌和梅赛德斯奔驰正在大力投资自动驾驶汽车的概念，自动驾驶汽车在世界各地的道路上出现只是时间问题。然而，根据BCG的估计，到2030年，只有约10%的轻型卡车将自动驾驶。 送货无人机对于产品的物流，当企业将产品运送到不可能，安全，可靠或可持续的地方时，送货无人机是有用的机器。特别是在医药产品保质期较短的医疗保健行业中，送货无人机可以帮助企业降低浪费成本，并防止对昂贵的存储设施的投资。 预测、分析动态定价动态定价是实时定价，其中产品的价格响应需求，供应，竞争价格，子公司产品价格的变化。定价软件主要使用机器学习算法在真实团队中分析客户的历史数据，以便通过调整价格更快地响应需求波动。 路线优化/货运管理AI模型帮助企业分析现有路由，跟踪路由优化。路线优化使用图分析学科中的最短路径算法来确定物流卡车的最有效路线。 因此，该企业将能够降低运输成本并加快运输过程。例如，Valerann的智能道路系统是一个基于AI网络的交通管理平台，可向自动驾驶汽车和用户提供有关道路状况的信息。 后台每个业务部门都有后台任务，物流也不例外。例如，有许多与物流相关的表格，如提单，需要从中手动提取结构化数据。大多数企业都是手动执行此操作的。 自动执行手动办公任务超自动化，也称为智能业务流程自动化，意味着使用AI，机器人流程自动化（RPA），流程挖掘和其他技术的组合，以端到端的方式实现流程自动化。借助这些技术，企业可以自动执行多个后台任务，例如
客户服务聊天机器人客户服务在物流公司中起着重要作用，因为客户将就他们在交付中遇到的任何问题与公司联系。客户服务聊天机器人能够处理中低呼叫中心的任务，例如：
聊天机器人也是分析客户体验的宝贵技术，聊天机器人分析指标使企业能够更好地了解他们的客户，以便他们可以增强他们提供的客户旅程。 要了解更多AI在客户服务中的应用，请随时阅读我们的文章：客户服务中的11个AI用例 销售和营销物流公司的销售和营销活动也可以通过人工智能来增强。一些应用包括：
by Cem Dilmegani |
|
|
来自： 智能交通技术 > 《数字孪生与人工智能AI》
