Todo mundo fala sobre Inteligência Artificial, mas quais são suas aplicações potenciais para armazenamento e cadeia de suprimentos? Edward Napier-Fenning, Diretor de Vendas e Marketing de empresa líder de software para cadeia de suprimentosBalão, explora cinco áreas principais que podem aumentar o desempenho – incluindo planejamento de rotas, separação, relatórios de gestão de mão de obra e entrada de dados.
De repente, a Inteligência Artificial (IA) está em toda parte. Tal como aconteceu com os primórdios de muitas outras tecnologias revolucionárias, há muitas reivindicações exageradas, e muito do que é atualmente considerado "habilitado para IA" é na verdade apenas uma sequência de algoritmos, reconhecidamente muito rápidos e muito inteligentes, seguindo lógica caminhos traçados pelos humanos. A capacidade de processar imensas quantidades de “big data” à velocidade da luz é impressionante e extremamente valiosa, mas não constitui, por si só, Inteligência Artificial. A verdadeira IA tem a capacidade de aprender com dados históricos e atividades atuais e, de certa forma, reescrever os seus próprios algoritmos.
O ritmo de desenvolvimento da IA está a acelerar e já podemos ver algumas áreas-chave no armazenamento e na logística onde ela pode ser aplicada.
1. Planejamento de rotas aprimorado
Até agora, um condutor partiu com um percurso fixo, talvez uma ronda regular, ou planeada um ou dois dias antes, e cabe-lhe a ele/ela definir a melhor resposta a um acidente, engarrafamento ou outro evento. como e quando estes surgem. Agora, o gerenciamento de tráfego pode ser vinculado em tempo real a recursos como o Google, resolvendo não apenas a solução alternativa para um problema atual, mas usando seu aprendizado para prever onde o congestionamento provavelmente ocorrerá, o que estranhamente muitas vezes não acontece. local do incidente real. Isto constitui uma recomendação de evasão mais robusta e ajuda a manter as entregas de e para o armazém dentro do cronograma.
Esta abordagem ao planejamento de rotas pode funcionar em conjunto com a criação de carga dinâmica. Atualmente, não há um arquivo completo de pedidos no início do dia, ou no ponto onde os motoristas e as rotas devem ser fixadas para as operações do dia seguinte. A rota, portanto, pode incluir destinos onde não há realmente uma entrega a ser feita, ou deixar de fora que poderiam ter sido feitas de forma útil. Os sistemas inteligentes podem replanejar, modificar e otimizar continuamente as rotas à medida que o perfil do pedido se desenvolve. Isso, por sua vez, pode ajudar no próximo tópico, o da separação eficiente de pedidos, que obviamente tem seus próprios problemas de direcionamento e roteamento.
2. Separação eficiente
Muito do barulho em torno da IA na cadeia de suprimentos gira em torno de questões como estoque e pedidos. A melhoria aqui é claramente importante, mas mal começámos a abordar a forma de gerir o armazém de forma mais eficiente, que é onde residem alguns custos realmente elevados de mão-de-obra e administração - bem como potenciais poupanças.
A otimização do caminho de seleção é um tema importante no armazenamento, embora no nível inferior isso signifique pouco mais do que colocar pedidos em uma sequência e dividi-los em blocos de trabalho. É bom poder fazer isto muito rapidamente, mas a verdadeira IA está a começar a ser capaz de analisar toda a situação de forma mais inteligente: onde as mercadorias estão no armazém, que mercadorias podem ou não ser combinadas num determinado carrinho ou contentor ( e onde estão esses contêineres), quais são as ordens de prioridade (o que tem ligações claras com a questão de roteamento acima) e, assim, construir as rotinas de coleta mais eficientes possíveis.
A IA será capaz de melhorar a escolha e o funcionamento das estratégias de picking – e o ideal pode diferir de acordo com o tipo de mercadoria, ou mesmo a hora do dia. As estratégias são muitas e variadas: por exemplo, separação em lote, que envolve percorrer uma rota, escolhendo um SKU de cada vez para um lote de pedidos. Ou poderia ser uma separação por zona ou por “cluster”, onde o operador separa todos os SKUs em uma “zona” para um lote de pedidos, e a sacola (com ou sem esse operador) então passa para a próxima zona.
A separação agrupada é geralmente mais eficiente, mas exige que o layout das mercadorias no armazém seja otimizado, de modo que as mercadorias com maior probabilidade de ocorrer nos mesmos pedidos sejam agrupadas e os pedidos sejam agrupados em torno de perfis semelhantes. Significa também que as encomendas não são necessariamente recolhidas numa ordem estritamente cronológica, ou seja, de acordo com os horários de partida da rota de entrega, e por isso são vulneráveis a atrasos de congestionamento, talvez devido a corredores estreitos ou à necessidade de separar os peões dos camiões e outras máquinas.
Trabalhando com o cliente Pets Corner, a Balloon vem desenvolvendo um modelo de clustering de pedidos de uso geral, que pode operar como uma função web baseada em nuvem. A nova técnica acelerou o tempo necessário para selecionar uma onda de pedidos em 38%. Esta abordagem não utiliza estritamente qualquer IA desenvolvida, mas podemos ver facilmente que a IA poderia permitir melhorias adicionais significativas tanto no layout como na operação da recolha de encomendas e na seleção da estratégia mais adequada para essas encomendas, neste momento. Estamos, por exemplo, a trabalhar em formas de estender esta abordagem a encomendas multilinhas e a ter “pontos de partida” para rotas de recolha em diferentes locais do armazém. Isso rapidamente se torna bastante complexo e a IA será muito útil para resolver as coisas.
Uma fonte de eficiência é que as operações não precisam estar tão vinculadas a processos “padrão”, o que às vezes pode não ser necessário. Um pequeno exemplo é um trabalho que fizemos recentemente para Birlea. Esta empresa tinha um procedimento convencional segundo o qual as mercadorias recolhidas recebiam uma etiqueta 'WMS' mostrando a encomenda a que foram atribuídas e enviadas para verificação e reembalagem, após o que lhes era atribuída uma etiqueta de 'transportadora' diferente. Mas seus móveis não precisam ser verificados ou reembalados. Foi possível eliminar a etiqueta WMS para essas mercadorias e reprogramar o SQL para que o sistema pensasse que a etiqueta da transportadora era a etiqueta WMS que ele esperava naquele momento. Isso por si só não requer IA, mas é fácil conceber sistemas de IA que possam aprender a reconhecer que, para um determinado item, determinados processos são redundantes e podem ser eliminados – sem o risco de um operador humano tomar a decisão errada.
3. Gestão trabalhista mais eficaz
Nas condições actuais, o maior desafio para aumentar a eficiência é saber onde alocar mão-de-obra escassa e dispendiosa. Uma instalação com um bom software de gerenciamento de armazém (WMS) e outros sistemas deve ter uma grande quantidade de dados de ponta a ponta: o que está acontecendo no recebimento, armazenamento, separação, reabastecimento e assim por diante. Isso deveria dizer ao operador onde ele precisa colocar seu pessoal, mas é complexo. Um WMS tradicional gerencia isso, até certo ponto, mas depende muito de pessoas que criam, inserem e mantêm dados, desde horários padrão para elementos de trabalho, até quem tem permissão para executar determinadas tarefas, e assim por diante.
Até certo ponto, já somos capazes de organizar bens, atividades e recursos de forma mais eficaz, utilizando registos históricos e recolha de dados atuais para permitir modelos de gestão do trabalho mais complexos. Mas a IA certamente poderia dar uma contribuição adicional ao extrair dados de várias fontes diferentes e entendê-los.
A implementação eficaz tornar-se-á ainda mais importante à medida que as empresas adoptarem a utilização da robótica sob a forma de “cobots” – máquinas que trabalham em colaboração com as pessoas. Isto é talvez particularmente pertinente para as PME, que podem cada vez mais suportar este tipo de automatização e precisam que ela seja muito mais flexível do que os grandes sistemas automatizados de “produtos para pessoas” operados por grandes operações. Por exemplo, os trabalhadores poderiam ser “etiquetados” com um dispositivo Bluetooth para localizá-los em relação à posição atual ou pretendida de um robô e à posição e status atual das ordens de prioridade, mas tirar o máximo proveito disso requer sistemas inteligentes.
Não vemos o uso da IA para melhorar a eficiência do trabalho principalmente como uma questão de redução do número de funcionários. Em vez disso, trata-se de eliminar o “tempo morto” e atividades não produtivas, como caminhar de uma extremidade à outra do armazém. Obviamente, isso melhora a produtividade, mas também é mais fácil reter boas pessoas se estas não passarem metade do tempo ociosas e a outra metade numa correria frenética, o que pode deixar os funcionários cansados e desvalorizados.
4. Relatórios e análises mais precisos
A Balloon está ativamente envolvida na aplicação de IA no espaço da cadeia de abastecimento. A actividade no sector está a crescer rapidamente. É preciso lembrar que o ambiente de cada pessoa é diferente, especialmente entre as PME, o que é uma das razões pelas quais a capacidade da IA de aprender com a situação, em vez de apenas processar um algoritmo derivado externamente, é tão atractiva. Outra consideração é que muitos dos dados são baseados em texto, portanto, uma das coisas que estamos fazendo é extrair dados de diversas fontes para um pacote de análise da Microsoft com um modelo de dados que informa ao sistema como relacionar os dados a diferentes objetos. Podemos criar um painel e, além disso, podemos colocar algumas funcionalidades do tipo ChatGPT – ‘mostre-me um gráfico de pizza da seleção da minha equipe por dia e por pessoa’ – para que os gerentes não precisem pedir à TI para criar um relatório.
Os sistemas baseados em IA podem eliminar muitos custos e encargos da manutenção e análise manual de registros, sem mencionar a eliminação (ou pelo menos a detecção) dos erros que inevitavelmente surgem em sistemas manuais. Em última análise, poderá até haver poupanças na integração de todos os diferentes sistemas utilizados pelas operações de armazém e distribuição: a IA poderá ser capaz de “aprender” como transferir dados de um sistema para outro, apesar dos formatos aparentemente incompatíveis, em vez de ter alguém laboriosamente escreva código para cada eventualidade.
#Freightforwarder #doortoor #Amazon #Export #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
Despachante de frete 3pl dropshipping DoortoDoor agente de frete aéreo Jordânia frete China centro de atendimento de agente de transporte
kapoklog logística frete aéreo da China para o Reino Unido DoortoDoor Amazon ExportAirFreight Jordan frete ChinashippingtoJordan Jordanairfreight ship
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, Arábia Saudita por via aérea e marítima, serviço porta a porta
#chinapurchasingagent #chinshippingagent #chinadropshipping #chinshippinglogistics
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoo #consolidationshipping #chinshipping #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 Arábia Saudita direito personalizado pago porta a porta DDP
DDP China para Arábia Saudita
Shenzhen kapoklog logística Dubai desembaraço aduaneiro serviço porta a porta DDP
DDP China para Dubai
Shenzhen kapoklogLogística Co., Ltd
Logística kapoklog de Shenzhen Qatar desembaraço aduaneiro linha DDP porta a porta
DDP China para Catar
Logística kapoklog de Shenzhen Paquistão DDP
DDP China para Paquistão
Shenzhen kapoklog logística Jordânia desembaraço aduaneiro porta a porta DDP China para a Jordânia
Shenzhen kapokloglogistics Egito duplo desembaraço aduaneiro porta a porta DDP
Shenzhen kapoklog logística Jeddah desembaraço aduaneiro, Jeddah DDP, China para Jeddah DDP grátis
Logística Kapoklog de Shenzhen Omã ddp, China para Omã DDP, Omã enviando DDP
Shenzhen kapoklog desembaraço aduaneiro do Iraque, China para o Iraque DDP
Shenzhen Kapoklog logística Israel desembaraço aduaneiro DDP, China para Israel porta a porta, Israel porta a porta, China para Israel DDP
5. Reconhecimento de imagem aprimorado e rechaveamento reduzido
A IA já está fazendo a diferença aqui, por exemplo, na entrada de dados, incluindo reconhecimento óptico de caracteres e imagemdigitalização– dar-lhe sentido, relacioná-lo com outros elementos do sistema e, particularmente, procurar erros e discrepâncias. Essa pode ser uma diferença de quantidade entre um pedido de venda e a nota de retirada relevante; ou pode ser um endereço de entrega que não existe ou não faz sentido: nesse caso, pode ser possível configurar a IA para fazer sugestões inteligentes sobre qual deveria ser o endereço, antes que o motorista de entrega saia em busca de um ganso selvagem perseguir.
Portanto, há muita coisa acontecendo com a IA no ambiente de warehouse. Actualmente, o panorama é uma colcha de retalhos de pequenos desenvolvimentos que ajudam as pessoas a adaptar pedaços de IA às suas operações, muitas vezes para começar apenas com a eliminação de pequenos trabalhos nas interfaces entre sistemas, que é onde, por exemplo, as discrepâncias de dados tendem a manifestar-se. Mas esta colcha de retalhos certamente se unirá em pouco tempo.
Isso está de acordo com a abordagem da própria Balloon, segundo a qual nossa equipe de inovação visa pequenos grupos de funcionalidades avançadas, sendo o cluster um dos primeiros, e onde já observamos grandes ganhos de eficiência nas instalações dos clientes.
O gerenciamento de armazém é caracterizado por múltiplas entradas de dados e múltiplas decisões e cenários de saída possíveis. Estas estão além da capacidade dos gestores humanos de otimizar de forma robusta e oportuna, enquanto as abordagens algorítmicas tradicionais dependem de suposições e simplificações que muitas vezes nem sempre são ou são inteiramente válidas. Entretanto, a mão-de-obra escassa pode estar à espera que lhe digam o que fazer. A IA promete fornecer as ferramentas para resolver esses problemas.
