Mutatunk néhányat a MI logisztikai felhasználási lehetőségeiből
A mesterséges intelligencia gyakran még mindig misztikus fogalomnak tűnik, pedig a jól hangzó kifejezés mögött mára már hétköznapinak tűnő technológiák összességét találjuk. Jelenlegi cikkünkben három olyan felhasználási esetet mutatunk be, melyek rávilágítanak az MI-alapú technológiák sokoldalú alkalmazhatóságára.
A szállítási és logisztikai szektort súlyosan érintette a Covid-19 járvány, a világon szinte mindenhol általánossá váltak a határzárak és egyéb lezárások a vírus elleni küzdelem során. A MI és az automatizálási technológiák azonban bebizonyították, hogy segítenek felülkerekedni a problémán azáltal, hogy lehetővé teszik az ágazat számára az innovációt, elősegítik a helyreállítási folyamatot.
„A globális logisztikai ipar 2021-ig várhatóan 3215 milliárd dollár értékre nő”, Philip Ashton, a 7bridges vezérigazgatója szerint. „A szállítás és logisztika mesterséges intelligencia-megoldásai ennek a növekedési trendnek az integráns részei, és nélkülözhetetlenek lesznek abban, hogy a fogyasztók egyre magasabb elvárásainak megfeleljünk.
Kognitív gépi olvasás (cognitive machine reading – CMR)
A szektoron belüli AI-megvalósítás egyik fajtája a különféle adattípusok – kognitív gépi olvasás néven ismert – hatékony olvasásának módja.
Asheesh Mehra, az Antworks csoport vezérigazgatója kifejtette: „A Covid-19 járvány nehézségeket és bizonytalanságot okozott a logisztikai és szállítási iparban. Az utazási és üzemeltetési korlátozások miatt a vállalatok akár 75%-a jelentős zavarokat szenvedett az ellátási lánc működésében. Azonban azoknak a vállalatoknak, amelyek még időben megfelelő lépéseket tettek a digitalizáció felé, az automatizálás kritikus szerepet játszott az üzletmenet folytonosságának támogatásában és fenntartásában olyan folyamatok esetében, mint a logisztikai tervezés vagy az ügyfelek részére való számlázás.
„A kognitív gépi olvasás alapú automatizálási eszközök csökkentik a logisztikai tervezéshez hagyományosan kapcsolódó nehéz és időigényes manuális feladatokat. A CMR ezt strukturált és strukturálatlan adatformátumok elemzésével, kinyerésével és feldolgozásával teszi, hogy gyorsan készítsen nagyon pontos jelentéseket az előrejelzéshez vagy éppen utólagos műveletekhez.”
Segítség a légitársaságoknak
Bhanu Choudhrie, a C&C Alpha Group ügyvezető igazgatója elmagyarázta, hogy a MI hogyan támogathatja a repüléssel kapcsolatos műveleteket, és hogyan segíthet egy olyan iparágon, amelyet a kereslet zuhanása miatt különösen súlyosan érintett a járvány.
„A MI-technológiákat már széles körben elfogadták a légi közlekedési iparban” – mondta Choudhrie. „Az arcfelismeréstől az útlevélkezelésen át a poggyászfelvételig és a repülőgépek távfelügyeletéig évek óta MI-alapú rendszerek egyszerűsítik a folyamatokat, mind az üzemeltetők, mind az ügyfelek esetében. A MI azonban a jelenlegi alkalmazásokon túl sokkal nagyobb potenciállal rendelkezik.”
„Az AI és a gépi tanulási algoritmusok kiválóan ismerik a mintákat, és rendkívüli hatékonysággal gyűjtik össze a kadétok képzési folyamatából származó adatokat. Mivel a legtöbb repülési szimulátor már el van látva olyan érzékelőkkel, amelyek jelentős mennyiségű adatot generálnak, ez az erőforrás már felhasználható a pilóta kompetenciáinak értékelésére, a képzés kezdetétől fogva.”
A nagy teljesítményű mesterséges intelligencia és gépi tanulási rendszerek rövid idő alatt képesek több száz repülési paraméter elemzésére, és több ezer órányi szimulátoradat rendezésére, vagyis olyan kiértékelések előállítására, amelyeket csupán emberi munkaerővel nem lehetne. A MI-programok részletesen elemzik a pilóta képességeit, amikor kulcsfontosságú manővereket hajt végre, és valós idejű adatok alapján átfogó értékelést készíthetnek a kadét erősségeiről és gyengeségeiről is.
Az ellátási lánc menedzsmentje
A szállítási és logisztikai műveletek egyik fő szempontja az ellátási láncok kezelésének optimalizálása. John Malpass, a Teradata EMEA kiskereskedelmi konzultációs vezetője betekintést engedett abba, hogy ez a terület miként profitálhat a MI-ból.
A MI-technológia nemcsak a részfeladatok esetében hasznos: akkor látjuk igazán az erejét, amikor a munka és az üzleti folyamatok átalakítására használjuk fel. Ezek középpontjában az adatok állnak. Az ellátási lánc teljes hosszán összegyűjtött adatok integrálása és automatizált elemzése összehangolt lesz, és új felismeréseken alapuló megközelítéseket tesz lehetővé az optimalizálás és működtetés érdekében. A felhasználók így holisztikusan gondolkodhatnak az ellátási lánc kezeléséről, ami eddig nem volt lehetséges.
Az integrált adatok és a prediktív valós idejű automatizálás kombinációjával a felhasználók újratervezhetik az elavult, manuálisan intenzív üzleti folyamatokat. Helyes megvalósítás esetén a mesterséges intelligencia használatával nagy versenyelőnyre lehet szert tenni.
Az időjárási viszonyok figyelemmel kísérése
Azáltal, hogy az időjárást MI-val elemzi egy vállalat, olyan problémákat vehet észre, amelyekre a sok tényező egybeesése miatt korábban nem is gondolt.
Peter Van Merode, a Blue Yonder 3PL ipari stratégiájának alelnöke állítja: „A MI kulcsfontosságú szerepet játszhat a lehetséges szállítási és logisztikai zavarok azonosításában, az olyan információk felhasználásával, mint a termékeknek az időjárás miatti változásai vagy a lejárati ideje, valamint a gépi tanulással (ML) kombinálva a problémák minimalizálhatók, vagy teljesen el is kerülhetők. Ha például a mesterséges intelligencia észreveszi, hogy a tengeri időjárás miatt a kikötőket jó eséllyel be kell zárni, akkor egy másik szoftver segítségével könnyen és gyorsan lehet új útvonalat keresni. Ez döntő fontosságú lehet az olyan termékek esetében, mint például a zöldségek, eltarthatósági ideje rövid, és a teljes rakomány elveszhet, ha nem ér időben a boltokba” – magyarázta. „Az ilyen jellegű logisztikai problémák elkerülése elősegíti a hatékonyságot, miközben drámai módon csökkenti a hulladékot, és a nyereséget is növeli.”
Hegyi Heni, Okosipar.hu