Data science

Dữ liệu: Ngôn ngữ xác định trong công nghệ hậu cần

Trong phần khách mời đặc biệt này, Marc Meyer, CCO tại Transmetrics, thảo luận về AI và vận chuyển ngay trong thời gian: cách các mô hình công nghệ mang lại lợi thế cạnh tranh cho các doanh nghiệp logistic. Marc là một nhà chiến lược thương mại thực hành với khả năng đã được chứng minh trong việc biến các chiến lược kinh doanh thành các mục tiêu và hành động. Anh ấy có kinh nghiệm làm việc với các công ty khởi nghiệp, nâng cấp, xây dựng thương hiệu, tinh gọn và nhanh nhẹn cũng như Tư duy thiết kế. Marc là công ty đi đầu trong việc xây dựng và triển khai chiến lược tiếp thị và bán hàng tích hợp, mở ra thị trường mới, tập trung vào nhận thức về thương hiệu, tiếp thị lấy khách hàng làm trung tâm, tạo khách hàng tiềm năng và tiếp thị giao dịch chiến lược. Khi học một ngôn ngữ mới, sự đắm chìm là chìa khóa. Điều này là do người ta phải thực sự phân biệt được bản chất và phần bên ngoài của cách các từ được sử dụng — chưa kể rằng trong ngôn ngữ học, luôn có những điều cần lưu ý. Dữ liệu là một ngôn ngữ của riêng nó. Trí tuệ nhân tạo (AI) có thể giúp chuyển ngôn ngữ của dữ liệu từ dạng kiến ​​thức thô sang thông tin có chứa thông tin chi tiết hữu ích và chỉ đạo hành động. Là kiến ​​thức nội bộ được hệ thống hóa, AI có khả năng chuyển đổi quy trình hiệu quả của các doanh nghiệp trong các ngành. Điều này đặc biệt áp dụng trong các công nghệ hậu cần nơi dữ liệu là nền tảng của tất cả các hoạt động. Những đổi mới AI mới nổi là yếu tố thúc đẩy xác định khả năng sử dụng của dữ liệu và sẽ đóng vai trò quan trọng đối với chuỗi cung ứng và tất cả các quy trình lân cận — từ điều phối đến chặng cuối cùng. Một ví dụ là cái gọi là vận chuyển Just-In-Time, được đặt tên theo phương pháp sản xuất nổi tiếng do Toyota phát triển lần đầu tiên. Hãy cùng xem xét những cách mà AI, thông qua ngôn ngữ dữ liệu, sẽ khởi động phương thức vận chuyển Just-In-Time trong tương lai. Insight Dịch bởi NLP và ML Người ta dự đoán rằng AI sẽ tăng năng suất trong lĩnh vực hậu cần hơn 40% 2035. Điều này rất quan trọng bởi vì, cũng như tất cả mọi thứ trong lĩnh vực hậu cần, năng suất không chỉ là yếu tố quan trọng mà còn là yếu tố quyết định các thước đo hiệu quả cho các công ty. Vận chuyển và hàng hóa, nếu bất cứ điều gì trong thời đại ngày nay, là quốc tế. Toàn cầu hóa đã làm thay đổi mạnh mẽ thị trường và nhu cầu không còn là cục bộ nữa. Điều hoàn toàn ngược lại – các công ty vận chuyển thường dựa trên một góc của bản đồ và các sản phẩm mà họ đang di chuyển từ điểm A và B ở hai góc khác. Điều này làm cho sự hiểu biết ngôn ngữ đa dạng trở nên vô cùng quan trọng. Với Xử lý ngôn ngữ tự nhiên (NLP), AI có thể lấy thông tin hoạt động qua nhiều ngôn ngữ, nắm bắt bối cảnh của tất cả dữ liệu và dồn tất cả sự nhạy bén vào cơ sở dữ liệu trung tâm và được thông tin cục bộ. Được trang bị kiến ​​thức, AI thông qua Học máy (ML) có thể áp dụng toàn bộ dữ liệu này vào phân tích dự đoán và dự báo nhu cầu để cung cấp thông tin tốt hơn cho các tài sản vật lý trong các lĩnh vực khác nhau. Một thuật toán AI được thiết kế tùy chỉnh có thể được triển khai vào kế hoạch đầu tư mạng và đường dây, lập chiến lược chính xác hơn cho các khu vực khác nhau. Điều này tạo ra những hiểu biết sâu sắc để giúp các công ty vận chuyển dự đoán những thay đổi ở các địa điểm khác nhau trước đường cầu. Vận chuyển Just-In-Time (JIT) sau đó được củng cố vì chiến lược quản lý hàng tồn kho được thông báo tốt hơn ở cấp địa phương. Nhiều công ty sản xuất giao thông vận tải có các bộ phận chuỗi cung ứng của riêng họ — và với sự hiểu biết về địa phương và khu vực tốt hơn, bức tranh càng lớn càng chi tiết và chính xác. Bằng cách này, AI cho phép sự hiểu biết rộng rãi hơn trên các hoạt động được phân đoạn, giúp dự đoán nhu cầu cho từng đơn vị trong một công ty quốc tế hoặc nhiều lĩnh vực. Điều này thông báo cho các công ty về lượng hàng tồn kho trên mặt đất ở một địa điểm cụ thể vào một thời điểm cụ thể — điều này đặc biệt quan trọng khi nói đến các công ty vận chuyển có tồn kho nguyên liệu thô hoặc hàng hóa dễ hư hỏng. Sự thành công của quá trình này phụ thuộc vào một điều đầu tiên và quan trọng nhất là dữ liệu chính xác và đầy đủ thông tin. JIT trong Công nghệ Logistics Trong một nghiên cứu gần đây, giá trị cực kỳ của dữ liệu chính xác đã được giới thiệu. Trong nghiên cứu, một công ty được đề cập đã không có số liệu thống kê trực tiếp về việc sử dụng (hệ số tải) của các tuyến đường thuộc nhóm của họ vì họ chỉ lấy dữ liệu từ một vài lần kiểm tra tại chỗ trong hoạt động tuyến của họ. Qua phân tích ban đầu, người ta chỉ ra rằng ít hơn 20% dữ liệu của công ty thực sự có thể sử dụng được, điều này đang ảnh hưởng đáng kể đến hoạt động của họ. Người ta thấy rằng bằng cách trích xuất thông tin từ Hệ thống Quản lý Vận tải (TMS), chất lượng dữ liệu từ các thủ tục đầu cuối có khả năng được cải thiện. Sử dụng khung chất lượng dữ liệu dựa trên AI — sử dụng NLP, ML và tối ưu hóa máy tính — một thuật toán tùy chỉnh được tự động hóa. Thuật toán này sau đó có thể được sử dụng liên tục hàng ngày để giúp làm sạch dữ liệu một cách nhanh chóng. Hơn nữa, nó không ảnh hưởng đến các quy trình hiện có của công ty và có thể chạy song song với các hoạt động đã được thiết lập. Trong vòng hai tháng, thuật toán được áp dụng cho hoạt động của công ty cụ thể này đã đạt đến mức 90% + dự đoán đúng về các giá trị bị thiếu và sẵn sàng thử nghiệm trong thế giới thực. Thử nghiệm đầu tiên được thực hiện trong nhà kho, bằng cách so sánh kích thước dự đoán của các lô hàng với những gì quan sát được trên sàn. Nó được chỉ ra rằng kích thước dự đoán đã vượt quá 90% so với những gì có thể được đo bằng thước trên lô hàng thực tế. Điều này làm việc cho các thùng carton, các lô hàng có hình dạng bất thường và được xếp chồng lên nhau. Thử nghiệm thứ hai được thực hiện ở cấp độ linehauls (xe tải). So sánh các hệ số tải được đo bằng dữ liệu nâng cao của AI với những gì có thể thấy trên bản ghi camera an ninh của các xe tải rời kho, một lần nữa có một điểm trùng khớp hơn 90% quan sát được giữa dữ liệu AI và những gì có thể nhìn thấy trên máy ảnh. Nhìn chung, quá trình làm sạch dữ liệu đã cho thấy mức độ rõ ràng của việc triển khai AI trong vận chuyển, nhưng thậm chí còn hơn thế nữa giá trị của độ chính xác cần thiết từ dữ liệu trong hậu cần. Khi nó được chứng minh rằng các hệ số tải thực tế thấp hơn đáng kể 95% tỷ lệ chính xác trung bình mà công ty báo cáo ban đầu, việc triển khai AI đã cải thiện chất lượng của dữ liệu và tăng độ chính xác trong hoạt động. Đăng ký nhận bản tin InsideBIGDATA miễn phí. Tham gia với chúng tôi trên Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1

  • Trang chủ
  • CRM
  • Email doanh nghiệp
  • Email marketing
  • Marketing News
  • Marketing tổng thể
  • SEO
  • Thiết kế Website
  • Web Hosting
  • Chatbot
  • Data science
  • Back to top button