Как ИИ преобразует операции цепочек поставок

Ищете реальные примеры как ИИ преобразует операции цепочек поставок организаций, которые внедрили решения искусственного интеллекта и видят финансовые и операционные результаты? Мы подаем их прямо здесь.

Ажиотаж против реальности: перспективы использования ИИ в цепочках поставок — ВЭД Логика

Даже в 2025 году работники склада нередко получают информацию из нескольких систем, используя электронные таблицы, доски, электронную почту и другие инструменты, в основном ручные, для сбора данных, говорит Кит Мур, генеральный директор AutoScheduler, которая предлагает платформу оркестрации склада. Вся работа, необходимая для управления данными, оставляет меньше времени на то, чтобы извлечь из них ценную информацию.

Если компании вместо этого будут собирать данные в единый репозиторий и использовать решения искусственного интеллекта (ИИ), они смогут тратить меньше времени на повседневную работу своих складов и получат больше знаний для принятия решений, говорит Мур.

Хотя перспективы ИИ рекламировались уже много лет, компании, внедрившие решения ИИ, теперь начинают видеть отдачу от своих инвестиций за счет повышения операционной и трудовой эффективности, лучшего отслеживания капитальных активов, а также более точного прогнозирования и проницательных решений, среди других преимуществ.

«ИИ больше не является научным проектом», — говорит Мур. И хотя решения искусственного интеллекта еще не затронули большинство компаний (хотя используются уже очень активно), он прогнозирует, что они станут мейнстримом примерно через пять лет.

Компании, которые первыми и быстро начнут использовать возможности искусственного интеллекта, могут получить преимущество. Вот несколько компаний, которые делают именно это.

Эффективность складов Pepsico стремительно растет

PepsiCo использует искусственный интеллект для улучшения управления трудовыми ресурсами на складе.

По мере того, как операции на складах PepsiCo становились все более сложными и использовались различные технологии, компания по производству напитков все больше полагалась на своих опытных сотрудников, чтобы определить, как лучше всего перемещать продукты из различных зон складов в конечные пункты назначения, сказал старший менеджер по управлению складами Питер Холл в недавнем подкасте AutoScheduler.

Эти сотрудники должны были изучить каждую загрузку, а затем определить, есть ли у них подходящие продукты и люди для ее выполнения.

Когда разразилась пандемия, средний стаж и опыт сотрудников склада упали. Система управления складом от AutoScheduler теперь помогает PepsiCo, помимо прочей информации, определять количество сотрудников, а также количество времени и пространства, необходимых для активации запланированного количества загрузок. По словам Холла, сайты, на которых установлено это программное обеспечение, в среднем увеличивают количество перемещений в час примерно на 12%.

SGWS повышает точность прогнозов

Компания Southern Glazer использует ИИ-решение Amazon SageMaker для составления прогнозов спроса.

Southern Glazer’s Wine & Spirits (SGWS) занимается дистрибуцией алкогольных напитков и работает на 47 рынках США, а также в Канаде и странах Карибского бассейна. Ежегодно компания осуществляет более шести миллионов поставок, поставляя более 11 000 брендов поставщиков как национальным розничным торговцам, так и местным ресторанам.

Компания Southern Glazer’s проделала огромную работу, используя искусственный интеллект для уточнения прогнозов продаж, — говорит Диего Фонсека, вице-президент по цепочке поставок и логистике SGWS. Компания не только располагает огромным количеством данных о продажах (некоторые из них относятся к столетнему периоду), но и специалисты по планированию включают в свои прогнозы информацию, которую они получают из областей продаж, развития торговли и коммерческих операций. Ручная очистка и работа с таким объемом данных отнимает очень много времени.

Сегодня планировщики могут передать эту информацию в ИИ-решение Amazon SageMaker, которое может генерировать прогноз спроса, учитывающий, помимо других факторов, исторические данные, текущие рекламные мероприятия и сезонность. «Искусственный интеллект хорошо справляется с долгой историей и базами данных», — говорит Фонсека.

Аналогичным образом, чтобы определить, когда размещать заказы, команда по пополнению запасов SGWS постоянно анализирует прогнозируемый спрос, текущие уровни запасов и сроки выполнения заказов поставщиками, при этом учитывая потенциальные сбои, такие как забастовки в портах, а также предлагаемые объемы заказов. Они также работают с поставщиками, чтобы обеспечить наличие продукции.

Решение на базе искусственного интеллекта может быстро выявлять различные закономерности и использовать машинное обучение для создания моделей пополнения. Планировщики могут тратить меньше времени на точную настройку более предсказуемых бизнес-направлений и вместо этого могут сосредоточиться на повышении точности более сложных прогнозов, например, для спиртных напитков.

SGWS запустила свою программу искусственного интеллекта весной 2024 года. «Ее реализация — это огромный шаг вперед со стороны ИТ», — говорит Фонсека. Создание инфраструктуры данных требует, среди прочего, определения качества данных и их источников, а также решения о том, как создавать модели данных.

По словам Фонсека, партнер с опытом работы в сфере искусственного интеллекта может предоставить ценную информацию. В то же время было бы ошибкой просто перепоручить эту работу аутсорсеру. Компании необходимо подтвердить, что данные, инфраструктура и алгоритмы надежны и работают так, как задумано. Фонсека говорит, что его команда тесно сотрудничала с учеными, работающими с данными, чтобы постоянно оценивать результаты. SGWS продолжила использовать Blue Yonder для своей ERP-системы, создав интеграцию между ней и SageMaker.

Первоначально около четверти планировщиков SGWS работали с решением ИИ. С тех пор этот показатель вырос примерно до 55 %, и сотрудники видят, как это помогает повысить производительность,

По словам Фонсека, благодаря искусственному интеллекту прогнозы SGWS на 2024 год неизменно были примерно на шесть пунктов лучше, чем были раньше. Прогнозы ИИ становятся точнее по мере приближения прогнозируемых дат к фактическим. Это помогает при закупках отечественных товаров, где сроки выполнения заказов, как правило, короче, чем при международных закупках.

SGWS также начала использовать искусственный интеллект для преобразования тысяч счетов-фактур операторов связи в полезные данные. Учитывая объем счетов от разных перевозчиков, у компании не было практического способа вручную отслеживать эти расходы и определять способы их сокращения. С помощью искусственного интеллекта Фонсека и его коллеги могут быстро разделить расходы по таким атрибутам, как топливо, поставщик услуг или регион, а затем сосредоточиться на возможностях экономии.

Эти инициативы являются частью Lumina, 10-летней стратегии и видения, направленных на раскрытие всего потенциала цепочки поставок и операционной системы SGWS для обеспечения долгосрочной ценности. Он включает в себя значительные инвестиции в искусственный интеллект.

Werner оптимизирует восстановление трейлеров

Werner Enterprises интегрирует искусственный интеллект в различные аспекты своей деятельности для повышения эффективности и безопасности.

В середине 2024 года компания Werner Enterprises внедрила GenLogs, решение на базе искусственного интеллекта, позволяющее упростить поиск пропавших прицепов, в связи с растущей проблемой несанкционированного использования операторов связи и отсутствия оборудования. «Эти инциденты привели к снижению эффективности, увеличению затрат и снижению прозрачности использования оборудования», — говорит Дараг Махон, исполнительный вице-президент и директор по информационным технологиям 3PL. Вернеру требовалось решение, которое обеспечивало бы возможность отслеживания и восстановления данных в режиме реального времени.

GenLogs контролирует оборудование с помощью систем камер, установленных на дороге, выявляя прицепы, которые были помечены как пропавшие, или прицепы с неисправными геолокационными устройствами. «Мы устранили догадки, которые раньше требовались при поиске пропавшего оборудования», — говорит Махон.

GenLogs сокращает время, необходимое для поиска пропавших трейлеров, с дней или даже недель до нескольких часов, говорит Махон. Это также позволяет Werner выявлять случаи несанкционированного использования прицепа, что позволяет компании быстро принять корректирующие меры. Имея конкретные доказательства несанкционированного использования, Вернер смог урегулировать многочисленные претензии, что привело к лучшему распределению ресурсов, сокращению времени простоя и усилению оперативного контроля, что в конечном итоге привело к более эффективной цепочке поставок.

Вернер также использует данные искусственного интеллекта для анализа моделей движения по полосам движения. Это понимание может еще больше оптимизировать логистические операции.

Стандартная логистика оптимизирует грузы

Компания Standard Logistics использует платформу автоматизации принятия решений Optimal Dynamics для оптимизации грузов.

Standard Logistics начала использовать механизм оптимизации на основе искусственного интеллекта от Optimal Dynamics в 2021 году, чтобы определить, какие из грузов, предлагаемых ее автопарку, она должна принять, а какие передать своему брокерскому решению.

«У нас было слишком много грузов на выбор, и у нас не было надлежащего механизма оптимизации, который позволял бы гарантировать, что мы выбираем правильные грузы для нашего парка», — говорит Фолькер Баргенда, президент 3PL.

Люди не могут обрабатывать тысячи переменных, необходимых для принятия оптимизированных решений по планированию грузовых перевозок, не говоря уже о том, чтобы учитывать присущую им неопределенность, которая существует во всей сети перевозчика, — говорит Эрика Франк, вице-президент по маркетингу Optimal Dynamics. Технология искусственного интеллекта может определять оптимальные нагрузки на основе множества факторов, включая, среди прочего, обязательства по обслуживанию, доход и потенциал транспортной связи.

После того как груз принят, решение также помогает Standard Logistics определить, какого водителя назначить для какого груза, используя для принятия этого решения информацию из системы управления транспортировкой. Сюда входят доступные часы работы водителей, обязательства перед клиентами, которые могут повлиять на расстановку приоритетов, и рентабельность загрузки. Решение сочетает потенциальный доход с операционной эффективностью.

Компания Standard Logistics видит сильную корреляцию между увеличением доходов на одного водителя, поскольку компания более последовательно использует ИИ-решение Optimal Dynamics для приема и отправки грузов, говорит Баргенда.

CJ Logistics повышает безопасность сотрудников

Решение искусственного интеллекта OneTrack помогает CJ Logistics управлять безопасностью сотрудников.

Безопасность сотрудников является ключевым моментом в CJ Logistics America. Цель «следить за тем, чтобы все сотрудники, приходящие на работу, уходили одинаковыми», — говорит Лаура Адамс, старший вице-президент по постоянному совершенствованию, технологиям, инжинирингу, решениям и интеграции бизнес-процессов.

Это не всегда легко для складских работников. «Склады — это массивные здания с большой площадью, множеством людей и множеством машин, пересекающих пути», — говорит Эван Стинсон, директор по маркетингу компании OneTrack, которая предлагает складскую операционную систему.

Из-за их размера и сложности сложно постоянно отслеживать каждую операцию на складе. Даже камеры видеонаблюдения могут пропускать мертвые зоны или выдавать слишком зернистые изображения, чтобы их можно было использовать.

В 2018 году компания CJ Logistics заключила партнерское соглашение с OneTrack, чтобы лучше понимать действия, происходящие на ее складах, и работать над предотвращением несчастных случаев и травм. Камеры, установленные на оборудовании на складе, фиксируют действия сотрудников.

Решение OneTrack с искусственным интеллектом может выявлять аномальные события, например, когда задача занимает больше времени, чем обычно, или вилочный погрузчик врезается в стойку с полками. По словам Стинсона, чтобы получить эту информацию без ИИ, людям пришлось бы целый день смотреть на камеры.

Руководители могут получать сводки смен с указанием сотрудников, которым может быть полезно дополнительное обучение, а также видеоконтекст для предоставления инструкций.

Благодаря этой информации руководители могут целенаправленно обучать своих сотрудников, уменьшая потенциальные и фактические проблемы безопасности, говорит Адамс.

Решение также может выявлять проблемы безопасности, которые регулярно возникают в определенную смену. Это может означать, что руководителю будет полезно дополнительное обучение.

Реализация такого решения может вызвать проблемы с конфиденциальностью. По словам Адамса, компания, внедряющая его, должна дать сотрудникам понять, что это инструмент, который облегчит им выполнение задач.

Более того, по словам Стинсона, решение OneTrack учитывает поведение людей, а не фиксирует биометрические данные и не использует распознавание лиц. Компания работает с каждым штатом, чтобы обеспечить соблюдение применимых правил конфиденциальности.

В компании CJ Logistics решение OneTrack сократило количество потенциальных событий, связанных с безопасностью, почти на три четверти, одновременно увеличив количество единиц продукции в час в среднем на 11 %. Это также сократило повреждение продукта на 60%.

Компания CJ Logistics в настоящее время работает над проектом по загрузке макета склада САПР, который будет связан с данными камеры OneTrack. Это может помочь несколькими способами, такими как оптимизация маршрутов передвижения, уменьшение зон скопления людей, а также улучшение зонирования и распределения мест.

Результаты документов DISA

DISA Global Solutions предлагает услуги по проверке сотрудников, такие как проверка анкетных данных, тестирование на наркотики, а также соблюдение требований автопарка и водителей. По словам Стивена Спенсера, старшего вице-президента по стратегии, эти решения «очень ресурсоемки», и DISA обрабатывает миллионы форм и записей ежегодно.

В 2024 году компания DISA внедрила решение на базе искусственного интеллекта для управления растущим объемом заказов клиентов, обеспечивая при этом точность и эффективность. Искусственный интеллект позволяет компании быстрее масштабироваться без ущерба для качества.

Хотя бумажная работа стала предметом многих шуток, документы имеют решающее значение для целого ряда событий, важных как для частных лиц, так и для предприятий, например, когда покупатели жилья получают ипотеку или импортеры ждут отчетов о проверках. Hypercell, платформа искусственного интеллекта от HyperScience, читает, понимает и обрабатывает документы с точностью 99,5%.

Он постоянно обучается и адаптируется к документам организации, позволяя автоматизировать различные процессы, такие как проверка контрактов и принятие решений по претензиям.

DISA использует искусственный интеллект главным образом для автоматизации сортировки и обработки документов, например для извлечения информации из файлов квалификации водителей.

«Наша автоматизация на основе искусственного интеллекта обеспечила точность классификации документов на уровне 99,5 %, и подавляющее большинство классификаций теперь автоматизировано», — говорит Спенсер. «Это сэкономило время и деньги и расширило наши возможности масштабирования».

7 шагов к успешной реализации ИИ

Эти рекомендации могут помочь организациям реализовать внедрение ИИ, которое достигнет желаемых преимуществ.

1. Определите правильные проблемы. Хороший проект ИИ — это тот, который человек мог бы решить, если бы у него были все данные и все время мира. «Если человек мог это сделать, то и ИИ, вероятно, сможет это понять», — говорит Кейт Мур, генеральный директор AutoScheduler. И наоборот, если необходимые данные недоступны, ИИ может оказаться не лучшим решением.

2. Расставьте приоритеты в управлении изменениями. Одной технологии недостаточно. Сотрудники могут сопротивляться искусственному интеллекту, если боятся сокращения рабочих мест. Успешные внедрения ИИ показывают, как решение дает возможность переопределить роли и поднять сотрудников на более стратегические позиции.

3. Настаивайте на прозрачности со стороны поставщика ИИ. Поставщик должен выйти за рамки модных словечек, погрузиться в основную технологию и показать, как она напрямую решает задачи компании.

4. Продвигайте своих поставщиков. Если существующие решения не соответствуют вашим потребностям, предложите поставщикам адаптировать или улучшить свои предложения в соответствии с вашими требованиями.

5. Быстрое внедрение. Чем раньше решение будет введено в эксплуатацию, тем быстрее вы сможете осознать преимущества и усовершенствовать подход.

6. Сохраняйте непредвзятость. Искусственный интеллект может повысить ценность в тех областях, о которых вы изначально не ожидали, говорит Махон.

7. Сохраняйте гибкость. Поскольку сфера ИИ развивается, крайне важно быть готовым к адаптации. «Гибкость позволила нам усовершенствовать процессы и адаптироваться к новым разработкам в области технологий искусственного интеллекта», — говорит Спенсер из DISA, добавляя, что искусственный интеллект — это не разовое решение, а процесс постоянного совершенствования.

Как ИИ помог в работе вашей цепочки поставок?

Совместные инновации и внедрение цифровых работников помогли командам Unilever в США повысить эффективность управления цепочками поставок.

В течение нескольких недель мы заметили заметные улучшения в управлении исключениями и качестве отслеживания. Агенты искусственного интеллекта, подобные тем, которые мы используем, предоставляют полезную информацию и оптимизируют процессы для наших команд, активно выявляя риски, координируя свои действия с операторами связи и принимая немедленные меры. Это позволяет нашим людям сосредоточиться на стратегических инициативах.

Искусственный интеллект интегрирован в нашу повседневную деятельность благодаря нашему партнерству с Happy Robot. Эта система искусственного интеллекта оптимизирует нашу коммерческую деятельность, проверяя перевозчиков, продавая поставки перевозчикам-партнерам и договариваясь об оптимальных тарифах. Кроме того, Happy Robot собирает данные истории маршрутов, чтобы улучшить наши стратегии поиска, повышая эффективность и качество принятия решений в нашей сети.

Технология автоматизированного контроля на наших складах поддонов использует систему электронных «глаз», когда поддоны движутся по конвейеру, а глубокая нейронная сеть под управлением искусственного интеллекта тщательно и мгновенно сканирует поддоны на наличие мельчайших дефектов, включая трещины и отверстия; повреждение или несоосность компонентов поддона; загрязнение; и другие проблемы, которые человеческие глаза могут не заметить. Это не только более точно, но и система обрабатывает в среднем в четыре раза больше поддонов, чем могут выполнить работники.

Интегрировав чат-бота на базе LLM непосредственно в наше приложение для водителей, мы значительно увеличили отклонение колл-центра. Чат-бот использует агентный рабочий процесс, позволяющий решать широкий спектр проблем — от простых часто задаваемых вопросов до сложных сценариев, требующих вызовов API. Важно отметить, что если возникает необходимость передачи проблемы действующему агенту, ИИ заранее определяет предварительную первопричину, чтобы помочь с маршрутизацией, и предоставляет краткое описание, оптимизируя все взаимодействие со службой поддержки.

Наша система регистрации на базе искусственного интеллекта, которую мы внедрили на нашем предприятии в Ларедо, штат Техас, в январе 2024 года, является ярким примером оптимизации операций и повышения скорости. Когда грузовик прибывает на место, система искусственного интеллекта автоматизирует процесс записи номеров прицепов и сопоставления встреч. В результате время ожидания сократилось почти на 30 %, и мы увидели повышение точности входных данных. Это оказало положительное влияние на качество работы водителей, а также на общую эффективность предприятия. Один из наиболее эффективных способов окупаемости инвестиций — это обработка документов. ИИ очень хорош в извлечении информации и классификации документов. Этот вариант использования может быть применен ко многим частям цепочки поставок и может значительно сократить ручные процессы, обеспечивая ценность для бизнеса.

Складская робототехника со сверхспособностями искусственного интеллекта

Гибкая робототехника

Agility Robotics использует платформу ускорения искусственного интеллекта NVIDIA для восприятия в реальном времени и контроллеры с подкреплением на борту своего робота-гуманоида Digit. Платформа позволяет роботам-гуманоидам размещать надежные модели, которые могут обрабатывать данные датчиков и принимать решения в режиме реального времени для улучшения взаимодействия с людьми в динамичных средах.

Agility Robotics расширяет внедрение сред моделирования и обучения роботов NVIDIA Isaac Sim и NVIDIA Isaac Lab для обучения и тестирования поведения на Digit. Используя эти платформы, в которых модели искусственного интеллекта обучены на миллиардах экземпляров, Digit может совершенствоваться посредством обучения с подкреплением в таких областях, как стабильность и пошаговое восстановление.

Amazon Robotics

Роботизированная система Amazon Sequoia использует искусственный интеллект, робототехнику и системы компьютерного зрения для консолидации запасов и освобождения места для хранения в своем центре выполнения заказов в Шривпорте, штат Луизиана. Ускоряя транзакции заказов, он использует мобильных роботов для транспортировки запасов непосредственно в контейнерную систему хранения или к сотруднику, отбирающему товары для заказа клиента.

Ambi Robotics

AmbiStack от Ambi на базе искусственного интеллекта автоматизирует упаковку поддонов, анализируя, отслеживая, комплектуя и размещая упаковки, используя более 200 000 часов складских данных. Новая базовая модель компании, PRIME-1, была предварительно обучена на 20 миллионах изображений, полученных в результате 150 000 часов операций роботизированной сортировки. PRIME-1 повышает производительность роботов на базе искусственного интеллекта, позволяя выполнять расширенные трехмерные расчеты для таких задач, как оценка глубины и выборка. Эта технология повышает эффективность, надежность и адаптируемость автоматизации складов.

Boston Dynamics

Boston Dynamics расширяет возможности искусственного интеллекта для человекоподобных роботов благодаря сотрудничеству с NVIDIA. Его робот Atlas использует платформу NVIDIA Jetson Thor для запуска сложных моделей искусственного интеллекта для контроля и манипулирования всем телом. Используя Isaac Lab, Boston Dynamics разрабатывает передовые политики искусственного интеллекта для ловкости и передвижения в виртуальных средах. Кроме того, компания интегрирует новые возможности искусственного интеллекта в Spot, своего четвероногого робота, и Orbit, свое программное обеспечение для управления автопарком.

Дематический

Dematic использует искусственный интеллект для управления программным обеспечением, которое координирует складские операции, адаптируя рабочие процессы, прогнозируя спрос и управляя автономной робототехникой. Этот интеллект позволяет быстрее и более оперативно принимать решения, помогая клиентам удовлетворять меняющиеся потребности цепочки поставок.

OSARO

OSARO, поставщик робототехники с поддержкой машинного обучения для крупных центров выполнения заказов, запустил OSARO AutoModel, которая позволяет роботам автоматически обучаться и адаптироваться к новым элементам, процессам и рабочим процессам в режиме реального времени, сводя к минимуму время простоя. Это ускоряет внедрение и внедрение новых артикулов и повышает производительность роботов при комплектовании, сборке деталей и автоматической упаковке.

Lab0

Уже развернутая в Dollar Tree роботизированная система Lab0 на базе искусственного интеллекта использует два автономных манипулятора в тандеме с ползунками для подбора и разгрузки посылок. Разработанная для крупных распределительных центров, система автоматизации использует NVIDIA Isaac Sim, платформу моделирования робототехники, созданную на базе NVIDIA Omniverse, и NVIDIA Isaac Lab, среду для моделирования и обучения с подкреплением. Эти технологии улучшают восприятие в реальном времени, принятие решений и роботизированную точность.

ZenaTech

Дочерняя компания ZenaTech, ZenaDrone, разрабатывает рой дронов на базе искусственного интеллекта — скоординированную группу автономных дронов, которые общаются и работают вместе, используя искусственный интеллект и обмен данными в реальном времени для совместного выполнения задач без прямого контроля человека — приложения для управления запасами и обеспечения безопасности. В этой системе используются автономные дроны IQ Nano, которые общаются и сотрудничают в режиме реального времени без прямого контроля человека. IQ Nano, оснащенный встроенными датчиками, высококачественными камерами и функцией анализа данных на основе искусственного интеллекта, обеспечивает эффективную автоматизацию. Время полета не менее 20 минут и автоматическая подзарядка аккумулятора обеспечивают стабильность, безопасность и обход препятствий.