De snelheid waarmee bedrijven zich aanpassen en kunstmatige intelligentie (AI) toepassen, neemt toe, en er is één industrie die, volgens het Centre for Data Ethics and Innovation van de Britse regering , ingrijpende veranderingen doorvoert die tal van kansen bieden. De logistieke sector is een van de meest geavanceerde toepassers van AI, stimuleert innovatie en verbetert belangrijke bedrijfsfuncties, wat leidt tot tastbare voordelen voor klanten.
In dit artikel deelt Oliver Facey, Senior Vice President of Global Network Operations Programs bij DHL Express, zijn unieke kijk op hoe AI logistieke activiteiten transformeert voor bedrijven van elke omvang. In dit artikel verkent hij het huidige landschap en wat de toekomst in petto heeft voor AI.
Uitdagingen op het gebied van last-mile bezorging
Om het volledige potentieel van AI om de logistiek te optimaliseren te begrijpen, moet je eerst de uitdagingen begrijpen waarmee veel bedrijven worden geconfronteerd. De B2C-handel is de afgelopen jaren geëxplodeerd: 10 jaar geleden was het 10-15% van ons volume; Vandaag is dat 40%. En daarmee is de vraag van klanten en de operationele uitdagingen toegenomen. DHL On-Demand Delivery heeft natuurlijk aan een aantal van deze behoeften voldaan, maar AI zal mogelijk helpen om aan andere verwachtingen te voldoen.
Voordelen van AI in de logistiek
Dus, hoe transformeert AI de logistiek precies? Het is een vraag die mij vaak wordt gesteld en iets dat DHL voortdurend onderzoekt en uitprobeert om onze klanten de beste service te bieden. Enkele van de toepassingen zijn:
Last-mile optimalisatie van bezorgroutes
Onze klanten willen steeds vaker weten wanneer hun leveringen aankomen, maar we beheren veel internationale zendingen en met vluchten die over de hele wereld gaan, is er veel te volgen. Daarom hebben we uitgebreid werk verricht met voorspellings- en voorspellingsmodellen. We kunnen die gegevens gebruiken om bijvoorbeeld met 90%-95% zekerheid te weten dat bepaalde volumes zendingen voor deze dag in een bepaalde faciliteit zullen aankomen. Vervolgens gebruiken we die informatie om te beginnen met het plannen van de routes van de koeriers, het matchen van volumes, service en andere belangrijke variabelen.
Zodra de pakketten in de bestelwagen zitten, optimaliseren we de route verder met behulp van AI-aangedreven software van Wise Systems. In slechts enkele seconden kan het een route met 120 haltes nemen en de volgorde bestellen op basis van parameters zoals een dringende medische expreslevering, of een levering die voor 9 uur 's ochtends bij een klant moet zijn, of in het algemeen rekening houdend met de afstand per stop om de best mogelijke routevolgorde te krijgen.
Vervolgens sturen we de klant een voorspelde bezorgtijd via een mogelijkheid genaamd Follow My Parcel. Naarmate de koerier dichter bij de klant komt, krijgt hij een specifieker tijdvenster, met een melding die zegt: "we zijn 20 minuten bij jou verwijderd." En op dat moment kan de klant nog enkele wijzigingen aanbrengen - ze kunnen ervoor kiezen om de levering uit te stellen tot een later tijdstip of naar een buurman. Dit helpt om de klantervaring en het leveringspercentage van DHL bij de eerste poging te verbeteren.
Kortom, AI biedt mogelijkheden voor slimmere routeplanning, wat betekent dat we sneller kunnen leveren - met minder brandstofverspilling. Ondertussen krijgen onze klanten een nauwkeuriger tijdvenster voor hun levering - en de flexibiliteit om de levering van het pakket te beheren.
Er zijn veel uitdagingen bij het "systematiseren" van deze informatie naar een voorspelde route, terwijl tegelijkertijd ook de variabele "koerierskennis" wordt opgenomen. Niet alle informatie over lokale en klantvoorkeuren is bekend bij de gegevens en systemen, dus de voortdurende uitdaging is om manieren te vinden om deze informatie samen te voegen in de besluitvorming en de voorspellingen en uitvoering nog verder te verbeteren. Een cruciale factor voor het succes van AI en het downstreamproces zijn gegevens, nauwkeurige, relevante, tijdige en hoogwaardige gegevens. Gegevens worden soms omschreven als het "levensbloed" van DHL, Nou, het is nu belangrijker dan ooit.
Vision Picking-technologie
De vooruitgang van vision picking-technologie binnen de magazijnomgeving omvat 'slimme brillen'. In plaats van te vertrouwen op handscanners, kunnen mensen tijd besparen met draagbare brillen die streepjescodes lezen en reageren op spraakopdrachten.
Als groep zijn we momenteel bezig met het verkennen van deze en soortgelijke technologie. Stel je voor dat 100 koeriers aan weerszijden van een lopende band met pakketten in de rij staan. Ze moeten naar ieders etiket kijken om het adres te controleren en het juiste voor hen te vinden. Maar als we automatisch de barcodes zouden kunnen lezen om aan te geven dat een specifiek pakket aan een specifiek voertuig moet worden toegewezen, met behulp van een bril en een soort visuele lezing of begeleiding, zouden we tijd besparen en fouten verminderen. Ik zou echter willen benadrukken dat hoewel brillen goed zijn met statische elektriciteit, ze wat moeite hebben met bewegende delen, dus deze technologie is echt een "werk in uitvoering". En er worden ook andere opties overwogen.
Flexibiliteit in de toeleveringsketen
Een wendbare supply chain is een must om bedrijven te helpen zich aan te passen aan marktschommelingen en veranderende eisen van klanten. AI kan helpen, bijvoorbeeld door grote hoeveelheden klantgegevens te analyseren om trends te identificeren en de toekomstige vraag te voorspellen, en vervolgens vereisten door te geven aan leveranciers, zodat de voorraadniveaus altijd optimaal zijn.
AI kan ook de afhandelingsstatus van bestellingen volgen en klanten onmiddellijk op de hoogte houden wanneer er iets vertraging oploopt. En het kan markttrends voor prijsstelling identificeren en de prijzen van bedrijven dienovereenkomstig aanpassen, zodat ze concurrerend blijven.
Over het algemeen automatiseert kunstmatige intelligentie veel belangrijke stappen van toeleveringsketens om bedrijven tijd en geld te besparen en ervoor te zorgen dat hun eindklanten ook de beste service krijgen.
Brandstofbesparing
Ik heb het al gehad over route-optimalisatie, die tot doel heeft de reistijd van voertuigen per stop te minimaliseren en zo het brandstofverbruik te verminderen ten opzichte van het beheerde volume. Te midden van fluctuerende brandstofkosten kunnen analyses ook een aanzienlijk verschil maken, zoals het identificeren wanneer bestelwagens te lang stationair draaien of wanneer laad- en losprocessen inefficiënt worden uitgevoerd. Als onderdeel van de dagelijkse routeoptimalisatie wordt rekening gehouden met verkeersniveaus en wegomstandigheden om voertuigen te helpen vertragingen te voorkomen en zo snel mogelijk op de plaats van bestemming te komen. Wanneer de plannen dynamisch zijn, kan verder rekening worden gehouden met deze veranderende omstandigheden om de efficiëntie te verhogen.
De opkomst van elektrische voertuigen is natuurlijk ook aanzienlijk - het verlaagt de brandstofkosten en is tegelijkertijd een duurzamere optie.
Verbetering van de klantenservice
Het eerste aandachtsgebied zijn chatbots. AI stelt chatbots in staat om een beter inzicht te krijgen in de intentie van de klant tijdens interacties. Sommige van onze teams gebruiken een op AI gebaseerde virtuele assistent die reacties van klanten profileert en sentiment verzamelt over hun reacties - wat natuurlijk betekent dat we hen kunnen helpen een nauwkeurigere oplossing voor hun vraag te vinden, en sneller.
Geavanceerde AI-aangedreven chatbots kunnen bedrijven zelfs helpen bij upselling en cross-selling aan klanten, wat natuurlijk een uiterst aantrekkelijke propositie is.
AI is ook gunstig voor de klantenservice omdat het de voorkeuren van klanten kan leren. Als we bijvoorbeeld regelmatig met klanten werken die internationaal verzenden, kunnen we machine learning gebruiken om hun voorkeuren met betrekking tot douane-inklaring te kennen, zodat we niet elke keer contact met hen hoeven op te nemen voor de informatie. Bovendien kan machine learning voor onze kleinere klanten die niet bekend zijn met de HS-codes van douanetarieven , hen snel naar de juiste classificatie voor hun goederen leiden, zodat ze een sneller inklaringspercentage hebben. De aard van machine learning betekent dat het voortdurend verbetert, zodat de service die klanten ontvangen steeds nauwkeuriger wordt.
De toekomst van last-mile delivery
Wat betreft de toekomstige rol van AI in last-mile delivery, zijn de mogelijkheden echt eindeloos. Automatisering en machine learning hebben het potentieel om elke stap van de logistiek te optimaliseren - en de technologie verandert voortdurend, past zich aan en verbetert.
Ik hoop dat je geïnspireerd bent geraakt door dit artikel. Ik moedig je aan om ook de Logistics Trend Radar van DHL te bekijken , die enkele van de andere technologieën verkent die de industrie de komende jaren zullen transformeren, waaronder interactieve AI, drones, big data-analyse en mobiele robots binnenshuis - om maar een paar voorbeelden te noemen!
DHL heeft altijd voorop gelopen op het gebied van logistieke innovaties. Met een DHL Express Business Account heb je toegang tot een reeks toonaangevende oplossingen om je te helpen uitdagingen te overwinnen en aan de vraag van de klant te voldoen.
