روندهای فعلی هوش مصنوعی در صنعت حمل‌ونقل و لجستیک

هوش مصنوعی در حال انقلاب در نحوه جابجایی و ذخیره‌سازی کالاها در سراسر جهان است. شرکت‌ها در هر مرحله از زنجیره تأمین – از وسایل نقلیه خودران در بزرگراه‌ها تا انبارهای هوشمند – هوش مصنوعی را به کار می‌گیرند تا هزینه‌ها را کاهش داده، بهره‌وری را افزایش دهند و تاب‌آوری بسازند. گزارش‌های جهانی نشان می‌دهند که سرمایه‌گذاری در تحلیل داده‌ها، هوش مصنوعی، رباتیک و اتوماسیون اکنون برای زنجیره تأمین مدرن ضروری است. در واقع، تقریباً همه مدیران حمل‌ونقل مورد بررسی معتقدند هوش مصنوعی صنعتشان را متحول خواهد کرد، اگرچه بیشتر آنها انتظار دارند این تحول در چند سال آینده رخ دهد.

روندهای کلیدی هوش مصنوعی که لجستیک را بازتعریف می‌کنند

حمل‌ونقل و تحویل خودران

کامیون‌های بدون راننده و پهپادهای تحویل از مفهوم به واقعیت در حال تبدیل شدن هستند و شرکت‌های بزرگ پیشرو این مسیرند:

• کامیون‌های خودران مسیرهای طولانی: DHL و ولوو شروع به آزمایش کامیون‌های خودران مسیرهای طولانی (با رانندگان ایمنی در داخل) در تگزاس کرده‌اند، با هدف عملیات ۲۴/۷ که «هزینه‌ها را کاهش داده، بهره‌وری را افزایش داده و ایمنی را بهبود می‌بخشد»
• گسترش تحویل با پهپاد: خرده‌فروشان مانند والمارت به سرعت تحویل با پهپاد را برای لجستیک آخرین مایل گسترش می‌دهند – والمارت به تازگی سرویس پهپاد خود را به ۱.۸ میلیون خانه در تگزاس افزایش داده است
• تأییدیه‌های FAA: شرکت‌هایی مانند DroneUp تأییدیه FAA برای پروازهای فراتر از دید مستقیم دریافت کرده‌اند تا تحویل خودران را گسترش دهند

سیستم‌های حمل‌ونقل و تحویل خودران که لجستیک آخرین مایل را متحول می‌کنند

مسیر‌یابی هوشمند و بهینه‌سازی ناوگان با هوش مصنوعی

برنامه‌ریزی مسیر هوشمند و بهینه‌سازی ناوگان صرفه‌جویی‌های قابل اندازه‌گیری در سراسر صنعت ایجاد می‌کنند. الگوریتم‌های هوش مصنوعی داده‌های ترافیک، هوا و تقاضای لحظه‌ای را دریافت می‌کنند تا سریع‌ترین و کم‌مصرف‌ترین مسیرها را بیابند.

مسیر‌یابی بهینه‌شده توسط هوش مصنوعی مصرف سوخت را کاهش داده و استفاده از ناوگان را بهبود می‌بخشد

یادگیری ماشین همچنین در نرم‌افزار مدیریت ناوگان برای تطبیق بارها با بهترین حامل‌ها و برنامه‌ریزی پویا کامیون‌ها به کار می‌رود. با گذشت زمان، ارسال و کنترل مبتنی بر هوش مصنوعی به استاندارد تبدیل شده، بهره‌وری را افزایش داده و تخصیص بهینه منابع را تضمین می‌کند.

انبارداری هوشمند و رباتیک

انبارها با ربات‌های مجهز به هوش مصنوعی و سیستم‌های بینایی کامپیوتری که در کنار تیم‌های انسانی کار می‌کنند، به شدت خودکار شده‌اند:

اتوماسیون هوشمند انبارها بهره‌وری و ایمنی کارکنان را بهبود می‌بخشد

تحلیل‌های پیش‌بینی و برنامه‌ریزی

فراتر از اتوماسیون میدانی، هوش مصنوعی تصمیم‌گیری در زنجیره تأمین را با مدل‌های پیشرفته یادگیری ماشین که پیش‌بینی، پیش‌بینی و تنظیم برنامه‌ها را به صورت پیشگیرانه انجام می‌دهند، متحول می‌کند:

تحلیل‌های پیش‌بینی بینش‌های داده‌محور را به برنامه‌ریزان لجستیک ارائه می‌دهد

بندر بوسان کره جنوبی از یک «متاورس» مبتنی بر هوش مصنوعی برای برنامه‌ریزی ورودها و مصرف سوخت استفاده می‌کند که پیش‌بینی شده دقت به موقع را تقریباً ۷۹٪ بهبود بخشد.

— مطالعه موردی عملیات بندری

در کل، هوش مصنوعی پیش‌بینی‌کننده به برنامه‌ریزان لجستیک «قطب‌نمای جدیدی» می‌دهد تا منابع را تخصیص داده و قبل از وقوع شوک‌ها واکنش نشان دهند.

هوش مصنوعی مولد و ابزارهای اتوماسیون

اخیراً، هوش مصنوعی مولد وارد لجستیک شده است با کاربردهای عملی که عملیات را ساده می‌کنند:

هوش مصنوعی مولد وظایف روتین لجستیک و تعاملات مشتری را خودکار می‌کند

هوش بندری و دریایی

هوش مصنوعی از طریق پروژه‌های دیجیتالی‌سازی بنادر و حمل‌ونقل دریایی را هوشمندتر می‌کند و ترافیک و تأخیرها را کاهش می‌دهد:

عملیات بندری مبتنی بر هوش مصنوعی جریان بار را بهینه کرده و ترافیک را کاهش می‌دهد

نمونه‌هایی شامل شلوغ‌ترین بنادر اروپا (روتردام، سنگاپور) هستند که جرثقیل‌ها و وسایل نقلیه بدون سرنشین توسط شبکه‌های اینترنت اشیاء مبتنی بر هوش مصنوعی هماهنگ می‌شوند و جریان بار را روان می‌کنند. با داده‌های زنده درباره موقعیت کشتی‌ها و شرایط محوطه، بنادر می‌توانند اسکله‌ها و جرثقیل‌ها را فوراً برنامه‌ریزی مجدد کنند. مدل‌های یادگیری ماشین اکنون به طور معمول برای پیش‌بینی ورود کشتی‌ها و نیازهای نیروی کار استفاده می‌شوند. حتی مراکز راه‌آهن و بین‌مدلی نیز در حال آزمایش هوش مصنوعی برای بهینه‌سازی مسیر قطارها و عملیات محوطه هستند. به طور خلاصه، تحلیل‌ها و اتوماسیون مبتنی بر هوش مصنوعی در بخش دریایی، بنادر شلوغ را به مراکز بین‌مدلی روان و ۲۴/۷ تبدیل می‌کنند.

دسترسی‌پذیر کردن هوش مصنوعی در سراسر صنعت

علاوه بر این روندها، ابزارهای هوش مصنوعی خودشان نیز در حال دسترسی‌پذیرتر شدن هستند. شرکت‌ها اغلب هوش مصنوعی را در نرم‌افزارهای اصلی لجستیک خود ادغام می‌کنند یا با استارتاپ‌ها همکاری می‌کنند:

• راه‌حل‌های پلتفرمی: Penske Logistics پلتفرم «AI Catalyst» را برای ارزیابی عملکرد ناوگان و شناسایی ناکارآمدی‌ها راه‌اندازی کرده است
• دستیارهای دیجیتال: Western Digital از دستیار دیجیتال («Logibot») برای پاسخ به پرسش‌های معمول زنجیره تأمین استفاده می‌کند و تیم‌های انسانی را روی کارهای پیچیده متمرکز می‌سازد
• یادگیری ماشین مبتنی بر ابر: مجموعه‌های بزرگ لجستیک ابری (از Oracle، SAP و غیره) اکنون مدل‌های یادگیری ماشین را برای وظایفی مانند پیش‌بینی تقاضا، بهینه‌سازی موجودی و قیمت‌گذاری پویا ارائه می‌دهند
• خدمات اشتراکی: حمل‌کنندگان کوچک‌تر می‌توانند به خدمات مجهز به هوش مصنوعی اشتراک بگیرند بدون اینکه مدل‌های خود را بسازند

مسیر پیش رو

شرکت‌های حمل‌ونقل و لجستیک در زمینه هوش مصنوعی با سرعت حرکت می‌کنند. گزارشی در این سال تأکید کرد که «بزرگ‌ترین ریسک اکنون ایستایی است».

در آینده، انتظار می‌رود پذیرش عمیق‌تر هوش مصنوعی در حمل‌ونقل ریلی، هوایی و تحویل شهری و همچنین نوآوری مداوم در سیستم‌های خودران را شاهد باشیم. فعلاً شرکت‌های حمل‌ونقل و لجستیک که هوش مصنوعی را به خوبی به کار می‌گیرند – در حالی که به چالش‌های داده، ایمنی و نیروی کار می‌پردازند – در پاسخ به تقاضاهای رو به رشد مشتریان و نوسانات زنجیره تأمین برتری رقابتی خواهند داشت.