Inkorporacija veštačke inteligencije u sisteme upravljanja transportom (TMS) menja način na koji sistemi funkcionišu i kako ih kompanije koje se bave transportom i njihovi partneri koriste za povećanje efikasnosti i smanjenje troškova, rekli su prodavci tehnologije. Oni takođe tvrde da AI takođe nudi prediktivne mogućnosti koje mogu pomoći operaterima i partnerima da identifikuju potencijalne tokove prihoda i mogućnosti za profit.
Jedna od najupečatljivijih prednosti je smanjenje praznih milja u lancu snabdevanja, rekao je direktor za inovacije MercuryGate-a Steve Blough, koji je i suosnivač kompanije. „AI daje otpremnicima i njihovim partnerima mogućnost da zaustave kretanje „vazduha“ na autoputu“, što takođe pomaže u smanjenju emisije ugljenika, rekao je on. „AI se koristi za određivanje tereta otpremnika koji je najbolje usklađen sa željenim trakama kompanije za transport i minimizira prazna kretanja određivanjem drugog pošiljaoca koji je usklađen sa praznim hodom“.
Modeli veštačke inteligencije i mašinskog učenja mogu se obučiti da podržavaju odluke i automatizuju procese. McLeod Software radi na modelima kako bi poboljšao svoje mogućnosti za ocenjivanje tereta, plaćanje prevoznika, prihvatanje EDI tendera, planiranje i zakazivanje i usklađivanje vozača, rekao je Jonathan May, direktor poslovne inteligencije McLeod Software-a. Početna investicija u veštačku inteligenciju — za hardver, softver i radnu snagu — „mogu biti velika, ali povećanje efikasnosti i ušteda su povraćaj ulaganja“, rekla je May. TMS dobavljač ugrađuje chatbot, izgrađen na OpenAI API-ju iz Microsoft virtuelnih agenata, u proizvode za analizu cena, traka i stopa.
McLeod Software je u svoj TMS integrisao rešenja za optimizaciju tereta koja su obezbedili Manhattan Associates i Optimal Dinamics, primetio je Robert Brothers, potpredsednik razvoja proizvoda. Korisnici mogu da iskoriste prednosti preporuka za optimizaciju iz tih proizvoda u svom „normalnom toku rada zasnovanom na ulogama bez potrebe da napuste naš sistem“, rekao je Brothers, dodajući da je „unos saobraćaja u realnom vremenu svakako na horizontu“.
Tai Software je ugradio AI mehanizam u svoj TMS za upravljanje e-poštom — pročitajte je, odgovorite na nju i, ako se odnosi na pošiljku, povežite je sa pošiljkom, obavestite osoblje i generišete odgovor koji se može zadržati dok ga neko ne odobri za slanje. Koristeći obradu prirodnog jezika, TMS može da kreira pošiljku „od svega što korisnik pošalje“, rekao je Walter Mitchell, izvršni direktor kompanije Tai Software. Obrada prirodnog jezika je grana veštačke inteligencije koja omogućava računarima da razumeju tekst i govor.
Pošiljalac može poslati e-poštu želeći da kreira pošiljku iz „mog skladišta“, rekao je Mitchell. Na osnovu izvora e-pošte i reči „moje skladište“, alatka za obradu jezika identifikuje kupca. „Znamo informacije o njima i možemo da koristimo veštačku inteligenciju da predvidimo kako će pošiljka izgledati“, rekao je Mitchell. Tai-ov sistem kreira pošiljku, generiše ponudu, a zatim obaveštava osoblje da je ponuda spremna za pregled. „Možete dobiti odgovor na citat za bukvalno nekoliko minuta“, objasnio je.
Većina TMS provajdera se slaže da uvođenje ChatGPT-a od strane OpenAI, kompanije sa veštačkom inteligencijom, omogućava kreiranje AI i proizvoda za mašinsko učenje. ChatGPT je ono što je poznato kao „model velikog jezika“, dizajniran da predvidi sledeću reč u nizu, omogućavajući sve automatizovaniju komunikaciju između sistema.
Tai Software je integrisao Parade, platformu za upravljanje teretnim kapacitetom zasnovanu na veštačkoj inteligenciji, u svoj TMS. Tai je takođe integrisao greenscreens.ai, još jedan alat sa AI funkcionalnošću. Mitchell je rekao da greenscreens.ai pomaže u formiranju cena. Omogućava korišćenje podataka o cenama u okviru TMS-a tokom rezervisanja i upravljanja teretom, rekao je Mitchell.
Concept Logistics je implementirao sistem Tai Software-a pre više od tri godine i koristi te integrisane AI alate, rekao je Greg Finnerty, potpredsednik Concept-a. Finnerty je rekao da je logistička kompanija za to vreme povećala svoju mrežu operatera. „Parade i Tai nam pomažu da shvatimo gde bolje koristimo naše nosače“, rekao je Finnerty, omogućavajući Concept-u da obezbedi povećanu konzistentnost opterećenja, na primer.
Chris Orban, potpredsednik za nauku o podacima u Trimble-u, istakao je važnost definisanja AI kao „kompjuterski algoritam koji koristi veliku količinu podataka“.
„Mislim da je to veoma prikladno za našu industriju. Postoji toliko mnogo ljudskih elemenata da je teško dozvoliti kompjuteru da obavi sav „posao““, rekao je on. „Morate imati malo tog ljudskog elementa, ipak, u donošenju odluka“.
Orban je dodao da je veštačka inteligencija izuzetno moćna i da kompjuteri sigurno mogu da pregledaju daleko veću količinu podataka za mnogo kraće vreme nego bilo koji ljudski mozak. Trimble-ova tehnologija može da izvuče precizne kalkulacije ruta i ETA, uzimajući u obzir vremenske i saobraćajne uslove u realnom vremenu iz spoljnih izvora, rekao je on.
Orban je upozorio da je jedan od nedostataka to što „su računari veoma loše u predviđanju ili učenju nečega što se ranije nije dogodilo“. On je naveo pandemiju COVID-19 i previranja koja su nastala u lancu snabdevanja. Kada su države zatvorile svoja odmorišta iz razloga javnog zdravlja, vozači kamiona su bili bez tih lokacija za zaustavljanje i odmor. U takvim slučajevima algoritmi za prediktivna rešenja ne mogu pomoći. „Ne možete da obučite računar da reši problem koji nikada ranije nije viđen“, rekao je Orban. “To je ključno ograničenje“.
Još jedan od izazova je osiguranje čistih i tačnih podataka, rekli su proizvođači tehnologije.
„Integritet podataka počinje od korisnika“, rekla je May. „Možemo da kuriramo i očistimo podatke koje koristimo za naše modele. Takođe možemo da imputiramo vrednosti koje nedostaju na osnovu rezultata sličnosti i druge logike”. McLeod upozorava kupce na specifične probleme sa integritetom podataka koji mogu da spreče donošenje odluka i postavlja podrazumevane vrednosti tamo gde elementi podataka nedostaju, dodao je on. „Takođe želimo da imamo više padajućih tačaka podataka vođenih menijem u sistemu za razliku od polja slobodnog oblika“, rekao je on. „Korisno je koristiti standardizovane tabele podataka za stvari umesto polja podataka slobodnog oblika, što može da stvori mnogo ‘buke’ ili varijabilnosti u podacima”. Predstavljanje jasnih informacija u kontekstu i na pravoj tački u radnom toku korisnika je kritično, primetila je May.
Poverenje je još jedan izazov kada su u pitanju „sistemski generisani“ rezultati, rekao je on. „[Kupci pitaju], ’Da li da verujem ovom broju ili da sledim ovaj predlog koji mi sistem predstavlja?‘“, rekla je May. „Da bi se izgradilo poverenje, važno je pružiti povratne informacije o tome kako su model ili saveti koje je dao, zapravo delovali“ u stvarnim scenarijima, rekao je on.
Brojni TMS provajderi koriste DDC FPO tehnologiju kako bi osigurali čiste i tačne podatke.
DDC FPO je specijalizovan za upravljanje poslovnim procesima, obradu podataka o teretnim računima za prevoznike, na primer, sa timom agenata ili korišćenjem svog AI rešenja, rekla je Madison Conway, direktor globalnog marketinga u DDC Group. „Više puta imamo integraciju sa TMS-om“ koji koristi prevoznik ili logistička kompanija, rekla je ona. „Imamo desetine hiljada šablona tovarnog lista u našoj bazi podataka“, primetila je Conway.
Kompanijski softver za prikupljanje podataka zasnovan na veštačkoj inteligenciji, DDC Intelligence, povezuje dolazne BOL-ove sa šablonima u bazi podataka ili ih uči kao novi šablon i čuva ga. Sledeći put kada stigne takav šablon, „može da obrađuje direktno, potpuno bez upotrebe ruku“, rekla je Conway. Rezultat su tačniji podaci za fakture, koji se mogu dostaviti pošiljaocu „brže radi bržeg plaćanja“, rekla je ona.
Ben Wiesen, predsednik kompanije Carrier Logistics Inc., dobavljača softvera za upravljanje transportom za LTL prevoznike, rekao je da industrija traži AI i mašinsko učenje kako bi se pozabavila rutiranjem i redosledom i, pored toga, problemima sa osobljem. „Možda jedna osoba može da rukuje sa tri terminala jer im kompjuteri toliko pomažu [tako što preuzimaju više odluka]“, rekao je on.
Uglavnom, računarski sistemi u LTL segmentu su uradili „odličan posao u početnom planiranju“, rekao je Wiesen, što znači optimizaciju pickup-a i najbolji način za njihovo izvršenje. „Ono na čemu kompjuteri nisu uradili dobar posao je reagovanje na promenjene uslove na terenu“, rekao je on.
CLI radi na primeni veštačke inteligencije da bi pregledao sve kamione u floti LTL-a i predložio kako da uštediš, recimo, 6 milja preraspodelom jednog pick-up-a na drugu rutu.
„Potrebno je mnogo analize podataka da bi se donela ta odluka“, primetio je Wiesen, jer svi kamioni, nerešeni kamioni i uslovi na terenu moraju da se prate.
Izvor: Ttnews.com
