AI /自动化

利用AI模型，利用大数据更新物流

人工智能(AI)之所以成为主流，是因为两个并行的事件——前所未有的计算能力和分析大数据的商业成果。本文探讨了人工智能模型如何利用大数据重塑物流。

物流加速了货物的流动，并为全球贸易提供了刺激。物流企业可以保证商品和成品在陆、海、空的顺畅流动。这些企业在一个无边界的世界中发挥作用，将中心枢纽和辐条之间的点连接起来，简化流程，并确保企业用户能够及时作出明智的决策，使物流能够像钟表一样精确地运作。这种同步性的催化剂是在货物从原产地到目的地的过程中收集的大量数据。然而，企业面临的情况，如货物被误导，在运输中受阻，或无法追踪。机器学习可以将这种后勤挑战转化为机遇。事实上，大数据与人工智能的复合效应，可以打造在智能生态系统中运营的超高效物流企业。

遥感,事情互联网（物联网），远程信息处理和地理空间映射将信息嵌入到产品和运输其的车辆 - 商品的起源，目的地，旅程和收件人。因此，供应链中的材料的物理流动留下了数据的路径 - 通常以非结构化格式并散布在生态系统上。这是AI的甜蜜点，这取决于大量数据，以提取知识并通过自我分析学习。

物流业可以使用人工智能工具来整合来自不同来源、设备和系统的数据，并提炼商业见解，让他们评估公路、航空、铁路和海洋运输公司、货运代理、第三方物流(3PL)公司和物流企业如何做出明智的决策，并更有利可图地运营。

最后一英里的效率

路线优化使最后一英里的配送成本合理化，这是物流支出中的一个重要开销。人工智能算法可以利用历史行程单和实时统计数据来估算每批货物的发货时间。持续分析提高了计划交付的准确性。数据驱动的运营模式已经在帮助Sysco等食品分销商、沃尔玛(Wal-Mart)和特易购(Tesco)等零售商，以及UPS、DHL和FedEx等物流供应商提供当日送达服务——这是B2C物流服务中的圣杯(Holy Grail)。

AI平台实时优化每个送货车的路线。地理，环境，流量和装运数据流与指定的交付时间窗口和车辆信息相关联，以序列交付，并为每批发货生成最佳的交付路线。基于约束/事件计算下一个最佳交付点或修改的路由，并在实时地图上显示。在旅程中，通过车载导航系统与驾驶员共享最佳的交付路线。

数据加载仪表板帮助物流设施管理人员通过监控驱动程序，特定设施和企业网络的性能来获取知情决策。实时可见性进入关键性能指标，如单位为每类产品/包裹/托盘，平均车速和总旅行时间移动，帮助基准和改善服务计划。

网络优化

由于全渠道营销是企业的企业，仓库的位置和布局需要随时重新定位，任何地方交付。大数据有助于企业，政府机构和贷款和经济发展机构确定分销基础设施的位置。世界银行正在使用大数据优化方法来开发印度的多模态传输网络。打开空间信息有助于创建并验证用于识别多模态端口的位置的导频模型。

AI驱动的分析工具帮助物流提供者聚合客户需求并简化分销网络，同时管理库存。直观系统优化配电网络，通过立即绘制设备以及具有工作量的人力的容量和可用性，确保平滑的仓库运营，并提供仓库和运输过程的可见性。分析方法提高了占用精度，最大限度地提高了资产的使用，包括输送机和机架系统。

通过利用预测AI算法分析，物流公司可以提高仓库和分销中心的生产力和资源利用。卡车，输送机，叉车和拖车的预测维护合理化仓储和分销成本。

自动化物料处理系统和设备的实时数据加强了大型仓库的操作。优化夹钳车和叉车装卸进出货物的路线，加快移动，节省燃料，确保安全。

亚马逊使用大数据来管理通过复杂的履行中心，再分配中心，区域分类中心，送货站和现在的枢纽销售的150万物品。

货运整合

AI模型为产品，卷数和货物数量，客户，季节，货运方式，首选交付时间框架和运输先决条件（如环境温度或湿度）提供了深度洞察。它有助于物流企业巩固出货量，以减少运输时间，控制成本和改善客户服务。值得注意的是，尽管对B2B和B2C出货量的需求变化，但它最大限度地提高了产能利用率。小包裹可以转换为更小于卡车（LTL）的货物，以及LTL货物变为最小的停止卡车。

高级物流应用集成模拟和AI，以帮助物流服务提供商实施成本优化策略。损坏索赔可以在交付路线和运输方式上进行分析。它支持高风险货物的汇率谈判，并增强损害缓解方法。规则为基础人工智能的解决方案通过跟踪供应链事件和文档来检测欺诈和错误。

Avnet是一家电子元器件的小包裹分销商，该公司利用每年500万宗运输交易中超过2.5亿的数据价值来识别出具有错误发票的承运人，并分析费用，以推迟发货并节约成本。

资源利用率

自动化系统跟踪取货和送货订单，工作安排和机组人员的可用性来分配工作，管理车队和简化物流网络。机器学习系统通过预测生态系统中的约束条件和实时缓解过程瓶颈来提供长期价值。

人工智能规则评估工作优先级、货物类型、天气、交通和资源能力，从而做出有关货物移动的商业决策。负载池使定价和操作成本合理化。此外，它有助于空中、陆地和海洋物流服务提供商最大限度地利用资源，包括人力、货物装卸设备、运输工具和空间。自学习系统和人工智能框架将成为物流解决方案不可或缺的一部分，尽管最后一英里配送中使用的无人驾驶汽车和无人机改变了配送格局。

一个人工智能资源分配引擎优化每日时间表，并管理香港铁路的工程和维护活动。此外，香港机场管理局(Hong Kong Airport Authority)部署了一个人工智能调度系统，根据航班时刻表和运营动态的变化为飞机分配停车位。