Alle reden über künstliche Intelligenz, aber was sind ihre möglichen Anwendungen für Lagerhaltung und Lieferkette? Edward Napier-Fenning, Vertriebs- und Marketingleiter eines führenden Supply-Chain-SoftwareunternehmensBallonuntersucht fünf Schlüsselbereiche, die die Leistung steigern können – darunter Routenplanung, Kommissionierung, Arbeitsmanagementberichte und Dateneingabe.
#Spedition #Tür-zu-Tür #Amazon #Export #Luftfracht #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordanthandel #Jordan #Aqabashipping
Spediteur 3pl Dropshipping DoortoDoor AirFreight Agent Jordan Shipping China Shipping Agent Fulfillment Center
Kapoklog Logistics Luftfracht von China nach Großbritannien Door-to-Door Amazon ExportAirFreight Jordan Versand ChinashippingtoJordan JordanLuftfrachtschiff
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Kosmetik, Saudi-Arabien auf dem Luft- und Seeweg, Tür-zu-Tür-Service
#chinapurchasingagent #chinashippingagent #chinadropshipping #chinashippinglogistics
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoo #consolidationshipping #chinashipping #DDP #以色列 #约旦双清 #巴勒斯坦 #巴勒斯坦局势 #中东地区问题 #中东局势 #约旦门到门 #约旦物流#约旦DDP #约旦双清包税 #约旦海运 #约旦空运 #约旦海派 #约旦专线
Shenzhen Kapoklog Logistik Saudi-Arabien Zollfrei verzollt bezahlt von Tür zu Tür DDP
DDP China nach Saudi-Arabien
Shenzhen Kapoklog Logistik Dubai Zollabfertigung Tür-zu-Tür-Service DDP
DDP China nach Dubai
Shenzhen kapoklogistics Co., Ltd
Shenzhen Kapoklog Logistik Katar Zollabfertigung Tür-zu-Tür-DDP-Linie
DDP China nach Katar
Shenzhen Kapoklog Logistik Pakistan DDP
DDP China nach Pakistan
Shenzhen Kapoklog Logistik Jordanien Zollabfertigung von Tür zu Tür DDP China nach Jordanien
Shenzhen Kapokloglogistics Ägypten doppelte Zollabfertigung von Tür zu Tür DDP
Shenzhen Kapoklog Logistik Jeddah Zollabfertigung, Jeddah DDP, China nach Jeddah DDP Versand
Shenzhen Kapoklog Logistik Oman DDP, China nach Oman DDP, Oman Versand DDP
Shenzhen Kapoklog Irak Zollabfertigung, China nach Irak DDP
Shenzhen Kapoklog Logistik Israel Zollabfertigung DDP, China nach Israel Tür zu Tür, Israel Tür zu Tür, China nach Israel DDP
Ganz plötzlich ist Künstliche Intelligenz (KI) überall. Wie in den Anfängen vieler anderer revolutionärer Technologien wird viel überbewertet, und vieles, was derzeit als „KI-fähig“ angepriesen wird, ist in Wirklichkeit nur eine Folge von, zugegebenermaßen sehr schnellen und sehr cleveren, Algorithmen, die der Logik folgen Wege, die von den Menschen erfunden wurden. Die Fähigkeit, riesige Mengen an „Big Data“ blitzschnell zu verarbeiten, ist beeindruckend und äußerst wertvoll, stellt aber an sich noch keine künstliche Intelligenz dar. Echte KI hat die Fähigkeit, aus historischen Daten und aktuellen Aktivitäten zu lernen und gewissermaßen ihre eigenen Algorithmen neu zu schreiben.
Das Entwicklungstempo der KI beschleunigt sich und wir erkennen bereits einige Schlüsselbereiche in der Lagerhaltung und Logistik, in denen sie eingesetzt werden kann.
1. Verbesserte Routenplanung
Bisher ist ein Fahrer mit einer festen Route losgefahren, vielleicht einer regulären Runde oder einer ein oder zwei Tage vorher geplanten, und es liegt an ihm/ihr, die beste Reaktion auf einen Unfall, einen Stau oder ein anderes Ereignis zu finden wie und wann diese entstehen. Jetzt kann das Verkehrsmanagement in Echtzeit mit Ressourcen wie Google verknüpft werden und so nicht nur die Umgehung eines aktuellen Problems erarbeiten, sondern mithilfe seiner Erkenntnisse auch vorhersagen, wo der Stau wahrscheinlich auftreten wird, was seltsamerweise häufig nicht der Fall ist Ort des tatsächlichen Vorfalls. Dies führt zu einer fundierteren Vermeidungsempfehlung und trägt dazu bei, die Lieferungen zum und vom Lager termingerecht einzuhalten.
Dieser Ansatz zur Routenplanung kann mit der dynamischen Ladungszusammenstellung kombiniert werden. Derzeit gibt es weder zu Beginn des Tages noch zu dem Zeitpunkt, an dem Fahrer und Routen für den Betrieb am nächsten Tag festgelegt werden müssen, eine vollständige Auftragsdatei. Die Route kann daher Ziele umfassen, an denen es eigentlich keinen Drop gibt, oder Drops weglassen, die sinnvollerweise hätten gemacht werden können. Intelligente Systeme können die Routen im Zuge des Aufbaus des Auftragsprofils kontinuierlich neu planen, modifizieren und optimieren. Das wiederum kann beim nächsten Thema hilfreich sein, nämlich der effizienten Kommissionierung, die natürlich ihre eigenen Pfad- und Routenprobleme mit sich bringt.
2. Effizientes Kommissionieren
Ein großer Teil des Lärms um KI in der Lieferkette dreht sich um Themen wie Bestand und Bestellung. Hier sind Verbesserungen eindeutig wichtig, aber wir haben gerade erst begonnen, uns mit der Frage zu befassen, wie wir das Lager effizienter betreiben können, und hier liegen wirklich hohe Arbeits- und Verwaltungskosten sowie potenzielle Einsparungen vor uns.
Die Optimierung des Kommissionierwegs ist ein heißes Thema in der Lagerhaltung, obwohl dies im Grunde kaum mehr bedeutet, als Aufträge in eine Reihenfolge zu bringen und sie in Arbeitsblöcke zu zerlegen. Es ist schön, dies wirklich schnell erledigen zu können, aber echte KI beginnt, die gesamte Situation intelligenter zu betrachten: Wo sich Waren im Lager befinden, welche Waren auf einem bestimmten Wagen oder Container zusammengefasst werden können und welche nicht ( und wo sich diese Container befinden), was die Prioritätsbestellungen sind (was klare Verbindungen zur obigen Routing-Frage hat) und so die effizientesten Kommissionierungsroutinen erstellen, die möglich sind.
KI wird in der Lage sein, die Auswahl und Durchführung von Kommissionierstrategien zu verbessern – und das Optimum kann je nach Warenart oder sogar Tageszeit unterschiedlich sein. Die Strategien sind zahlreich und vielfältig: zum Beispiel die Stapelkommissionierung, bei der eine Route abgelaufen wird und jeweils eine SKU für einen Stapel von Bestellungen kommissioniert wird. Oder es könnte sich um eine Zonen- oder „Cluster“-Kommissionierung handeln, bei der der Bediener alle SKUs in einer „Zone“ für einen Stapel von Bestellungen kommissioniert und der Behälter (mit oder ohne diesen Mitarbeiter) dann zur nächsten Zone weiterbewegt wird.
Die Cluster-Kommissionierung ist in der Regel effizienter, erfordert jedoch eine Optimierung der Warenanordnung im Lager, sodass Waren, die am wahrscheinlichsten in denselben Bestellungen vorkommen, in Gruppen zusammengefasst werden und die Bestellungen um ähnliche Profile gruppiert werden. Dies bedeutet auch, dass Bestellungen nicht unbedingt in streng chronologischer Reihenfolge, d. h. entsprechend den Abfahrtszeiten der Lieferroute, kommissioniert werden und daher anfällig für Stauverzögerungen sind, möglicherweise aufgrund enger Gänge oder der Notwendigkeit, Fußgänger von LKWs zu trennen usw andere Maschinen.
In Zusammenarbeit mit dem Kunden Pets Corner hat Balloon ein Allzweck-Order-Clustering-Modell entwickelt, das als cloudbasierte Webfunktion betrieben werden kann. Die neue Technik hat die Zeit, die zum Auswählen einer Auftragswelle benötigt wird, um 38 % verkürzt. Bei diesem Ansatz wird grundsätzlich keine entwickelte KI verwendet, aber wir können leicht erkennen, dass KI derzeit weitere erhebliche Verbesserungen sowohl bei der Gestaltung und dem Betrieb der Kommissionierung als auch bei der Auswahl der am besten geeigneten Strategie für diese Aufträge ermöglichen könnte. Wir arbeiten beispielsweise daran, diesen Ansatz auf mehrzeilige Bestellungen auszuweiten und „Startpunkte“ für Kommissionierrouten an verschiedenen Stellen im Lager zu schaffen. Das wird schnell ziemlich komplex, und KI wird bei der Lösung der Dinge sehr hilfreich sein.
Eine Quelle der Effizienz besteht darin, dass der Betrieb nicht so stark an „Standard“-Prozesse gebunden sein muss, die manchmal nicht notwendig sind. Ein kleines Beispiel ist eine Arbeit, die wir kürzlich für Birlea durchgeführt haben. Dieses Unternehmen verfügte über ein herkömmliches Verfahren, bei dem kommissionierte Waren mit einem „WMS“-Etikett versehen wurden, aus dem hervorgeht, welcher Bestellung sie zugeordnet sind, und zur Prüfung und Neuverpackung weitergeschickt wurden. Anschließend erhielten sie ein anderes „Spediteur“-Etikett. Aber ihre Möbelstücke müssen weder überprüft noch neu verpackt werden. Es erwies sich als möglich, das WMS-Etikett für diese Waren zu eliminieren und die SQL so umzuprogrammieren, dass das System annimmt, dass das Spediteuretikett das WMS-Etikett ist, das es zu diesem Zeitpunkt erwartet hatte. Dafür ist an sich keine KI erforderlich, aber es ist leicht, sich KI-Systeme vorzustellen, die lernen können, zu erkennen, dass für einen bestimmten Artikel bestimmte Prozesse überflüssig sind und eliminiert werden können – ohne dass das Risiko besteht, dass ein menschlicher Bediener einen falschen Anruf tätigt.
3. Effektiveres Arbeitsmanagement
Unter den gegenwärtigen Bedingungen besteht die größte Herausforderung für die Steigerung der Effizienz darin, wo knappe und teure Arbeitskräfte eingesetzt werden sollen. Eine Einrichtung mit einer guten Lagerverwaltungssoftware (WMS) und anderen Systemen sollte von Anfang bis Ende über eine große Menge an Daten verfügen: was beim Wareneingang, bei der Einlagerung, bei der Kommissionierung, bei der Auffüllung usw. passiert. Das sollte dem Betreiber sagen, wo er seine Leute unterbringen muss, aber es ist komplex. Ein herkömmliches WMS verwaltet dies bis zu einem gewissen Grad, ist jedoch stark darauf angewiesen, dass Personen Daten erstellen, eingeben und pflegen, von Standardzeiten für Arbeitselemente bis hin zu den Personen, die bestimmte Aufgaben ausführen dürfen, und so weiter.
Bis zu einem gewissen Grad sind wir bereits in der Lage, Güter, Aktivitäten und Ressourcen effektiver zu organisieren, indem wir historische Aufzeichnungen und die Erfassung aktueller Daten nutzen, um komplexere Arbeitsmanagementmodelle zu ermöglichen. Aber KI könnte sicherlich einen weiteren Beitrag leisten, indem sie Daten aus den verschiedenen Quellen extrahiert und daraus einen Sinn ergibt.
Der effektive Einsatz wird umso wichtiger, je mehr Unternehmen Robotik in Form von „Cobots“ einsetzen – Maschinen, die mit Menschen zusammenarbeiten. Dies ist möglicherweise besonders wichtig für KMU, die sich diese Art der Automatisierung zunehmend leisten können und eine wesentlich größere Flexibilität als die großen automatisierten „Ware-zur-Person“-Systeme großer Betriebe benötigen. Beispielsweise könnten Arbeiter mit einem Bluetooth-Gerät „getaggt“ werden, um sie sowohl relativ zur aktuellen oder beabsichtigten Position eines Roboters als auch zur Position und zum aktuellen Status von Prioritätsaufträgen zu lokalisieren. Um dies jedoch optimal nutzen zu können, sind intelligente Systeme erforderlich.
Für uns geht es beim Einsatz von KI zur Verbesserung der Arbeitseffizienz nicht in erster Linie um die Reduzierung der Mitarbeiterzahl. Vielmehr geht es darum, „Totzeiten“ und unproduktive Aktivitäten wie das Gehen von einem Ende des Lagers zum anderen zu eliminieren. Das steigert natürlich die Produktivität, aber es ist auch einfacher, gute Leute zu halten, wenn sie nicht die Hälfte ihrer Zeit untätig und die andere Hälfte in hektischer Hektik verbringen, was dazu führen kann, dass sich die Mitarbeiter müde und unterbewertet fühlen.
4. Genauere Berichte und Analysen
Balloon ist aktiv an der Anwendung von KI im Bereich der Lieferkette beteiligt. Die Aktivität in diesem Sektor wächst schnell. Man muss bedenken, dass die Umgebung jedes Einzelnen anders ist, insbesondere bei KMU. Dies ist einer der Gründe, warum die Fähigkeit der KI, aus der Situation zu lernen, anstatt nur einen extern abgeleiteten Algorithmus zu verarbeiten, so attraktiv ist. Eine weitere Überlegung besteht darin, dass viele der Daten textbasiert sind. Deshalb ziehen wir unter anderem Daten aus mehreren Quellen in ein Microsoft-Analysepaket mit einem Datenmodell, das dem System sagt, wie es Daten mit verschiedenen Objekten in Beziehung setzen soll. Wir können ein Dashboard erstellen und darüber hinaus einige ChatGPT-Funktionen hinzufügen – „Zeigen Sie mir ein Kreisdiagramm meiner Mitarbeiter, die nach Tag und Person kommissionieren“ –, sodass Manager die IT-Abteilung nicht bitten müssen, ihnen einen Bericht zu erstellen.
KI-basierte Systeme können einen Großteil der Kosten und des Aufwands für die manuelle Aufzeichnung und Analyse verringern, ganz zu schweigen von der Beseitigung (oder zumindest Erkennung) der Fehler, die in manuellen Systemen unvermeidlich auftreten. Letztendlich lassen sich sogar Einsparungen durch die Integration aller unterschiedlichen Systeme erzielen, die in Lager- und Distributionsbetrieben zum Einsatz kommen: KI kann möglicherweise „lernen“, wie Daten trotz scheinbar inkompatibler Formate von einem System in ein anderes übertragen werden, anstatt mühsam jemanden dafür zu haben Schreiben Sie Code für alle Eventualitäten.
5. Verbesserte Bilderkennung und reduzierte Neueingabe
KI macht hier bereits einen Unterschied, beispielsweise bei der Dateneingabe, einschließlich optischer Zeichenerkennung und BildScannen– es zu verstehen, es mit anderen Elementen im System in Beziehung zu setzen und insbesondere nach Fehlern und Unstimmigkeiten zu suchen. Dabei kann es sich um einen Mengenunterschied zwischen einem Kundenauftrag und dem entsprechenden Kommissionierungsschein handeln; Oder es könnte sich um eine Lieferadresse handeln, die nicht existiert oder keinen Sinn ergibt: In diesem Fall könnte es möglich sein, die KI so zu konfigurieren, dass sie intelligente Vorschläge zur Adresse macht, bevor der Zustellfahrer sich auf den Weg macht Verfolgungsjagd.
Es gibt also viel zu tun mit KI im Lagerumfeld. Derzeit ist die Landschaft ein Flickenteppich aus kleinen Entwicklungen, die den Menschen helfen, Teile der KI in ihre Abläufe zu integrieren, oft zunächst nur mit der Eliminierung kleinerer Arbeiten an den Schnittstellen zwischen Systemen, wo sich beispielsweise Datendiskrepanzen häufig manifestieren. Aber dieser Flickenteppich wird sicherlich in relativ kurzer Zeit zusammenwachsen.
Das steht im Einklang mit Balloons eigenem Ansatz, bei dem unser Innovationsteam auf kleine Bereiche mit erweiterter Funktionalität abzielt, wobei Clustering eines der ersten war und bei dem wir bereits große Effizienzsteigerungen auf Kundenstandorten feststellen konnten.
Die Lagerverwaltung zeichnet sich durch vielfältige Dateneingaben und vielfältige mögliche Entscheidungs- und Ausgabeszenarien aus. Diese übersteigen die Fähigkeit menschlicher Manager, eine robuste und rechtzeitige Optimierung vorzunehmen, während traditionelle algorithmische Ansätze auf Annahmen und Vereinfachungen basieren, die oft nicht immer oder nicht vollständig gültig sind. In der Zwischenzeit sitzen möglicherweise knappe Arbeitskräfte herum und warten darauf, dass ihnen gesagt wird, was sie tun sollen. KI verspricht, die Werkzeuge zur Lösung dieser Probleme bereitzustellen.
