公告: 极客数据面向大数据行业从业人员及爱好者分享行业最新资讯以及各种工具使用教程,行业资深大佬可移步至行业专业交流社区 “穹顶喵”!

大数据技术:物流行业未来发展的基石

2986


学习新语言时,沉浸式是关键。这是因为人们必须真正区分单词的使用方式的来回,更何况在语言学中,总是有警告。数据本身就是一种语言。人工智能(AI)可以帮助将数据语言从原始的知识形式转换为包含可用见解并引导操作的信息。作为编纂的内幕消息,AI有能力改变跨行业的企业效率流程。
这尤其适用于物流技术,因为数据是所有运营的基石。新兴的人工智能创新是定义数据可用性的驱动因素,对于供应链和从调度到最后一英里的所有相邻流程至关重要。一个例子是所谓的"及时发货",以丰田公司最初开发的著名生产方法命名。让我们看看人工智能通过数据语言将推出及时发货的方式。

由NLP和ML翻译的见解
据预测,到2035年,AI的物流生产率将提高40%以上。这一点很重要,因为与物流领域的所有事项一样,生产率不仅至关重要,而且对公司的效率指标来说也是成败攸关的。
航运和货运,如果在当今这个时代有什么,是国际的。全球化极大地改变了市场,需求不再是局部的。这是完全相反的航运公司往往基于地图的一个角落,和产品,他们从点A和B在另外两个角落移动。这使得不同的语言理解变得极其重要。通过自然语言处理(NLP),AI可以跨多种语言获取操作信息,捕获所有数据的上下文,并将所有敏锐度注入中央和本地信息数据库。
通过机器学习(ML)提供知识,AI可以将此包罗万象的数据应用于预测分析和需求预测,以便更好地为不同领域的物理资产提供信息。定制设计的人工智能算法可以实施到线路和网络投资规划中,更准确地为不同区域制定战略。这将创建见解,帮助航运公司预测需求曲线之前不同位置的变化。
及时(JIT)运输得到支持,因为库存管理策略在地方一级更了解情况。许多运输制造公司都有自己的供应链部门,对地方和区域的了解越多,描绘出的大局就越详细和准确。通过这种方式,AI允许跨细分业务进行更广泛的理解,从而帮助预测国际或多方面公司内每个部门的需求。这会告知公司特定地点在特定时间的库存量,对于拥有原材料或易腐货物库存的航运公司来说尤其重要。这一进程的成功首先取决于一件事,即精确和知情的数据。
物流技术中的JIT
在最近的一项研究中,展示了准确数据的极端价值。在这项研究中,有问题的公司没有直接统计其群线程的利用率(负载因素),因为他们只是从线程运营中的一些抽查中获取数据。通过初步分析,发现公司实际可用的数据不到20%,这对他们的运营产生了重大影响。
研究发现,通过从运输管理系统(TMS)提取信息,后端程序的数据质量有潜力得到改善。使用AI驱动的数据质量框架(使用NLP、ML和计算机优化)是自动化的。然后,该算法可以每天持续使用,以帮助在飞行中清理数据。更重要的是,它不会影响公司的现有流程,并且可以与既定运营同步运行。
在两个月内,应用于这家特定公司运营的算法达到了90%+正确的值预测水平,并准备在现实世界中进行测试。第一次测试是在仓库进行的,通过比较预测的装运量和在地板上观察到的货物数量。结果表明,预测尺寸超过90%,与实际装运的尺子可以测量的尺寸相匹配。这对于纸箱、不规则形状和托盘装运都有效。第二次测试是在线路行(卡车)级别完成的。将AI增强数据测量的装载系数与卡车离开仓库的安全摄像头记录中可以看到的加载因素进行比较,AI数据与摄像机上可以看到的数据之间再次进行了90%以上的匹配。
总之,数据清理过程表明,AI在运输中的实现是多么不言自明,但更何而何来,物流数据所需的准确性价值。一旦证明实际装载因子大大低于公司最初报告的95%的平均准确率,AI的实现就提高了数据质量,提高了操作精度。