वेयरहाउसिंग में एआई की परिवर्तनकारी भूमिका

हर कोई आर्टिफिशियल इंटेलिजेंस के बारे में बात कर रहा है लेकिन भंडारण और आपूर्ति श्रृंखला के लिए इसके संभावित अनुप्रयोग क्या हैं? एडवर्ड नेपियर-फेनिंग, अग्रणी आपूर्ति श्रृंखला सॉफ्टवेयर कंपनी के बिक्री और विपणन निदेशकगुब्बारा, पांच प्रमुख क्षेत्रों की पड़ताल करता है जो प्रदर्शन को बढ़ावा दे सकते हैं - जिसमें रूट प्लानिंग, चयन, श्रम प्रबंधन रिपोर्टिंग और डेटा प्रविष्टि शामिल हैं।

#फ्रेटफॉरवर्डर #डोरटूडोर #अमेज़ॅन #एक्सपोर्ट #एयरफ्रेट #जॉर्डनशिपिंग #चाइनाशिपिंगटूजॉर्डन #जॉर्डनएयरफ्रेट #जॉर्डनट्रेडिंग #जॉर्डन #अकाबाशिपिंग

फ्रेट फारवर्डर 3पीएल ड्रॉपशीपिंग डोरटूडोर एयरफ्रेट एजेंट जॉर्डन शिपिंग चीन शिपिंग एजेंट पूर्ति केंद्र

चीन से ब्रिटेन तक कापोकलॉग लॉजिस्टिक्स एयर फ्रेट डोरटूडोर अमेज़ॅन एक्सपोर्टएयरफ्रेट जॉर्डन शिपिंग चीनशिपिंगटूजॉर्डन जॉर्डनएयरफ्रेट जहाज

化妆品 沙特空运-海运双清

مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية

सौंदर्य प्रसाधन, सऊदी हवाई मार्ग से और समुद्र मार्ग से डोर टू डोर सेवा

#chinapurchasingagent #chinashippingagent #chinadropshipping #chinashippingलॉजिस्टिक्स

#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

शेन्ज़ेन कपोक्लोग लॉजिस्टिक्स सऊदी अरब कस्टम क्लियर ड्यूटी भुगतान डोर टू डोर डीडीपी

डीडीपी चीन से सऊदी अरब

शेन्ज़ेन कपोक्लोग लॉजिस्टिक्स दुबई कस्टम क्लीयरेंस डोर टू डोर सेवा डीडीपी

डीडीपी चीन से दुबई

शेन्ज़ेन kapoklogलॉजिस्टिक्स कं, लिमिटेड

शेन्ज़ेन कपोक्लोग लॉजिस्टिक्स कतर कस्टम क्लीयरेंस डोर टू डोर डीडीपी लाइन

डीडीपी चीन से कतर तक

शेन्ज़ेन कपोक्लोग लॉजिस्टिक्स पाकिस्तान डीडीपी

डीडीपी चीन से पाकिस्तान

शेन्ज़ेन कपोक्लोग लॉजिस्टिक्स जॉर्डन कस्टम क्लीयरेंस डोर टू डोर डीडीपी चीन से जॉर्डन तक

शेन्ज़ेन कपोक्लोलॉजिस्टिक्स मिस्र डबल कस्टम क्लीयरेंस डोर टू डोर डीडीपी

शेन्ज़ेन कपोक्लोग लॉजिस्टिक्स जेद्दा कस्टम क्लीयरेंस, जेद्दा डीडीपी, चीन से जेद्दा डीडीपी शिपिंग

शेन्ज़ेन कपोकलॉग लॉजिस्टिक्स ओमान डीडीपी, चीन से ओमान डीडीपी, ओमान शिपिंग डीडीपी

शेन्ज़ेन कपोक्लोग इराक कस्टम क्लीयरेंस, चीन से इराक डीडीपी

शेन्ज़ेन कपोकलॉग लॉजिस्टिक्स इज़राइल कस्टम क्लीयरेंस डीडीपी, चीन से इज़राइल डोर टू डोर, इज़राइल डोर टू डोर, चीन से इज़राइल डीडीपी

अचानक, आर्टिफिशियल इंटेलिजेंस (एआई) हर जगह है। कई अन्य क्रांतिकारी तकनीकों के शुरुआती दिनों की तरह, बहुत अधिक दावा किया जा रहा है, और जिसे वर्तमान में 'एआई-सक्षम' कहा जाता है वह वास्तव में तार्किक रूप से बहुत तेज़ और बहुत चतुर एल्गोरिदम का एक अनुक्रम मात्र है इंसानों द्वारा बनाए गए रास्ते. बिजली की गति से विशाल मात्रा में 'बड़े डेटा' को संसाधित करने की क्षमता प्रभावशाली और बेहद मूल्यवान है, लेकिन यह स्वयं आर्टिफिशियल इंटेलिजेंस का गठन नहीं करती है। ट्रू एआई में ऐतिहासिक डेटा और वर्तमान गतिविधियों से सीखने की क्षमता है, और, एक तरह से, अपने स्वयं के एल्गोरिदम को फिर से लिखने की क्षमता है।

एआई के विकास की गति तेज हो रही है और हम पहले से ही वेयरहाउसिंग और लॉजिस्टिक्स में कुछ प्रमुख क्षेत्रों को देख सकते हैं जहां इसे लागू किया जा सकता है।

1. उन्नत मार्ग नियोजन

अब तक एक ड्राइवर एक निश्चित मार्ग, शायद एक नियमित चक्कर, या एक या दो दिन पहले योजना बनाकर चला है, और यह उस पर निर्भर है कि वह किसी दुर्घटना, ट्रैफिक जाम या अन्य घटना के लिए सबसे अच्छी प्रतिक्रिया कैसे दे। जब भी ये उत्पन्न होते हैं। अब, ट्रैफ़िक प्रबंधन को वास्तविक समय में Google जैसे संसाधनों से जोड़ा जा सकता है, जिससे न केवल वर्तमान समस्या का समाधान निकाला जा सकता है, बल्कि इसकी सीख का उपयोग करके यह अनुमान लगाया जा सकता है कि भीड़ कहाँ होने की संभावना है, जो अजीब बात है कि अक्सर ऐसा नहीं होता है वास्तविक घटना स्थल. यह अधिक मजबूत बचाव अनुशंसा करता है और गोदाम से समय पर डिलीवरी रखने में मदद करता है।

मार्ग नियोजन का यह दृष्टिकोण गतिशील भार निर्माण के साथ मिलकर काम कर सकता है। वर्तमान में, दिन की शुरुआत में, या उस बिंदु पर जहां अगले दिन के संचालन के लिए ड्राइवरों और मार्गों को तय किया जाना है, कोई पूर्ण ऑर्डर फ़ाइल नहीं है। इसलिए, मार्ग में ऐसे गंतव्य शामिल हो सकते हैं जहां वास्तव में कोई बूंद नहीं डाली जानी है, या जो बूंदें उपयोगी रूप से बनाई जा सकती थीं उन्हें छोड़ दिया जा सकता है। जैसे ही ऑर्डर प्रोफ़ाइल बनती है, इंटेलिजेंट सिस्टम मार्गों को लगातार पुन: नियोजित, संशोधित और अनुकूलित कर सकते हैं। बदले में यह अगले विषय, कुशल ऑर्डर चयन में सहायता कर सकता है, जिसके निश्चित रूप से अपने स्वयं के पथ और रूटिंग मुद्दे हैं।

2. कुशल चयन

आपूर्ति श्रृंखला में एआई को लेकर बहुत सारा शोर इन्वेंट्री और ऑर्डरिंग जैसे मुद्दों को लेकर है। यहां सुधार स्पष्ट रूप से महत्वपूर्ण है, लेकिन हमने गोदाम को और अधिक कुशलता से कैसे चलाया जाए, इस पर अभी ध्यान देना शुरू ही किया है, जहां वास्तव में बड़ी श्रम और प्रशासन लागत निहित है - साथ ही संभावित बचत भी।

वेयरहाउसिंग में पिक पाथ ऑप्टिमाइजेशन एक गर्म विषय है, हालांकि निचले स्तर पर यह ऑर्डर को एक क्रम में रखने और उन्हें काम के ब्लॉक में काटने से थोड़ा अधिक है। यह वास्तव में जल्दी से करने में सक्षम होना अच्छा है, लेकिन सच्चा एआई पूरी स्थिति को अधिक समझदारी से देखने में सक्षम होने लगा है: गोदाम में सामान कहां है, किसी दिए गए ट्रॉली या कंटेनर पर कौन सा सामान जोड़ा जा सकता है या नहीं जोड़ा जा सकता है ( और वे कंटेनर कहां हैं), प्राथमिकता क्रम क्या हैं (जिसमें उपरोक्त रूटिंग प्रश्न के स्पष्ट लिंक हैं), और इस प्रकार सबसे कुशल पिक रूटीन का निर्माण संभव है।

एआई चुनने की रणनीतियों की पसंद और संचालन में सुधार करने में सक्षम होगा - और इष्टतम सामान के प्रकार, या दिन के समय के अनुसार भिन्न हो सकता है। रणनीतियाँ कई और विविध हैं: उदाहरण के लिए बैच चुनना, जिसमें एक मार्ग पर चलना, ऑर्डर के एक बैच के लिए एक समय में एक SKU चुनना शामिल है। या यह ज़ोनल या 'क्लस्टर' चयन हो सकता है जहां ऑपरेटर ऑर्डर के बैच के लिए एक 'ज़ोन' में सभी SKU चुनता है, और टोट (उस ऑपरेटिव के साथ या उसके बिना) फिर अगले ज़ोन में चला जाता है।

क्लस्टर चयन आमतौर पर अधिक कुशल होता है, लेकिन इसके लिए गोदाम में माल के लेआउट को अनुकूलित करने की आवश्यकता होती है, ताकि समान ऑर्डर में आने वाले सामान को एक साथ समूहीकृत किया जा सके, और ऑर्डर को समान प्रोफाइल के आसपास क्लस्टर किया जा सके। इसका मतलब यह भी है कि ऑर्डर को कड़ाई से कालानुक्रमिक क्रम में नहीं लिया जा रहा है, यानी, डिलीवरी मार्ग के प्रस्थान समय के अनुसार, और इसलिए भीड़भाड़ में देरी की संभावना है, शायद संकीर्ण गलियारे या पैदल चलने वालों को ट्रकों से अलग करने की आवश्यकता के कारण और अन्य मशीनरी.

क्लाइंट पेट्स कॉर्नर के साथ काम करते हुए, बैलून एक सामान्य प्रयोजन ऑर्डर क्लस्टरिंग मॉडल विकसित कर रहा है, जो क्लाउड-आधारित वेब फ़ंक्शन के रूप में काम कर सकता है। नई तकनीक ने ऑर्डर की एक लहर लेने में लगने वाले समय को 38% तक बढ़ा दिया है। यह दृष्टिकोण सख्ती से किसी भी विकसित एआई का उपयोग नहीं करता है, लेकिन हम आसानी से देख सकते हैं कि एआई ऑर्डर चुनने के लेआउट और संचालन और उन ऑर्डर के लिए सबसे उपयुक्त रणनीति के चयन दोनों में और महत्वपूर्ण सुधार सक्षम कर सकता है। उदाहरण के लिए, हम उन तरीकों पर काम कर रहे हैं जिनके द्वारा इस दृष्टिकोण को मल्टी-लाइन ऑर्डर तक बढ़ाया जा सकता है, और गोदाम में विभिन्न स्थानों पर मार्ग चुनने के लिए 'प्रारंभ बिंदु' बनाए जा सकते हैं। यह तेजी से जटिल होता जा रहा है और एआई चीजों को सुलझाने में बहुत मददगार होगा।

दक्षताओं का एक स्रोत यह है कि संचालन को 'मानक' प्रक्रियाओं से इतना बंधा होने की आवश्यकता नहीं है, जो कभी-कभी आवश्यक नहीं हो सकता है। एक छोटा सा उदाहरण कुछ काम है जो हमने हाल ही में बिरली के लिए किया था। इस फर्म की एक पारंपरिक प्रक्रिया थी जिसके तहत चुने गए सामान को एक 'डब्ल्यूएमएस' लेबल दिया जाता है, जो उस ऑर्डर को दर्शाता है जिसके लिए उन्हें सौंपा गया है, और जांच और रीपैकिंग के लिए भेजा जाता है, जिसके बाद उन्हें एक अलग 'कैरियर' लेबल दिया जाता है। लेकिन उनके फ़र्निचर आइटमों को जांचने या दोबारा पैक करने की ज़रूरत नहीं है। इन सामानों के लिए डब्लूएमएस लेबल को खत्म करना और एसक्यूएल को दोबारा प्रोग्राम करना संभव साबित हुआ ताकि सिस्टम को लगे कि वाहक लेबल डब्लूएमएस लेबल है जिसकी वह इस बिंदु पर अपेक्षा कर रहा था। इसके लिए अपने आप में एआई की आवश्यकता नहीं है, लेकिन एआई सिस्टम की कल्पना करना आसान है जो यह पहचानना सीख सकता है कि किसी विशेष आइटम के लिए कुछ प्रक्रियाएं अनावश्यक हैं और उन्हें समाप्त किया जा सकता है - मानव ऑपरेटर द्वारा गलत कॉल करने के जोखिम के बिना।

3. अधिक प्रभावी श्रम प्रबंधन

वर्तमान परिस्थितियों में दक्षता बढ़ाने के लिए सबसे बड़ी चुनौती यह है कि दुर्लभ और महंगे श्रम को कहाँ आवंटित किया जाए। अच्छे वेयरहाउस मैनेजमेंट सॉफ्टवेयर (डब्ल्यूएमएस) और अन्य प्रणालियों वाली एक सुविधा में शुरू से अंत तक बहुत सारा डेटा होना चाहिए: प्राप्त करने, रखने, चुनने, पुनःपूर्ति आदि में क्या हो रहा है। इससे ऑपरेटर को यह बताना चाहिए कि उन्हें अपने लोगों को कहां रखना है, लेकिन यह जटिल है। एक पारंपरिक WMS इसे एक बिंदु तक प्रबंधित करता है, लेकिन काम के तत्वों के लिए मानक समय से लेकर, कुछ कार्यों को करने की अनुमति किसे दी जाती है, आदि तक डेटा बनाने, इनपुट करने और बनाए रखने वाले लोगों पर बहुत अधिक निर्भर करता है।

कुछ हद तक हम पहले से ही अधिक जटिल श्रम प्रबंधन मॉडल की अनुमति देने के लिए ऐतिहासिक रिकॉर्ड और वर्तमान डेटा कैप्चर का उपयोग करके वस्तुओं, गतिविधियों और संसाधनों को अधिक प्रभावी ढंग से मार्शल करने में सक्षम हैं। लेकिन एआई निश्चित रूप से विभिन्न स्रोतों से डेटा खींचने और उसे समझने में एक और योगदान दे सकता है।

प्रभावी तैनाती और भी महत्वपूर्ण हो जाएगी क्योंकि कंपनियां 'कोबोट' के रूप में रोबोटिक्स का उपयोग शुरू कर देंगी - लोगों के साथ मिलकर काम करने वाली मशीनें। यह शायद एसएमई के लिए विशेष रूप से प्रासंगिक है, जो इस प्रकार के स्वचालन को तेजी से वहन कर सकते हैं, और उन्हें बड़े परिचालन द्वारा संचालित बड़े 'माल-से-व्यक्ति' स्वचालित सिस्टम की तुलना में इसे और अधिक लचीला बनाने की आवश्यकता है। उदाहरण के लिए, श्रमिकों को रोबोट की वर्तमान या इच्छित स्थिति और प्राथमिकता आदेशों की स्थिति और वर्तमान स्थिति दोनों के सापेक्ष पता लगाने के लिए ब्लूटूथ डिवाइस के साथ 'टैग' किया जा सकता है, लेकिन इसका पूरा लाभ उठाने के लिए बुद्धिमान सिस्टम की आवश्यकता होती है।

हम श्रम दक्षता में सुधार के लिए एआई के उपयोग को मुख्य रूप से कर्मचारियों की संख्या कम करने के रूप में नहीं देखते हैं। बल्कि यह 'डेड टाइम' और गोदाम के एक छोर से दूसरे छोर तक चलने जैसी गैर-उत्पादक गतिविधियों को खत्म करने के बारे में है। जाहिर है, इससे उत्पादकता में सुधार होता है, लेकिन अच्छे लोगों को बनाए रखना भी आसान होता है यदि वे अपना आधा समय बेकार और आधा समय भागदौड़ में नहीं बिताते हैं, जिससे कर्मचारी थका हुआ और कम महत्व वाला महसूस कर सकते हैं।

4. अधिक सटीक रिपोर्टिंग और विश्लेषण

बैलून आपूर्ति श्रृंखला क्षेत्र में एआई को लागू करने में सक्रिय रूप से शामिल है। क्षेत्र में गतिविधियां तेजी से बढ़ रही हैं। यह याद रखना होगा कि हर किसी का वातावरण अलग है, खासकर एसएमई के बीच, यही कारण है कि एआई की केवल बाहरी रूप से प्राप्त एल्गोरिदम को संसाधित करने के बजाय स्थिति से सीखने की क्षमता इतनी आकर्षक है। एक और विचार यह है कि बहुत सारा डेटा टेक्स्ट-आधारित है, इसलिए हम जो काम कर रहे हैं उनमें से एक डेटा को एक डेटा मॉडल के साथ कई स्रोतों से माइक्रोसॉफ्ट एनालिटिक्स पैकेज में खींचना है जो सिस्टम को बताता है कि डेटा को विभिन्न ऑब्जेक्ट्स से कैसे संबंधित किया जाए। हम एक डैशबोर्ड बना सकते हैं और उसके शीर्ष पर हम कुछ चैटजीपीटी प्रकार की कार्यक्षमता को परत कर सकते हैं - 'मुझे दिन और व्यक्ति द्वारा चुने गए मेरे कर्मचारियों का एक पाई चार्ट दिखाएं' - ताकि प्रबंधकों को आईटी से रिपोर्ट बनाने के लिए कहने की ज़रूरत न पड़े।

एआई आधारित सिस्टम मैन्युअल रिकॉर्ड रखने और विश्लेषण की बहुत सारी लागत और बोझ उठा सकते हैं, मैन्युअल सिस्टम में अनिवार्य रूप से उत्पन्न होने वाली त्रुटियों को खत्म करने (या कम से कम पता लगाने) का तो जिक्र ही नहीं किया जा सकता है। अंततः गोदाम और वितरण संचालन द्वारा उपयोग की जाने वाली सभी अलग-अलग प्रणालियों को एकीकृत करने में भी बचत हो सकती है: एआई स्पष्ट रूप से असंगत प्रारूपों के बावजूद, किसी को कड़ी मेहनत करने के बजाय, एक सिस्टम से दूसरे सिस्टम में डेटा प्राप्त करने का तरीका 'सीखने' में सक्षम हो सकता है प्रत्येक घटना के लिए कोड लिखें.

5. बढ़ी हुई छवि पहचान और कम रीकीइंग

एआई यहां पहले से ही बदलाव ला रहा है, उदाहरण के लिए डेटा एंट्री में, जिसमें ऑप्टिकल कैरेक्टर रिकॉग्निशन और इमेज भी शामिल हैस्कैनिंग- इसे समझना, इसे सिस्टम के अन्य तत्वों से जोड़ना और विशेष रूप से त्रुटियों और विसंगतियों की तलाश करना। यह बिक्री आदेश और संबंधित पिक नोट के बीच मात्रा का अंतर हो सकता है; या यह एक डिलीवरी पता हो सकता है जो अस्तित्व में नहीं है या इसका कोई मतलब नहीं है: ऐसी स्थिति में डिलीवरी ड्राइवर के जंगली हंस पर निकलने से पहले पता क्या होना चाहिए, इसके बारे में बुद्धिमान सुझाव देने के लिए एआई को कॉन्फ़िगर करना संभव हो सकता है पीछा करना।

इसलिए गोदाम परिवेश में एआई के साथ बहुत कुछ चल रहा है। वर्तमान में परिदृश्य छोटे-छोटे विकासों का एक समूह है जो लोगों को अपने संचालन में एआई के बिट्स को फिट करने में मदद करता है, अक्सर सिस्टम के बीच इंटरफेस पर काम के छोटे टुकड़ों को खत्म करने के साथ शुरू होता है, जहां, उदाहरण के लिए, डेटा विसंगतियां प्रकट होती हैं। लेकिन यह पैचवर्क निश्चित रूप से काफी कम समय में एकजुट हो जाएगा।

यह बैलून के स्वयं के दृष्टिकोण के अनुरूप है जिसके तहत हमारी नवप्रवर्तन टीम उन्नत कार्यक्षमता वाले छोटे क्षेत्रों को लक्षित कर रही है, क्लस्टरिंग उनमें से पहला है, और जहां हम पहले ही ग्राहक साइटों पर बड़ी दक्षता हासिल कर चुके हैं।

वेयरहाउस प्रबंधन की विशेषता कई डेटा इनपुट और कई संभावित निर्णय और आउटपुट परिदृश्य हैं। इन्हें मजबूती से और समय पर अनुकूलित करना मानव प्रबंधकों की क्षमता से परे है, जबकि पारंपरिक एल्गोरिथम दृष्टिकोण मान्यताओं और सरलीकरणों पर निर्भर करते हैं जो अक्सर हमेशा या पूरी तरह से मान्य नहीं होते हैं। इस बीच, दुर्लभ श्रमिक बैठे-बैठे इंतजार कर रहे होंगे कि उन्हें बताया जाए कि क्या करना है। एआई इन समस्याओं को हल करने के लिए उपकरण प्रदान करने का वादा करता है।