अधिकांश शिपर्स, वाहक और लॉजिस्टिक्स सेवा प्रदाता डेटा संग्रह और डेटा-संचालित निर्णय लेने के महत्व को समझते हैं। समय के साथ एकत्र किया गया डेटा खुफिया जानकारी प्रदान करता है, जिससे कंपनियों को दीर्घकालिक निर्णय लेने की क्षमता बढ़ाने में मदद मिलती है। इस बीच, वास्तविक समय के डेटा का उपयोग स्मार्ट स्प्लिट-सेकंड निर्णय लेने के लिए किया जा सकता है - जैसे कि समस्या होने पर कैसे ठीक किया जाए या फिर से योजना कैसे बनाई जाए।
आर्टिफिशियल इंटेलिजेंस एक शक्तिशाली उपकरण है जो कंपनियों को अपने डेटा से अधिकतम लाभ प्राप्त करने में मदद करता है। यह कई रूप लेता है. "सांख्यिकीय एआई" उपयोगकर्ताओं को छिपे हुए पैटर्न खोजने और स्मार्ट निर्णय लेने के लिए बड़ी मात्रा में जानकारी का विश्लेषण करने में सक्षम बनाता है। इस बीच, कंपनियां "प्रतीकात्मक एआई" मॉडल को प्रोग्राम करने के लिए पिछले डेटा का उपयोग कर सकती हैं, जिसका उपयोग प्रक्रिया अनुकूलन जैसे "उद्देश्य-प्राप्त" अनुप्रयोगों के लिए किया जा सकता है। जोना मैकिंटायर (चित्रित), मुख्य नेटवर्क अधिकारीट्रांसपोरियन, एक ट्रिम्बल कंपनी, आगे की खोज करती है।
स्वचालन बनाम एआई - अंतर को समझना
स्वचालन और एआई के बारे में अक्सर एक ही सांस में बात की जाती है, जैसे कि वे पर्यायवाची हों। हालाँकि, यद्यपि वे आपस में जुड़े हुए हैं, फिर भी दोनों के बीच एक महत्वपूर्ण अंतर है। स्वचालन में सांसारिक, अक्सर प्रशासनिक, कार्यों को सॉफ़्टवेयर को सौंपना शामिल है। यह लिपिकीय है. दूसरी ओर, सच्चे एआई में निर्णय लेने की शक्ति सौंपना शामिल है। सॉफ़्टवेयर को निर्धारित पैरामीटर दिए गए हैं, लेकिन यह अप्रत्याशित निष्कर्ष निकालने के लिए उनका उपयोग करेगा। उपयोगकर्ता एआई को अलग-अलग स्तर की स्वतंत्रता दे सकते हैं। एक अधिक सतर्क दृष्टिकोण यह है कि सॉफ़्टवेयर को विकल्पों की गणना करने और मानव के अनुमोदन के लिए सिफ़ारिशें करने की अनुमति दी जाए। हालाँकि, किसी इंसान को सूचित किए बिना, निष्कर्ष पर पहुंचना और स्वायत्तता से निर्णय लेना भी संभव है।
तो, रसद परिवहन में एआई का सबसे अधिक प्रभाव कहां हो सकता है? संक्षिप्त उत्तर 'हर जगह' है। वास्तव में, दूरदर्शी शिपर्स, कैरियर और लॉजिस्टिक्स सेवा प्रदाता पहले से ही एआई को अपने तकनीकी स्टैक में एकीकृत कर रहे हैं।
ध्यान में रखने योग्य कुछ बातें हैं। ठोस वित्तीय मूल्यों वाले निर्णयों के लिए एआई का सबसे अच्छा उपयोग किया जाता है, जिन्हें स्कोर करना आसान होता है और जिनमें अलग-अलग, प्रसिद्ध चर होते हैं। तेजी से निर्णय लेने का चक्र भी महत्वपूर्ण है। इंसानों की तरह, AI प्रयोग से सीखता है। इसलिए, यदि कोई निर्णय केवल वार्षिक रूप से लिया जाता है, तो सॉफ़्टवेयर को फीडबैक प्राप्त करने के लिए पर्याप्त डेटा इकट्ठा करने में दशकों लग जाएंगे। वास्तविक रूप से, आप चाहते हैं कि एआई मॉडल प्रतिदिन हजारों निर्णयों का विश्लेषण करें। आदर्श रूप से, खिलाड़ी न केवल अपने डेटा के साथ, बल्कि पूरे उद्योग से एकत्र किए गए डेटा के साथ प्रशिक्षित मॉडल का उपयोग करेंगे। यह सहयोगात्मक (जिसे "प्लेटफ़ॉर्म" भी कहा जाता है) दृष्टिकोण हर किसी को आगे बढ़ने में सक्षम बनाता है।
तो, एआई कैसे बदल सकता है कि कंपनियां स्वायत्त खरीद, वास्तविक समय ईटीए उपकरण और डीकार्बोनाइजेशन के माध्यम से अपने डेटा का उपयोग कैसे करती हैं?
वास्तविक समय ईटीए उपकरण
लॉजिस्टिक्स परिवहन उद्योग में शिपर्स और कैरियर्स के बीच का अलगाव लंबे समय से एक चुनौती रहा है। दृश्यता, पारदर्शिता और दक्षता बढ़ाने के लिए, हमें लोड रिसीवर्स और लोड गिवर्स को कनेक्ट करने की आवश्यकता है। उदाहरण के लिए, माल के आगमन के समय की भविष्यवाणी करना पारंपरिक रूप से दोनों के लिए एक कठिन बिंदु रहा हैवाहकऔर वाहक. देरी के सामान्य कारण - जैसे हड़ताल, ट्रैफिक जाम और यांत्रिक कठिनाइयाँ - मानवीय दृष्टि से पूरी तरह से यादृच्छिक लग सकते हैं। लेकिन जब कोई एआई मॉडल वर्षों के इस डेटा का विश्लेषण करता है, तो छिपे हुए पैटर्न सामने आते हैं। आमतौर पर - जब तक परिस्थितियाँ वास्तव में अभूतपूर्व न हों - एआई ईटीए की भविष्यवाणी करने में बहुत बेहतर है और एआई-सहायता प्राप्त रीयल-टाइम ईटीए टूल की सहायता से, कंपनियां यह सुनिश्चित कर सकती हैं कि वे जब भी लोड आएं तो उन्हें प्राप्त करने के लिए तैयार रहें।
खरीद और कोटेशन को स्वचालित करना
प्रतीकात्मक एआई के लिए स्पॉट खरीदारी एक आदर्श उपयोग का मामला है, क्योंकि कंपनियों के पास एक निर्धारित बजट होता है और लीड समय और वाहक प्रकारों के बारे में स्पष्ट बाधाएं होती हैं। इसके अलावा, बातचीत की संरचना अपेक्षाकृत सरल है - प्रतिभागी एक प्रस्ताव दे सकते हैं, प्रतिक्रिया की प्रतीक्षा कर सकते हैं, प्रति-प्रस्ताव दे सकते हैं, एक प्रस्ताव स्वीकार कर सकते हैं या बातचीत समाप्त कर सकते हैं। इससे सॉफ़्टवेयर के लिए स्वतंत्र रूप से अपने लक्ष्यों को प्राप्त करना आसान हो जाता है, जिससे हज़ारों मैन्युअल प्रशासनिक घंटों की बचत होती है।
यह तो केवल एक उदाहरण है। खरीद क्षेत्र में, सांख्यिकीय एआई मूल्य निर्धारण की भविष्यवाणी करने के लिए बड़ी मात्रा में डेटा का उपयोग करके निविदा में क्रांति ला सकता है। उदाहरण के लिए, वाहकों को लोड टेंडर पर बोली लगाने के लिए कहने के बजाय, एआई चुनिंदा वाहकों को उक्त निविदा - और एक मूल्य निर्धारण प्रस्ताव - प्रस्तुत कर सकता है। यदि कोई वाहक प्रस्तावित मूल्य पर निविदा भार स्वीकार नहीं करता है, तो एआई आवश्यकतानुसार अतिरिक्त निविदा दौर शुरू कर सकता है।
एआई लॉजिस्टिक्स सेवाओं के विक्रेताओं के लिए भी एक परिवर्तनकारी प्रभाव डाल सकता है, जो उन्हें अनुमानित बाजार दरों के आधार पर स्पॉट ट्रांसपोर्ट के लिए तत्काल, सटीक मूल्य निर्धारण के साथ ग्राहकों को स्वचालित रूप से सेवा देने में सक्षम बनाता है। इस क्षमता के साथ, लोड लेने वाले उन अवसरों की मात्रा बढ़ा सकते हैं जिनके लिए वे बोली लगाते हैं और अंततः अधिक नए व्यवसाय जीत सकते हैं।
डीकार्बोनाइजेशन
लॉजिस्टिक्स परिवहन क्षेत्र पर अपने कार्बन उत्सर्जन को कम करने का दबाव है। अंतिम-उपयोगकर्ता ग्राहक डीकार्बोनाइजिंग के लिए शिपर्स पर निर्भर हो रहे हैं। इस बीच, शिपर्स वाहकों पर उनकी स्थिरता प्रथाओं के आधार पर अनुबंध करके, पर्यावरणीय रूप से जिम्मेदार वाहकों को लंबे माल ढुलाई अनुबंध की पेशकश करके और यहां तक कि कम कार्बन परिवहन के लिए प्रीमियम का भुगतान करके समान दबाव डाल रहे हैं।
स्थिरता अब निचली रेखा को प्रभावित कर रही है, इसमें कोई आश्चर्य की बात नहीं है कि शिपर्स और कैरियर दोनों के लिए डीकार्बोनाइजेशन एजेंडे के शीर्ष पर बढ़ रहा है। तो, AI इस सब में कैसे मदद कर सकता है? जोर देने वाली पहली बात यह है कि - खरीद के विपरीत - जब स्थिरता की बात आती है तो अक्सर कोई एक 'सही' उत्तर नहीं होता है। कंपनियों के पास 'लागत बनाम उत्सर्जन' या 'निश्चितता बनाम उत्सर्जन' को सावधानीपूर्वक संतुलित करने की इष्टतम रणनीति के बारे में अलग-अलग विचार हो सकते हैं। हालाँकि, एक बार शिपर्स, कैरियर और लॉजिस्टिक्स सेवा प्रदाताओं ने अपनी जोखिम उठाने की क्षमता पर निर्णय ले लिया, तो एआई उन्हें अपने लक्ष्यों पर टिके रहने में मदद करने में महत्वपूर्ण भूमिका निभा सकता है।
कंपनियां आम तौर पर दो में से एक मानसिकता अपनाती हैं। पहली एक कैप-एंड-ट्रेड रणनीति है, जहां कंपनी तय करती है कि वह एक्स से अधिक उत्सर्जन बर्दाश्त नहीं करेगी। दूसरा कार्बन टैक्स है, जहां एक कंपनी अपने उत्सर्जन की भरपाई करने का निर्णय लेती है। इन दोनों रणनीतियों के लिए, शिपर्स और वाहक खरीद घटनाओं में 'उत्सर्जन की प्रति टन कीमत' को शामिल कर सकते हैं। सांख्यिकीय AI एक सहायक निर्णय लेने वाला उपकरण हो सकता है। उदाहरण के लिए, यह तय करते समय कि प्रत्येक शिपमेंट के लिए परिवहन के किस साधन का उपयोग किया जाना चाहिए।
लॉजिस्टिक्स परिवहन में एआई का भविष्य सहयोगात्मक है
हम लॉजिस्टिक्स परिवहन में एआई के उपयोग में एक महत्वपूर्ण मोड़ पर हैं। यह प्रशासनिक कार्य को कम करने और कंपनियों को अधिक कुशल और टिकाऊ बनने में मदद करने के लिए तैयार है। लेकिन इसे हासिल करना प्रभावी डेटा एकत्रीकरण और साझाकरण पर निर्भर करता है। यहीं पर उद्योग के खिलाड़ियों के बीच सहयोग आता है। सभी के लिए सकारात्मक परिणामों को अधिकतम करने के लिए, शिपर्स, कैरियर और लॉजिस्टिक्स सेवा प्रदाताओं को एआई मॉडल को फीड करने के लिए डेटा साझा करने के लिए सहयोगी डिजिटल प्लेटफॉर्म की आवश्यकता होती है। इस दृष्टिकोण के साथ आगे बढ़ते हुए, हम उद्योग के डिजिटलीकरण और डीकार्बोनाइजेशन लक्ष्यों तक पहुंचने की दिशा में अपनी प्रगति में काफी तेजी ला सकते हैं।
