Новости

Jul 12, 2023

Создание складов следующего поколения и преобразование операций с использованием науки о данных

Все вышеперечисленные сценарии повторяются во многих цепочках поставок, хотя

Все вышеперечисленные сценарии повторяются во многих цепочках поставок, даже несмотря на наличие готовых технологических решений. Искусственный интеллект и машинное обучение способны преобразовать складские операции с помощью анализа данных. Расширенная аналитика данных уже используется складами NextGen по всему миру, чтобы произвести революцию в складской деятельности. Некоторые решения:

Умное планирование встреч

Машинное обучение анализирует исторические данные заказов, встреч и графиков на складе. После анализа расписания и времени прибытия грузовиков выявляются закономерности — например, хроническое опоздание перевозчика или задержки, связанные с погодой. Алгоритм, полученный на основе шаблона, уточняется с учетом более глубокого понимания, полученного в результате анализа данных, включая различные параметры, такие как сложность заказа, усилия, необходимые для его обработки, загрузка склада и т. д. Модель машинного обучения обучена прогнозировать лучшие графики с помощью различных симуляций сценариев «что, если» до того, как будет сформулировано интеллектуальное решение на основе искусственного интеллекта для планирования встреч.

Сотрудники склада, которым необходимо назначить встречи, могут переключать доступные варианты, чтобы выбрать рекомендацию. «Умный» планировщик не только записывает встречи, но и корректирует весь график на день или направление (входящие/исходящие) занятий; он показывает количество встреч, которые можно поместить в один и тот же слот календаря, отражает статус комплектации, указывает причины задержек, отмечает несоответствия, требующие внимания, отслеживает активные и неактивные часы и определяет лучшие возможности для обслуживания опоздавших. Все это делается без ущерба для времени очереди других операторов связи.

Преимущества:Сокращение времени обработки, точность планирования, сокращение задержек, автоматическое планирование, экономия за счет предотвращения штрафов за задержание, оптимизация загрузки склада в течение дня, распределение рабочей силы, электронная почта или телефонные сообщения о назначенных встречах водителям/перевозчикам, благополучие водителей, безопасность и быстрая обработка груза

Прогнозное управление запасами

Спрос клиентов, спрос на сырье в цехах, заказы от розничных продавцов и срок годности продукции влияют на управление запасами. Даже риски, возникающие в цепочке поставок, настроения потребителей, отслеживаемые через социальные сети, а также общественное восприятие производителей, поставщиков или любых других заинтересованных сторон, могут отрицательно повлиять на управление запасами. Таким образом, отслеживание разнообразного набора данных и их упреждающее понимание — это прогнозная аналитика.

Для реализации прогнозного управления запасами очень большие наборы исторических и текущих данных агрегируются, фильтруются, анализируются и моделируются. Ограничения, такие как экстремальные погодные условия и резкие скачки данных в точках продаж, вводятся, чтобы побудить алгоритмы машинного обучения «научиться» прогнозировать на основе новейшей истории. Поскольку упор делается на высокую наглядность данных, можно сократить разрыв между менеджерами по мерчендайзингу, принимающими решения о покупке, и менеджерами складов.

Данные из многих приложений, включая систему управления складом, управление запасами поставщиков, анализ потребительской корзины, управление заказами на распределение и планирование цепочки поставок, помогают моделировать и прогнозировать результаты, получать ценную информацию, которая улучшает сотрудничество, и разрабатывать гибкие стратегии управления запасами.

Такие параметры, как структура спроса, предстоящий дефицит, потери, общая стоимость владения запасами, масштабирование для включения данных от сторонних поставщиков, количество SKU и корректировка слотов, также используются для стимулирования прогнозируемого создания запасов.

Преимущества:Эффективное сокращение затрат, продуманное принятие решений, лучшее сотрудничество между процессами и заинтересованными сторонами, стратегический поиск поставщиков, предотвращение избыточных запасов, масштабируемость для роста, формирование спроса, а также повышение удовлетворенности и качества обслуживания клиентов.

Интеллектуальное распределение задач