Из пункта А в пункт Б: как Data Science меняет сферу логистики?

Транспортная отрасль одной из первых осознала мощь больших данных. Перевозчики работают в условиях жесткой конкуренции, где невнимательность к деталям легко может привести бизнес к краху. Себестоимость доставки растет и падает из-за пробок, дорожных работ, изменений погоды и потребительских настроений. С другой стороны, если вы точно знаете, сколько вам стоит каждый поворот на пути к клиенту, ваши шансы на успех сильно растут.

Именно поэтому логистические предприятия активно инвестируют в искусственный интеллект и Data Science — по оценкам аналитиков McKinsey, эти технологии ежегодно приносят им до $2 триллионов (!) дополнительной прибыли. В сегодняшней статье мы представим пять проектов, которые доказывают: в таких динамичных сегментах, как транспорт и перевозки, методология data-driven management становится ключевым фактором выживания бизнеса.

Курс «Data-driven management»
Идет набор в группу 6 300₽ в месяц

Оптимизация маршрутов

Первая область, в которой получили применение аналитические системы — это планирование оптимальных маршрутов доставки. Здесь пояснения излишни, ведь навигатор сегодня есть в смартфоне каждого водителя.

Перевозчикам, которые работают с гораздо более мощными и функциональными решениями, эти системы помогают экономить десятки миллионов долларов. Конкретно, компания UPS, создавшая собственный алгоритм ORION, оценила его эффективность в $50 млн в год. Сюда входит и сокращение времени в пути, и минимизация сопутствующих расходов вроде затрат на бензин и техобслуживание, и повышение эффективности маршрутов, благодаря чему водители компании могут доставлять больше, а ресурсов тратить — меньше. На сто ежегодных миллионов миль меньше.

Прогнозирование спроса и планирование доставки

Разумеется, главная цель любой компании — поддерживать оптимальную заполняемость складов без затоваривания площадей. Это касается как крупных логистических хабов, так и отдельных компаний, которые ежедневно работают над оптимизацией процессов доставки. Искусственный интеллект и большие данные оказываются незаменимым помощником в решении этих задач.

В качестве примера можно обратиться к опыту компании Infinera, которая занимается разработкой телекоммуникационного оборудования. После неудачного 2017 года, когда прибыль организации упала на $130 млн,  руководство привлекло к организации логистических цепочек специалистов по Data Science. Эти эксперты разработали алгоритм, который анализирует накопленные данные о выполненных заказах, влиянии погодных условий и прочих факторов логистики. Все это служит одной цели — чтобы менеджеры по продажам могли гарантировать заказчикам точные сроки поставок.

Результат не заставил себя ждать. Благодаря возможности точно прогнозировать время исполнения заказов Infinera отстраивается от конкурентов и укрепляет партнерские отношения. А ее сотрудники могут принимать решения, опираясь на факты, а не простую интуицию.

Курс для product-менеджеров
Идет набор в группу 3 700₽ в месяц

Управление складами

Эффективный склад должен работать, как конвейер, чтобы прибывающие машины проводили в ожидании минимум времени, а персонал не тратил лишние силы в поисках нужных контейнеров и паллет. Искусственный интеллект приближает жизненные реалии к этому идеалу — в ближайшие годы эти технологии помогут автоматизировать треть складских операций.

Речь идет не просто об избавлении сотрудников от рутинных операций вроде заполнения документов или роботизации перемещения грузов (хотя и об этом тоже). На современном складе тоже находится применение прогнозным системам, которые помогают заранее готовить товары к отправке в тех случаях, когда задержка грозит миллионными убытками.

Именно так обстоит дело в бизнесе компании Lineage Logistics — на ее площадях хранятся продукты, которые затем отправляются в американские McDonald’s, Walmart и еще 3000 ресторанов, кафе и магазинов. Нетрудно представить, какой груз ответственности лежит на складских менеджерах, поэтому компания старается максимально разгрузить своих сотрудников с помощью бизнес-аналитики и data science.

Специально разработанный алгоритм выдает прогноз, когда на склад поступит тот или иной заказ, позволяя сотрудникам правильно организовывать паллеты с товарами. Чем ближе дата отправки, тем ближе нужный контейнер к зоне выдачи. В результате склады Lineage Logistics на 20% повысили свою эффективность — а это значит, что и прибыль больше, и заказчики довольны.

Беспилотные перевозки

Грузовые перевозки, несомненно, станут первыми бенефициарами растущего рынка беспилотных автомобилей. Роботизированный дальнобойщик, который не нарушает правила, не устает и не испытывает голода — это лучшее, что отрасль получала в свои руки со времен открытия магистральных автобанов.

Хотя для беспилотных автомобилей еще предстоит разработать законодательство, некоторые компании уже давно применяют их в своих процессах. Например, Rolls-Royce вместе с Intel начала работать над этими технологиями еще раньше Илона Маска — в 2010 году. Правда, их усилия направлены на автоматизацию морских перевозок как наиболее перспективного логистического направления. Доставка по воде по-прежнему остается самым дешевым видом транспорта — в межгосударственных маршрутах на нее приходится до 75% перевозок.

Технологии машинного обучения помогают автоматизированным корабельным системам анализировать объекты вокруг судна и прогнозировать, как они могут ему помешать. Анализ ситуации дополняется отслеживанием технических показателей, которые поступают с сотен интеллектуальных датчиков в моторном отсеке. В результате грузовоз следует по оптимальному маршруту с наименьшими затратами топлива и минимальной нагрузкой на экипаж.

Клиентский сервис

Эта тема идет последней в нашем списке, что не умаляет ее важности для логистического бизнеса. Любой, кто пытался дозвониться до курьера, чтобы узнать, когда он прибудет с посылкой, подтвердит — в такие моменты очень важно ощутить человеческое отношение.

Хороший пример применения этих технологий в жизни — опыт Amazon. В списке сервисов, с которыми работает голосовой помощник Alexa есть DHL Express и US Postal Service — пользователь может в любой момент спросить у умной колонки, где сейчас его посылка. Чат-боты и роботизированные консультанты берут на себя значительную часть клиентской поддержки, причем с развитием технологий синтеза речи общение с ними становится все «человечнее». Такой сотрудник всегда предельно вежлив и спокоен и может одновременно общаться с сотнями, тысячами клиентов.

Несомненно, на логистические процессы сильно повлияют и умные дороги, которые будут передавать в центры организации движения данные о транспортной ситуации, и роботизированные офисные системы, берущие на себя работу с документами и сопровождение грузов. Так что можно с уверенностью ждать, что в скором будущем мы увидим, как роботы-помощники принимают посылки от роботов-курьеров, которые отправляют подтверждение заказа роботам-отправителям.

Текст: Помогаев Дмитрий

Поделиться:
Опубликовано в рубрике Наука о данных (Data Science)Tagged ,

SkillFactory.Рассылка