Репортаж от Wedoany，Компания C.H. Robinson первой в своей сфере представила технологию искусственного интеллекта для управления глобальными цепочками поставок грузовладельцев и непрерывной оценки и повышения эффективности. Этот глобальный логистический провайдер создал систему для обслуживания клиентов своего решения 4PL Managed Solutions (Управляемые решения четвертой стороны логистики). Новый инструмент Lean AI Engineer (Бережливый ИИ-инженер) будет работать совместно с Lean AI Planner (Бережливый ИИ-планировщик), запущенным в 2025 году, создавая взаимосвязанную систему, которая уникальным образом повышает производительность цепочки поставок в процессе её работы.
Технология автономно обрабатывает 92% глобальных грузоперевозок 4PL, охватывая автомобильный, морской, авиационный и железнодорожный транспорт. Она управляет грузом с момента создания заказа, включая тендеры, маршрутизацию, доставку, обработку исключений и оплату перевозчикам. Lean AI Engineer способен оценить всю цепочку поставок за 25–30 минут и определить пути улучшения до того, как производительность пострадает, заменяя традиционную оценку цепочки поставок, которая обычно занимает до четырех недель и анализирует только прошлые события. Lean AI Engineer предоставляет аналитику, а Lean AI Planner управляет перевозками грузов через сотни взаимосвязанных ИИ-агентов. Результаты выполнения передаются обратно Lean AI Engineer для разработки более интеллектуальных оптимизационных решений.
Джордан Касс (Jordan Kass), президент подразделения управленческих решений C.H. Robinson, заявил, что система работает непрерывно, улучшая текущие операции и самовосстанавливаясь при сбоях, без необходимости в оповещениях или ручном выявлении проблем. Lean AI Planner выполняет задачи в реальном времени, а Lean AI Engineer изучает результаты, выявляет закономерности и корректирует логику. Джордан пояснил, что технология устраняет необходимость в отдельных инструментах для аналитики и оркестровки цепочек поставок.
Расширяя логистическую экспертизу с помощью технологий, традиционные качественные логистические услуги полагаются на талантливых специалистов для управления сложностью, принятия решений и вмешательства при сбоях. Джордан добавил, что проблема в том, что талант невозможно масштабировать. Изменяя это путем встраивания экспертизы непосредственно в технологию, грузовладельцы получают неограниченный доступ к талантам и знаниям, которые могут последовательно применяться к каждой партии груза, независимо от того, кто доступен в каком часовом поясе и насколько растет объем грузоперевозок. Команды могут сосредоточиться на стратегических приоритетах, добиваясь наилучших бизнес-результатов.
Успех зависит от данных и контекстной информации, к которым имеет доступ система. Благодаря 450 штатным инженерам-программистам и специалистам по данным, собственный контекстный слой строится путем систематического извлечения институциональных знаний из рабочих процессов. Эти данные поступают от опытных экспертов по грузоперевозкам и постоянно используются для обучения модели. Технология использует данные всех этапов сквозной транспортировки, а не разрозненные фрагменты, которые видят разные инструменты. Она обучена на уникальном контексте оркестровки грузоперевозок, включая детали груза, процессы, пункты погрузки и выгрузки, перевозчиков, маршруты и толерантность к риску. Джордан отметил, что именно так Lean AI Engineer знает, какие улучшения подходят, а не дает общие или теоретические рекомендации. Например, если производитель автокомпонентов осуществляет трансграничные перевозки пять дней в неделю на сборочную линию, работающую по принципу «точно вовремя», система не предложит экономить, перейдя на еженедельные перевозки. Продвинутый ИИ учитывает гораздо больше переменных, чем человеческий анализ или типичное программное обеспечение, а предлагаемые улучшения являются приоритетными и выполнимыми для пользователя.
На момент запуска Lean AI Engineer будет выявлять возможности для оптимизации и скрытой экономии в бизнесе. Один из первых пользователей узнал, что переход с переменного графика отгрузок на еженедельный может сократить количество загрузок на 17% на 20 объектах, экономя более 1 миллиона долларов в год. Другой клиент реорганизовал перевозки грузов так, чтобы одна погрузка обслуживала три разных пункта доставки, что позволило сократить общее количество загрузок на 81% и сэкономить 40% затрат. Lean AI Engineer будет внедряться у большего числа клиентов, начиная оценку других факторов, таких как эффективность перевозчиков. Постоянно отслеживая поведение перевозчиков по различным маршрутам, видам транспорта и клиентам, он будет выявлять опережающие индикаторы снижения производительности и рекомендовать корректирующие меры до возникновения сбоев в обслуживании.
Арун Раджан (Arun Rajan), главный директор по стратегии и инновациям C.H. Robinson, отметил, что цепочки поставок обычно страдают не от нехватки информации, а от разрыва между знанием и действием. Технологии, находящиеся над цепочкой поставок или вне её, могут агрегировать данные, координировать сигналы и давать рекомендации, но полагаются на других в выполнении сигналов и понимании эффективности действий. Арун пояснил, что технология устраняет этот разрыв, предоставляя круглосуточное качественное обслуживание через единую систему, с чем не может сравниться ни одна другая компания.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
