چگونه تغییر مدیریت حمل نقل با هوش مصنوعی و اینترنت اشیا ممکن است؟

تحلیلگران پیش‌بینی می‌کنند که در سال جدید، ۷۵٪ از اتومبیل‌های جدید از قابلیت اتصال اینترنت اشیا برخوردار خواهند بود. این افزایش نشان از کاربردهای مصرفی دارد، اما ایده وسایل نقلیه متصل باید به بخش‌های دیگری همچون ترابری، تدارکات و حمل و نقل نیز سرایت کند. مدیران این گونه صنایع باید با دوراندیشی برنامه‌ای به منظور مدیریت حمل نقل با هوش مصنوعی و اینترنت اشیاء داشته باشند، زیرا این فناوری‌ها مدیریت حمل و نقل را متحول می‌کنند.

در اینجا پنج کاربرد بالقوه این دو فناوری برای اینکه مدیران مدنظر قرار دهند آورده شده است.

ساده‌سازی تصمیم گیری

دیوید پولسن، متخصص فناوری اطلاعات در CutCableToday می‌گوید وسایل نقلیه متصل یا خودکار به دلیل فناوری‌هایی که در آن‌ها استفاده شده است بسیار جذاب هستند. پولسن توضیح می‌دهد: اینترنت اشیا (IoT) بخشی از یک معادله است و بخش دیگر آن هوش مصنوعی است. هوش مصنوعی به عنوان یک محرک عمل می‌کند و کمک می‌کند تا اشیا متصل شوند، که می‌تواند یک وسیله نقلیه یا یک سیستم موجودی باشد. این کار در نهایت منجر به تصمیم‌های هوشمندانه‌تر می‌شود.

توانایی تصمیم‌گیری خودکار و به‌کارگیری آن در مدیریت حمل ونقل بسیار مهم است. وسایل نقلیه، ترابری‌ها و سیستم‌های متصل، به ردیابی کمک می‌کنند. مدیریت حمل نقل با هوش مصنوعی نیز به افزایش بینش و پاسخ‌های لحظه‌ای کمک می‌کند. ماریا یائو، در TOPBOTS که یک منبع آموزشی آنلاین در مورد هوش مصنوعی محسوب می‌شود نویسنده است. او این فرایند را «تبدیل لجستیک زنجیره تامین به تجارت خودکار» می‌نامد.

او می‌گوید توانایی آمازون برای تحویل بسته‌ها به درب منزل در کمتر از دو ساعت مثالی از این فرایند است. هوش مصنوعی و اینترنت اشیا کل فرآیند را از زمان سفارش تا تحویل ساده‌سازی می‌کند تا در وقت و هزینه صرفه جویی شود و خواسته مشتری برآورده شود.

بهینه‌سازی عملیات

DHL یک شرکت ارائه دهنده تدارکات در سطح جهانی است. این شرکت کاربرد دیگری از هوش مصنوعی و بهینه‌سازی اینترنت اشیا را ثابت کرده است. گزارش سال ۲۰۱۶ این شرکت نشان می‌دهد که داده‌های بزرگ و زنجیره تأمین خودکار می‌تواند منجر به سطحی از بهینه‌سازی شود که تا پیش از این غیرقابل تصور بود.

اما این بهینه‌سازی تنها به یکی از جنبه‌های مدیریت حمل نقل با هوش مصنوعی اختصاص ندارد. بلکه DHL پیش بینی می‌کند که در آینده، تولید، تدارکات، انبارداری و تحویل به طور روزافزونی کارآمد، مولد و سودآور خواهد شد. این شرکت معتقد است این روند در ده سال آینده رشد چشمگیری خواهد کرد.

ممکن است حق با DHL باشد. به عنوان مثال جنرال الکتریک شروع به ادغام هوش مصنوعی در لوکوموتیو‌های خود کرده است تا ایمنی و سرعت را افزایش دهد.

دانیل مالک در Motionloft بهینه‌سازی ترافیک را کاربرد دیگر هوش مصنوعی و اینترنت اشیا می‌داند. او می‌گوید شرکت‌های مدیریت حمل و نقل می‌توانند نفع زیادی از Motionloft ببرند. یکی از این کاربردها، مطالعه الگوهای ترافیک است. همچنین با بهینه‌سازی روش‌های تجاری می‌توان نیروهای راهور را فقط در اوج شلوغی اعزام کرد و یا تعمیرکاران را برای تعمیر جاده‌هایی که دارای بیشترین تردد هستند فرستاد و نیروهای بهداشتی را برای تمیز کردن مناطق پر عبور و مرور استقرار کرد.

مدیریت انبارها

تیم یانگ از شرکت Vero Solutions معتقد است با روش دیگری تغییر مدیریت حمل نقل با هوش مصنوعی و اینترنت اشیا ممکن است. وی می‌گوید هوش مصنوعی می‌تواند در شش حوزه عملیاتی اثرگذار باشد.

سطح بهره وری، فرآیندهای موجودی و دستمزد کارمندان تنها سه حوزه از این حوزه‌ها هستند. یانگ می‌گوید انتظار می‌رود این حوزه‌ها طی چند سال آینده با استفاده از فناوری هوش مصنوعی متحول شوند.

سه حوزه دیگر مربوط به ارتباطات موثر، عملیات انبارگردانی و ربات‌های کارگر است. یانگ برای ربات‌های کارگر، آمازون را مثال می‌زند. این شرکت در حال آزمایش روبات‌ها در انبارهای خود برای افزایش بهره وری و احتمالاً کنترل کیفیت است.

کاهش زمان خرابی و تعمیرات

شرکت‌های حمل و نقل از هوش مصنوعی و اینترنت اشیا برای کاهش خرابی‌ها و تعمیرات پرهزینه استفاده می‌کنند. به عنوان مثال، تشخیص مشکلات از درون خود شرکت می‌تواند به پرسنل در مورد مشکلات تعمیر و نگهداری هشدار دهد. این موضوع مسافران را ایمن نگه می‌دارد و باعث افزایش طول عمر خودرو می‌شود.

دانیل از شرکت Zebra این مفهوم را بیش از پیش شفاف می‌کند. او معتقد است اینترنت اشیا قابلیت نظارت از راه دور را ارائه می‌دهد. شرکت‌هایی که این فناوری‌ها را به کار می‌گیرند می‌توانند به طور فعالانه به مسائل مربوط به نگهداری پاسخ دهند و همچنین در دسترس بودن قطعات و سوابق موجودی را بررسی کنند.

دانیل همچنین به یک نکته مهم اشاره می‌کند و می‌گوید هوش مصنوعی و اینترنت اشیا می‌توانند هزینه‌های مربوط به بیمه را کاهش دهند. گزارش‌ها نشان می‌دهد که بیمه‌ها از داده‌های مرتبط با وسایل نقلیه برای اطلاع‌رسانی قیمت‌گذاری در مورد بیمه نامه‌ها و حق بیمه استفاده می‌کنند. این گزارش به طور خاص در مورد بیمه نامه‌های مصرف کننده‌ها است، اما یافته‌های آن می‌تواند به راحتی به دیگر منافع تجاری نیز تعمیم داده شود.

وسایل نقلیه خودران

هوش مصنوعی و اینترنت اشیا می‌توانند بیش‌تر از سیستم‌ها و فرایندهای back-end تأثیر گذار باشند. این دو فناوری می‌توانند وسایل نقلیه بدون راننده تولید کنند، حوزه‌ای که ظاهراً قلمرو غول فناوری یعنی گوگل است. اما گوگل در این مسیر رقیب‌های قدری همچون تسلا، فورد، دایملر و حتی اوبر را دارد که ادعا می‌کنند ابتکار عمل در حوزه وسایل نقلیه بدون راننده را در دست دارند.

جورج زارکاداکیس در مقاله خود با عنوان «تأثیر هوش مصنوعی در حمل و نقل» از اوبر به عنوان یک زنگ خطر یاد می‌کند. وی می‌گوید هوش مصنوعی و یادگیری ماشین به طور بالقوه می‌توانند منجر به اتوماسیون کامل ناوگان کامیونی شوند.

اظهارات زارکاداکیس این سوال را ایجاد می‌کند که چه اتفاقی برای رانندگان کامیون می‌افتد؟ تحقیقات شرکت Goldman Sachs می‌تواند پاسخ این سؤال را بدهد. این شرکت به CNBC گفته است که کامیون‌های بدون راننده در طی چند دهه آینده باعث از دست رفتن ۲۵۰۰۰ شغل در ماه می‌شوند.

البته جک استوارت در WIRED دیدگاه مثبت‌تری به این موضوع دارد. او می‌گوید با تحقق رویای وسایل نقلیه خودران مشاغل رانندگی تغییر خواهد کرد، اما به این معنی نیست که لزوماً از بین خواهند رفت. وی همچنین اثرات مثبت دیگر مدیریت حمل نقل با هوش مصنوعی را کاهش هزینه‌ها و بهبود ایمنی جاده‌ها می‌داند.

نتیجه‌گیری

مزایایی که اینترنت اشیا و هوش مصنوعی در حوزه مدیریت حمل و نقل به ارمغان آورده‌اند بیشتر از آن هستند که کسب و کارها و فعالان این حوزه این فناوری‌ها را نادیده بگیرند. مشاغلی که می‌خواهند در آینده به موفقیت برسند باید این پنج مثال را از چگونگی تأثیر اینترنت اشیا و هوش مصنوعی بر مدیریت حمل و نقل در نظر داشته باشند و سپس تصمیم بگیرند که این ویژگی‌ها را در کجا و چه زمانی به عملیات‌ها و فرایندهای خود اضافه کنند.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید.