صنعت کامیون داری
کاربردهای هوش مصنوعی

تاثیر هوشمندسازی بر تحولات صنعت کامیون داری

    0

    صنعت کامیون داری با چالش‌های کمبود نیروی کار، نوسانات بازار و تغییرات مداوم فناوری‌ها مواجه است امّا می‌تواند از مغزهای دیجیتالی بهره‌مند شود.

    بازار هوش مصنوعی در صنعت حمل و نقل، بازاری کلان و در حال گسترش است. در واقع پیش‌بینی می‌شود ارزش بازار هوش مصنوعی از سال ۲۰۱۷ تا ۲۰۳۰ با نرخ ترکیبی سالانه نزدیک به ۱۸ درصد رشد داشته باشد و ارزش آن تا سال ۲۰۳۰ به ۳/۱۰ میلیارد دلار افزایش یابد.

    صنعت کامیون داری علی رغم کمبود نیروی کار و دغدغه‌های ایمنی شغلی، در شرایطی پر سود به سر می‌برد، لیکن شیب منحنی پذیرش رو به پایین و بسیار زیاد است. با اینکه اخبار کامیون‌های خودران سر تیتر خبرها را به خود اختصاص داده است، واقعیت این است که هوشمندسازی همچنان تاثیر بسیار زیادی بر بازار حمل و نقل خواهد داشت امّا اجرای آن نیز چالش‌هایی را پیش روی فعالان این حوزه قرار خواهد داد، چالش‌هایی که بازتاب آن در تمام بخش‌ها و صنایع مواجه با تحول دیجیتالی قابل مشاهده است.

    در ملاقاتی که با آوی گلر، مدیر عامل شرکت مدیریت ناوگان حمل و نقل (ماشین آلات) ماون و دانش‌آموخته دانشگاه فناوری ماساچوست (MIT)، داشتم، او از نقش محوری هوش مصنوعی در رفع مشکلات مهم و اساسی صنعت لجستیک و ایجاد بازده‌ای که پیش از این غیر ممکن بود، صحبت کرد. گلر توضیح داد که کامیون‌داری صنعتی پیش رو در استفاده از هوش مصنوعی است و این حوزه به زودی شاهد تحولات و فرصت‌هایی شگرف خواهد بود.

    سوال: مهم‌ترین مسئله پیش روی بخش لجستیک و صنعت کامیون داری در سال ۲۰۲۱ چیست؟ یا به عبارت دیگر چه بخش‌هایی از صنعت مستعد نوآوری هستند؟

    آوی گلر: «فرصت‌های نوآوری بخش کامیون‌داری و لجستیک بیشمار هستند. این حوزه از صنعت با ظهور فناوری دیجیتالی رو به تحول است و از مزایای آن بهره‌مند می‌شود. برخی از نمونه‌های بارز تحول دیجیتالی و به‌کارگیری فناوری مربوط به قابلیت‌های اصلی و عملیاتی کامیون‌داری است. برای نمونه ابزارهای برنامه‌ریزی، بهینه‌سازی مسیر، و گردش کار سیال، که به واسطه برنامه‌های نرم افزاری توسط ارگان‌های حمل و نقل مورد استفاده قرار می‌گیرد، در حال حاضر از مزایای نوآوری بهره‌مند هستند و  مشکلات خود را با کمک فناوری حل از مهمترین می‌کنند، و در آینده نیز به همین شیوه ادامه خواهند داد.

    نرم‌افزارهای بهینه‌ساز مسیر، که با پیشرفت‌های صورت گرفته در حوزه هوش مصنوعی و یادگیری ماشین ارتقاء یافته‌اند، همچنان با دانش غنی و بازدهی فوق العاده خود سیستم حمل و نقل را متنّعم خواهند نمود. قابلیت برنامه‌ریزی و بهینه‌سازی مسیر به طور خودکار (که بسیار بهتر از قبل اجرا می‌شود) زمان بیشتری در اختیار برنامه‌ریز‌ها و اتاق کنترل قرار خواهد داد تا تمرکز خود را بر روی موارد منحصر به فرد قرار دهند، مواردی که مستلزم داشتن تجربه برنامه‌ریزی است. در عین حال انجام این قابلیت‌ها مستلزم در نظر گرفتن تمام داده‌ها و متغیرهایی است که  فقط برنامه ریزان و اتاق کنترل مسیر از آن‌ها اطلاع دارند، مانند مهارت‌های راننده یا پرچالش‌ترین مسیرها.

    مفهوم «گردش کار» موضوع جدیدی نیست. با این حال رانندگان کامیون‌ همیشه تجربه استفاده از «سیستم مدیریت گردش کار در گوشی همراه» را نداشته‌اند، سیستمی که بتواند هر زمان که در سفر توقف می‌کنند آن‌ها راهنمایی کند. اکنون فرصت آن پیش آمده است تا فناوری‌هایی را در اختیار رانندگان قرار دهیم که برای آسان‌تر شدن زندگی طراحی شده‌اند و در نتیجه استفاده آن‌ها رانندگان می‌توانند بیشتر بر روی کار خود یعنی رانندگی متمرکز شوند. ارتقاء تجربه راننده به مسئله‌ای مهم و حیاتی برای شرکت‌های حمل و نقل محسوب تبدیل شده است زیرا آن‌ها به دنبال راه‌هایی برای مقابله با کمبود راننده در سطح کشور و حفظ مشتریان خود هستند. در عوض راهکارهای نرم‌افزاری مبتنی بر فضای ابری، مدیران این شرکت‌ها را لحظه به لحظه در جریان تازه‌ترین بهره‌وری رانندگان قرار می‌دهد. این شرایط برای هر دو طرف، رانندها و مدیران، برد برد است.»

    سوال: هوشمند سازی، در مقابل خودروهای کاملاً خودران، چه کمکی به رفع این مشکلات و بهره مندی از فرصت‌ها می‌‌کند؟ آیا راهکارهایی که درباره آن‌ها صحبت می‌کنیم مربوط می‌شوند به راهکارهای قابل اجرا در کامیون‌ها، یا راهکارهای مربوط به اتاق کنترل، یا هر دو؟

    «می‌توان از هوش مصنوعی هم در کامیون و هم در اتاق کنترل استفاده نمود. از نقطه نظر راننده می‌توانیم با استفاده از هوش مصنوعی مسیر بهتری برای آن‌ها پیدا کنیم و به قطع یقین بیش از پیش بر تصمیم ‌گیری‌های آن‌ها تاثیر بگذاریم. استفاده از فناوری چیزی بیش از تعیین زمان رسیدن راننده به مقصد است. الگوریتم‌های هوش مصنوعی با در نظر گرفتن عوامل مختلف می‌توانند در پیش‌بینی زمان مناسب تحویل بار کمک کنند (مانند تعیین خلوت‌ترین ساعات کاری فرستنده به طوری که راننده مجبور نباشد برای بارگیری معطل شود). شرکت‌های حمل و نقل نیز می‌توانند با استفاده از هوش مصنوعی به افزایش بهره‌وری راننده‌ها کمک کنند و در عین حال موجب افزایش بازدهی همه جانبه شرکت حمل و نقل شوند.»

    سوال: در مورد کامیون‌‌های خودران  مطالب زیادی نوشته شده است. به نظر شما چرا در این حوزه راهکارهای هوش مصنوعی سریع‌تر از کامیون های‌خودران مورد پذیرش و استفاده قرار می‌گیرد؟ و هوشمندسازی چه زمانی به بهره برداری خواهد رسید؟

    «در حال حاضر نیز شاهد استفاده روز افزون از راهکارهای هوش مصنوعی هستیم. شرکت‌های حمل و نقل برای اینکه بتوانند پاسخگوی نیازهای مشتریان خود باشند، انجام فرآیندها را سرعت بخشیده و  به تجربیات راننده‌ها بیافزایند، راهکارهای تعیین مسیر مبتنی بر هوش مصنوعی را در اولویت قرار داده‌اند. اکنون شرکت‌ها می‌توانند وظایف خود را بر اساس عملکرد و متغییرهای مختلف، مانند ترافیک، آب و هوا، و شرایط جاده‌ها، انجام دهند.

    در مورد کامیون‌های خودران، من معتقدم پیش از ورود کامیون‌های کاملاً خودران به بازار، شاهد روش‌های کنترل از راه دور ِ کامیون‌داری خواهیم بود. با کمک سنسورها و دوربین‌های نصب شده روی آن، کامیون‌های مجهز به سیستم کنترل از راه دور توسط افرادی خارج از کامیون هدایت می‌شوند. این مورد استفاده بسیار جالب است، زیرا کنترل از راه دور می‌تواند پلی باشد برای رسیدن به کامیون‌های کاملاً خودران، یا حداقل حل کردن یک قطعه اصلی از این پازل. امّا به احتمال زیاد تا زمانی که ۵G و آموزش کنترل و رانندگی از راه دور فراگیرتر نشود، این فناوری نیز متداول نخواهد شد. تحقق کامیون‌های خودران و کنترل از راه دور کامیون‌ها مستلزم دستیابی به این دو مولفه است ( اینترنت نسل پنجم و آموزش هدایت از راه دور).»

    سوال: آیا بازار آماده پذیرش این راهکارها هست؟ مشتریان چه واکنشی در برابر تغییرات سریع فناوری در صنعت نشان می‌دهند و آیا برنامه نویسان هوش مصنوعی در حوزه لجستیک موفق به فروش خدمات خود خواهند شد؟

    «زمانی که صحبت از فرایندها و فناوری به میان می‌آید، همگان به اشتباه تصور می‌کنند. صنعت کامیون داری و حمل نقل نمی‌تواند تغییر کند و یا تمایلی به تغییر ندارد. بنا به تجربه شخصی خودم، شرکت‌های حمل و نقل به دنبال خودکارسازی و راهکارهای مبتنی بر فناوری‌های پیشرفته هستند تا انجام عملیات‌ها را  ساده‌تر کند و امکان افزایش کارایی و سودآوری را پیش روی آن‌ها قرار دهد.

    در اکثر بخش‌های صنعت کامیون داری ، تقاضا بالا است. این صنعت با کمبود راننده مواجه است و همین امر در پاسخگویی به تقاضای مشتریان فشار زیادی بر شرکت‌های حمل و نقل وارد می‌آورد. بسیاری از مدیران شرکت‌های حمل و نقل دریافته‌اند که کنترل اوضاع مستلزم به کارگیری هوش مصنوعی، دیتا، و تحلیل و واکاوی در جهت منافع شرکت است. شرکت‌ها به نرم‌افزارهایی احتیاج دارند که زمان برنامه‌ریزی را کاهش ‌دهد و عملیات را بهینه سازد و درنتیجه ترابری به راحتی و بدون وقفه صورت ‌گیرد. همزمان با افزایش اهمیت بارگیری و تحویل به موقع مرسولات و بالا رفتن سطح استانداردها در بازار، تقاضا برای هوش مصنوعی نیز افزایش می‌یابد.»

    سوال: خط سیر فناوری در این صنعت را طی ۵ تا ۱۰ سال آینده چگون ارزیابی  می‌کنید؟ باید منتظر چه تغییراتی باشیم؟ الگوی پذیرش چگونه خواهد بود؟

    «اکنون مدتی است که صحبت از کامیون‌های خودران و هدایت از راه دور کامیون‌ها از مهم‌ترین موضوعات بحث در کامیون‌داری هستند. علی رغم اینکه این موضوعات در توسعه صنعت حمل و نقل بسیار مهم و اساسی هستند، به نظر من  یکی از تاثیرگذارترین پیشرفت‌های فناوری طی چند سال آینده در حیطه راهکارهای مدیریتی مبتنی بر هوش مصنوعی و فضای ابری و دستاورد‌های خودکاری‌سازی در حوزه حمل و نقل خواهند بود. به لحاظ الگوی پذیرش انتظار داریم که راننده‌ها، مدیران، و دیگر کارکنان این صنعت نسبت به افزایش توانایی مدیریت عملیاتی و تجربه کاربری یکپارچه‌، یا به عبارتی قابلیت‌هایی که هوشمندسازی احتمالاً طی ۵ تا ۱۰ سال آینده ارائه خواهند نمود، احساس راحت‌تری داشته باشند و حتی نسبت به آن احساس قدرت کنند. در آینده شاهد استقرار نرم‌افزارهای بیشتری در فضای ابری خواهیم بود و با حرکت به سوی حذف کاغذ در محیط‌های کاریشرکت‌های حمل و نقل بیشتری به استفاده از برنامه‌ریزی، صدور صورت حساب، و مدیریت دیجیتالی روی خواهند آورد.

    با این حال، هنوز راه زیادی برای رسیدن به قابلیت‌های حداکثری هوش مصنوعی و یادگیری ماشینی در پیش داریم. تلفیق انواع الگوریتم پیش‌گویانه با راهکارهای مطرح شده این امکان را در اختیار شرکت‌های حمل و نقل قرار می‌دهد تا گام بزرگی در راستای تحقق اهدافشان بردارند. با استفاده از داده‌های قدیمی و داده‌های لحظه به لحظه، به جای اتکاء به دانش نانوشته‌ی حرفه‌ای خود، شرکت‌های حمل و نقل می‌توانند با دقت بیشتری تقاضا و نیازها را پیش‌بینی، ارسال محموله و مرسولات را برنامه‌ریزی، و مسیرهای پیش رو را بهینه کنند. با مجهز شدن به فناوری پیش‌گویانه و بینش بدست آمده از هوش مصنوعی، شرکت‌های حمل و نقلی که از قبل و به نحوه احسن برای رویارویی با تحولات درونی و همه جانبه این صنعت آماده شوند می‌توانند به برتری رقابتی دست یابند.

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    هوش مصنوعی در نقش تعدیل کننده یک ویدئوچت

    مقاله قبلی

    چگونه سرعت حلقه‌ های pandas را ۷۱۸۰۳ برابر افزایش دهیم؟

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *