소식

Jul 12, 2023

데이터 과학을 사용하여 NextGen 창고 구축 및 운영 혁신

위의 모든 시나리오는 여러 공급망에서 반복됩니다.

위의 모든 시나리오는 준비된 기술 솔루션이 있음에도 불구하고 많은 공급망에서 반복됩니다. 인공 지능과 머신 러닝은 데이터 분석을 통해 창고 운영을 혁신할 수 있는 힘을 가지고 있습니다. 고급 데이터 분석은 이미 전 세계적으로 NextGen 창고에서 창고 활동을 혁신하기 위해 사용되고 있습니다. 일부 솔루션은 다음과 같습니다.

스마트 약속 일정

기계 학습은 창고의 주문, 약속 및 일정에 대한 기록 데이터를 검토합니다. 트럭의 예정 시간과 도착 시간을 면밀히 조사한 후 만성적으로 늦게 도착하는 운송업체나 날씨로 인한 지연 등의 패턴이 감지됩니다. 패턴에서 파생된 알고리즘은 주문 복잡성, 이를 처리하는 데 필요한 노력, 창고 로드 등과 같은 다양한 매개변수를 포함하여 데이터 분석에서 얻은 더 깊은 통찰력을 통해 개선됩니다. ML 모델은 지능형 약속 일정 AI 솔루션이 공식화되기 전에 "가상" 시나리오에 대한 다양한 시뮬레이션을 통해 최상의 일정을 예측하도록 훈련되었습니다.

약속을 예약해야 하는 창고 직원은 권장 사항을 선택하기 위해 사용 가능한 선택 사항을 전환할 수 있습니다. "스마트" 스케줄러는 약속을 예약할 뿐만 아니라 그날의 전체 일정이나 활동 방향(인바운드/아웃바운드)을 조정합니다. 동일한 달력 슬롯에 들어갈 수 있는 약속 수를 표시하고, 선택 상태를 반영하고, 지연 이유를 표시하고, 주의가 필요한 불일치에 플래그를 지정하고, 활성 시간과 비활성 시간을 확인하고, 늦게 도착한 고객에게 서비스를 제공할 수 있는 최상의 기회를 식별합니다. 이 모든 작업은 다른 항공모함의 턴 시간을 손상시키지 않고 수행됩니다.

이익:근무 시간 단축, 일정 정확성, 지연 감소, 일정 자동화, 억류 비용 회피로 인한 비용 절감, 하루 동안 창고 부하 최적화, 인력 분배, 운전자/운송업체에 대한 예정된 약속 이메일 또는 전화 메시지, 운전자의 웰빙, 안전 신속한 배송 처리

예측 재고 재고 관리

고객 수요, 작업 현장의 원자재 수요, 소매업체의 주문, 제품 유통기한 등이 재고 관리에 영향을 미칩니다. 공급망 전반에 걸쳐 표면화되는 위험, 소셜 미디어를 통해 추적되는 소비자 정서, 제조업체, 공급업체 또는 기타 이해관계자에 대한 대중의 인식조차도 재고 관리에 부정적인 영향을 미칠 수 있습니다. 따라서 다양한 데이터 세트를 감시하고 이를 사전에 이해하는 것이 예측 분석입니다.

예측 재고 재고 관리를 구현하기 위해 과거 및 현재 데이터로 구성된 매우 큰 데이터 세트를 집계, 필터링, 분석 및 모델링합니다. 극단적인 기상 조건 및 판매 시점 데이터에서 볼 수 있는 급증과 같은 제약 조건이 도입되어 기계 학습 알고리즘이 보다 최근 기록을 기반으로 예측을 "학습"하도록 유도합니다. 데이터의 높은 가시성이 강조되기 때문에 구매 결정을 내리는 머천다이징 관리자와 창고 관리자 간의 격차를 해소할 수 있습니다.

창고 관리 시스템, 공급업체 재고 관리, 장바구니 분석, 유통 주문 관리, 공급망 계획 등 다양한 애플리케이션에서 얻은 데이터는 결과를 시뮬레이션 및 예측하고 협업을 강화하는 통찰력을 발견하며 민첩한 재고 관리 전략을 개발하는 데 도움이 됩니다.

수요 패턴, 향후 부족, 낭비, 재고의 총 소유 비용, 제3자 공급업체의 데이터를 포함하도록 확장, SKU 수 및 슬롯 조정과 같은 매개변수도 예측 재고 구축을 장려하기 위해 사용됩니다.

이익:효과적인 비용 절감, 통찰력 있는 의사 결정, 프로세스와 이해관계자 간의 더 나은 협업, 전략적 소싱, 과잉 재고 방지, 성장을 위한 확장성, 수요 창출, 향상된 고객 만족도 및 경험.

지능형 작업 할당