用真實(shí)的物流AI和物聯(lián)網(wǎng)打破模具

最近，我們談?wù)摿宋锫?lián)網(wǎng)(IoT)和人工智能(AI)。因此，現(xiàn)在很難將真實(shí)與純粹的“營銷”物聯(lián)網(wǎng)和人工智能區(qū)分開來。數(shù)據(jù)挖掘不是人工智能。營銷人員已經(jīng)做了三十年，其他人同樣如此。它使用智能相關(guān)性和同類群來查找模式和潛在需求。對(duì)于這個(gè)問題和情況來說，這并不是很多。

應(yīng)該有一個(gè)新的營銷密碼本與這些線：“你不應(yīng)該引用IoT和AI徒勞。”我不知道如何，但銷售人員稱我的最新手表“AI啟用”，無論他們是否有人工智能。時(shí)鐘甚至不聰明; 充其量只是數(shù)字化。當(dāng)你擦掉不那么真實(shí)的術(shù)語并查看AI和物聯(lián)網(wǎng)的實(shí)際應(yīng)用時(shí)，它們是充足的。但是，我們?nèi)绾握业秸鎸?shí)的東西 - 在這些條款中如此看待?這很簡(jiǎn)單。

只知道球場(chǎng)背后的故事。產(chǎn)品或解決方案是否會(huì)隨著時(shí)間而改善?在面向客戶的場(chǎng)景中，它是否根據(jù)您的語言進(jìn)行自定義(可能與Amazon Echo一樣)。

在更多企業(yè)環(huán)境中，每次使用時(shí)，它是否為您的物流運(yùn)動(dòng)提供更好/更快的交貨路線?通過改善結(jié)果，學(xué)習(xí)和調(diào)整的單一目標(biāo)，它是否會(huì)逐步改善?如果是(對(duì)任何)，那么它是AI。

一個(gè)學(xué)習(xí)自己并講述是非的系統(tǒng);

最近的用例浮現(xiàn)在腦海中。與我聯(lián)系的公司LogiNext使用卡爾曼濾波器(算法)。當(dāng)NASA使用該算法努力更好地引導(dǎo)近處和外太空的衛(wèi)星時(shí)，NASA使卡爾曼濾波器成名。根據(jù)一篇論文，從1985年開始，

“各種形式的卡爾曼濾波器已成為分析解決一大類估計(jì)問題的基本工具。”

該公司使用卡爾曼濾波器的更新迭代來修復(fù)在全國范圍內(nèi)移動(dòng)的數(shù)百輛卡車的重要跟蹤信息。因此，每個(gè)跟蹤點(diǎn)精確到3×3碼。有什么影響?

具有卡爾曼濾波器層的更新算法從跟蹤誤差中學(xué)習(xí)。這一點(diǎn)至關(guān)重要，因?yàn)楦櫼蕾囉谟布途W(wǎng)絡(luò)覆蓋。它識(shí)別跟蹤數(shù)據(jù)中的模式，以了解什么是“可信”監(jiān)控以及什么是錯(cuò)誤。系統(tǒng)本身將知道要使用哪些跟蹤數(shù)據(jù)以及忽略哪些跟蹤數(shù)據(jù)，通過持續(xù)運(yùn)行來提高準(zhǔn)確性。

反過來，這將確保進(jìn)入系統(tǒng)進(jìn)行處理和路線規(guī)劃的信息是準(zhǔn)確的。更重要的是，避免另一個(gè)“垃圾進(jìn)，垃圾出”的情況。每次使用它時(shí)，它會(huì)更加符合逐步更好的計(jì)劃。

物流主要是服務(wù)水平協(xié)議的游戲，SLA。公司/運(yùn)營商需要遵守這些基本單位協(xié)議，SLA或最低可行服務(wù)水平。可能是貨物離開時(shí)，卡車的質(zhì)量或貨物的環(huán)境，需要到達(dá)的時(shí)間等等。這些SLA是承運(yùn)人，司機(jī)和公司的行為準(zhǔn)則。它們特定于每批貨物。SLA違規(guī)行為是一件嚴(yán)重的事情，可能導(dǎo)致延誤和最終處罰。

因此，當(dāng)SLA處于中心位置時(shí)，當(dāng)您必須跟蹤從LA到NY的包裹時(shí)，您會(huì)期望有關(guān)包裹的位置和狀態(tài)的連續(xù)信息流，以及跟蹤對(duì)最重要的SLA的遵守情況， '承諾交貨時(shí)間'。您的預(yù)計(jì)到達(dá)時(shí)間(ETA)如何在運(yùn)營商，樞紐，交付中心和最終里程快遞員之間進(jìn)行交換?

這是一個(gè)充滿活力的物流世界，即使是當(dāng)?shù)亟煌ê吞鞖庖部赡艹蔀槠茐恼?。如果您?jiǎn)化了包裝的整個(gè)端到端運(yùn)動(dòng) - 那就是拾取器，集線器到集線器的運(yùn)動(dòng)以及交付。所有這些都可能由不同的司機(jī)，卡車等處理，改變多手。你怎么知道這些司機(jī)是否更容易超速或延誤?你怎么知道裝滿你的包裹的卡車是否配備齊全來處理它?所有的可操作性都允許物流領(lǐng)導(dǎo)者立即使用AI。

這是一個(gè)系統(tǒng)，一個(gè)復(fù)雜交織的智能軟件和設(shè)備生態(tài)系統(tǒng)，從包裹離開你的那一刻開始; 它跟蹤捕獲獨(dú)特的id和驅(qū)動(dòng)程序細(xì)節(jié)，在所有可能性中調(diào)整，從最終交付時(shí)間到新澤西州的氣候。

根據(jù)承諾的時(shí)間表，包裝的性質(zhì)(易腐，易碎，敏感，繁瑣等)，路線要求和預(yù)期/預(yù)測(cè)的延誤，每個(gè)司機(jī)的服務(wù)時(shí)間，該系統(tǒng)選擇最適合的包裹和卡車(ELD / DoT合規(guī))等

所有信息都被發(fā)送到一個(gè)屏幕，經(jīng)理可以在州界線上查看他/她的所有卡車，以及任何延誤的可能性。這種監(jiān)控使管理者(以及所涉及的品牌)能夠采取糾正措施并避免最終客戶的最終延誤。

此外，這種詳細(xì)的分析和多個(gè)系統(tǒng)的點(diǎn)對(duì)點(diǎn)精確度相互無縫地相互通信，增加了一層可預(yù)測(cè)性。在這里，經(jīng)理可以有效地預(yù)測(cè)卡車將繼續(xù)正確地容納可能的負(fù)載量。這無需深入現(xiàn)貨市場(chǎng)。