در جهان پویای حمل و نقل بار، یک انقلاب آرامی در حال رخ دادن است. رهبران صنعت در کنفرانس زنجیره تأمین و لجستیک Manifest 2024 جمع شده‌اند تا پتانسیل و چالش‌های ادغام هوش مصنوعی (AI) و یادگیری ماشین در عملیات خود را بررسی کنند. داراغ ماهون، معاون اجرایی و رئیس دفتر فناوری اطلاعات (CIO) شرکت Werner Enterprises و دیوید بروئرینگ، رئیس لجستیک یکپارچه در شرکت NFI Industries، بین صداها در تشکیل گفتگویی درباره این فناوری تحولی حضور داشتند.
ماهون، طرفدار شدیدی از هوش مصنوعی است و به کاربردهای آن در حوزه‌های مختلف، از جمله چت‌بأت به کمک پرسش‌های راننده تا برآورد های پیش بینی‌گر در مورد نگهداری و قیمت‌گذاری، تصور می‌کند. شور و شوق او در امکانات زیادی است که هوش مصنوعی ارایه می‌کند، مانند تحلیل داده‌ها از کامیون‌های مدرن برای جلوگیری از خرابی‌های پرهزینه و آسان‌سازی عملیات. از طرف دیگر، بروئرینگ نگرشی محتاطانه‌تر را بیان می‌کند و برای برجسته کردن جنبه‌های بیش‌اعتبار هوش مصنوعی و چالش‌هایی که کارکنان با آن روبه‌رو می‌شوند در پاسخ به این فناوری جدید، تاکید دارد.
استفاده انتخابی و جمع‌آوری داده‌ها به طور مؤثر برنامه‌ریزی مهم در بهره‌برداری از قدرت هوش مصنوعی است. شرکت NFI همچنین همچنین به عنوان یکی از شرکت‌های حامل بار برتر در آمریکای شمالی است، اما ریچه‌های می‌گوید که به انتخاب انتقائی هوش مصنوعی پرداخته‌اند و اولویت داده‌های قابل اعتماد را دارند و ارزش‌های روشنی را ایجاد کرده‌اند. اریک کایزر، مدیر عامل شرکت Orderful، بر چالش مهمی دیگر تأکید می‌کند: جمع‌آوری اطلاعات متنوع زنجیره تأمین و قالب‌بندی آن برای برنامه‌های هوش مصنوعی. با تنوع فرمت‌ها و استانداردهای داده در سراسر صنعت، این وظیفه بیش از پیش پیچیده‌تر می‌شود.
گفتگو به انتخاب بین تبادل داده بینابین الکترونیکی (EDI) و رابطه‌ای برنامه نویسی برنامه‌های کاربردی باز (API) همگام است. ماهون برای تغییر به سمت API های باز افزار وجود دارد و اهمیت ارتباط هماهنگ بین سیستم‌های مختلف را برجسته می‌کند. با این حال، بروئرینگ به‌همراه Orderful می‌یابد که استفاده فعلی از EDI برای نیازهای آن‌ها کافی است.
در میان این تغییرات فناورانه، پتانسیلی برای شکل دادن مجدد به عملیات لجستیک وجود دارد که هوش مصنوعی نمی‌تواند آن را انکار کند. به عنوان مثال، C H Robinson در حال حاضر فناوری قدرتمندی که برای برنامه‌ریزی نوبت دهی بدون تماس در حمل و نقل بار استفاده می‌کند، را توسعه داده است که سالانه میلیون‌ها کار را به صورت خودکار انجام داده و زمان ورود به بازار را به طرز قابل توجهی افزایش می‌دهد. مدیران کامیون دار تشخیص داده‌اند که صنعت به دنبال دیجیتالی شدن است و هوش مصنوعی را به عنوان یک ابزار قدرتمند می‌بینند تا فرآیندهای پیچیده لجستیک را به صورت خودکار انجام دهند.
همانطور که صنعت در این سفر تحولی باورنکردنی را در پیش می‌گیرد، ضروری است که چالش‌های منحصر به فرد مرتبط با ادغام هوش مصنوعی و یادگیری ماشین را با دقت و همکاری به چالش بکشیم. قول یک صنعت لجستیک شامل تراز تداوم، داده محور و کارایی تمام عملیات لجستیک است و پذیرش هوش مصنوعی همچنان الگوهای پیچیده زنجیره تأمین و لجستیک را به مرحله جدیدی خواهد رساند، به طوری که سرعت، کارایی و دقت به عنوان تم رایج جدید به شمار خواهد آمد.
سوالات متداول:
س: چه پتانسیلی برای ادغام هوش مصنوعی و یادگیری ماشین در صنعت حمل و نقل بار وجود دارد؟
ج: پتانسیل در جاهای مختلفی وجود دارد که از جمله می‌توان به چت‌بات‌ها به منظور کمک به پرسش‌های راننده، برآورد‌های پیش‌بینانه در مورد نگهداری و قیمت‌گذاری، تحلیل داده‌ها از کامیون‌ها برای جلوگیری از خرابی‌ها و آسان‌سازی عملیات اشاره کرد.
س: چه چالش‌هایی صنعت‌های برجسته در پذیرش هوش مصنوعی را تجربه می‌کنند؟
ج: برخی از چالش‌ها شامل جنبه‌های بیش‌اعتبار هوش مصنوعی، سازگاری کارکنان با فناوری جدید، انتخاب اجرایی، جمع‌آوری داده‌های مؤثر و قالب‌بندی داده‌های متنوع زنجیره تأمین برای برنامه‌های هوش مصنوعی است.
س: چه چیزهایی باید در بهره‌برداری از قدرت هوش مصنوعی در نظر گرفت؟
ج: اجرای انتخابی، توجه به داده‌های قابل اعتماد، ایجاد ارزش مشخص و انتخاب بین تبادل داده‌های الکترونیکی و رابطه‌ای برنامه نویسی برنامه‌های کاربردی باز برای تبادل داده.
س: هوش مصنوعی در حال حاضر چگونه در صنعت لجستیک استفاده می‌شود؟
ج: فناوری قدرتمندی که برای برنامه ریزی تعیین نوبت بدون تماس استفاده می‌شود، با هوش مصنوعی توسعه داده شده و میلیاردها کار را به صورت خودکار در سال انجام می‌دهد و زمان ورود به بازار را به طرز قابل توجهی به‌سرعت افزایش می‌دهد.
اصطلاحات کلیدی / مصطلحات:
۱. هوش مصنوعی (AI): شاخه‌ای از علوم کامپیوتر است که هدف آن ایجاد دستگاه‌های هوشمندی است که قادرند هوش انسان را تقلید کنند.
۲. یادگیری ماشین: یکی از کاربردهای هوش مصنوعی است که سیستم‌های کامپیوتری را قادر می‌سازد به‌طور خودکار از تجربه یاد بگیرند و پیشرفت کنند بدون برنامه ریزی صریح.
۳. جمع‌آوری داده: فرایند جمع‌آوری و سازماندهی داده‌ها از منابع متعدد به یک مکان مرکزی.
۴. تبادل داده الکترونیکی (EDI): فرمت استانداردی برای تبادل اسناد تجاری به صورت الکترونیکی.
۵. رابط
The source of the article is from the blog reporterosdelsur.com.mx