광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[머신러닝] 머신러닝이 물류 산업을 변화시킨다. 물류 회사는 최고의 결과를 보장하기 위해 인공지능과 머신러닝을 사용하여 생산성을 최고 수준으로 유지하고 더 나은 비즈니스 결정을 내리며 경쟁에 뒤처지지 않는다. 이 산업에서 AI의 중요성은 엄청나다. 제조 및 글로벌 공급망의 이 첨단 기술 덕분에 기업은 향후 20년 동안 연간 1조 3000억 달러에서 2조 달러의 경제적 가치를 창출할 것으로 예상된다.

https://www.unite.ai/3-ways-machine-learning-is-transforming-the-logistics-industry/

JM Kim | 기사입력 2021/12/16 [00:00]

[머신러닝] 머신러닝이 물류 산업을 변화시킨다. 물류 회사는 최고의 결과를 보장하기 위해 인공지능과 머신러닝을 사용하여 생산성을 최고 수준으로 유지하고 더 나은 비즈니스 결정을 내리며 경쟁에 뒤처지지 않는다. 이 산업에서 AI의 중요성은 엄청나다. 제조 및 글로벌 공급망의 이 첨단 기술 덕분에 기업은 향후 20년 동안 연간 1조 3000억 달러에서 2조 달러의 경제적 가치를 창출할 것으로 예상된다.

https://www.unite.ai/3-ways-machine-learning-is-transforming-the-logistics-industry/

JM Kim | 입력 : 2021/12/16 [00:00]

AI와 머신러닝이 비즈니스에 어떻게 도움이 될 수 있는지 여전히 궁금하다면 흥미로운 사용 사례를 살펴보고 이것이 귀하에게 적합한 솔루션인지 결정하라.

 1. AI 기반 경로 계획 소프트웨어 

최적의 경로를 선택하고, 운전자를 위한 휴식을 계획하고, 가장 붐비고 위험한 경로를 피하는 것은 물류 산업에서 일상적인 작업의 일부인 많은 문제 중 일부일 뿐이다. 

Goldman Sachs에 따르면 단 25개의 패키지를 배달하는 것에 대해 이야기할 때 가능한 경로는 약 15조 조에 달한다. 그리고 이것이 머신러닝이 구출되는 곳이다. 머신러닝 기반 경로 계획 소프트웨어는 비용, 적용 가능한 기한 및 즉각적인 결정이 필요한 예기치 않은 도로 이벤트 측면에서 최적의 솔루션을 선택하기 위한 모든 옵션을 분석할 수 있다.

 

연비, 교통사고 또는 장애물, 차량 크기, 기타 운전자의 작업 일정 등 시스템에 제공되는 빅 데이터 세트를 기반으로 실시간 경로 최적화 알고리즘이 운전자에게 가장 적합한 경로를 결정한다. 클라우드 기반이므로 모든 정보가 실시간으로 제공되며 디스패처, 운전사, 관리자 및 계정 관리자와 같은 기타 직원이 액세스하여 고객에게 예상 배송 시간을 알릴 수 있다.

 

머신러닝을 기반으로 하는 경로 최적화 소프트웨어는 다음과 같은 많은 이점을 비즈니스에 제공할 수 있다:

 

*향상된 고객 경험: 더 정확한 배송 시간 예상으로 고객은 서비스에 더 만족하고 긍정적인 피드백을 줄 가능성이 높아진다. 또한 이메일이나 SMS를 통해 예정된 배송에 대한 알림을 도입할 수도 있다.

 

*비용 절감: 머신러닝의 주요 이점 중 하나는 일반적으로 시간과 비용 절감이다. 경로 최적화 시스템이 연료 소비를 모니터링하고 가장 비용 효율적인 경로를 제안하기 때문에 이것은 사실이다.

 

*운전자 성과 모니터링: 머신러닝을 기반으로 하는 클라우드 시스템은 직원의 업무를 감독하고 직원이 안정적으로 업무를 수행하고 있는지 확인하는 데 도움이 된다. 또한 그들이 도로 규칙과 근무 일정을 따르고 있는지 확인할 수 있다. 또한 관리자가 이 정보에 액세스할 수 있다는 사실을 인식하면 직원의 효율성과 생산성을 높일 수 있다.

 

*KPI 추적: 이동 시간, 연료 비용 및 직원 생산성과 같은 주요 정보에 대한 통찰력을 통해 회사의 성과를 더 잘 모니터링하고 개선이 필요한 요소가 있는 경우 더 빠르게 대응할 수 있다.

 

알고리즘 경로 최적화가 물류 산업에서 수익을 개선한 실제 사례 중 하나는 McKinsey의 사례 연구이다. 그들의 고객은 기술 회사에 고객 요구 사항에 맞춰 차량 공급 및 경로를 일치시키는 문제를 해결하도록 요청한 아시아 물류 회사였다.

 

그들은 어떻게 이것을 달성했을까?

 

먼저 McKinsey 팀은 개선해야 할 문제를 찾기 위해 프로세스에 대한 모든 필수 데이터를 수집했다. 그들은 고객 위치, 허브 위치, 차량 자원과 같은 중요한 정보를 분석했다. 이 정보를 통해 모든 차량에 대한 맞춤형 일정을 생성하는 경로 최적화 모델을 구축할 수 있었다. 이 솔루션을 통해 다음과 같은 요소를 고려하여 많은 영역에서 관리를 개선할 수 있었다.

-차량의 종류

-활용 비용 

-최대 로드아웃

-여행 시간 

 

그들의 성공 뒤에 무엇이 있었을까?

이 솔루션을 구축하는 데 사용한 것은 경험과 최첨단 기계 학습 알고리즘이었다예를 들어, 그들은 NOAH(네트워크 최적화 알고리즘 Network Optimization Algorithm) 모델을 사용하여 경로의 일일 지도에서 시각적 가이드를 구축했다. 또한 실시간 데이터를 보여주는 모바일 앱을 제공하여 배차원과 운전기사 모두에게 더 쉬운 작업을 제공했다. 

 

그 결과, 그들의 솔루션은 비용을 3.6% 절감하고 라인-홀 네트워크의 효율성을 높여 16%의 이익 증가로 이어졌다.

 

2. 물류 챗봇

97%의 사람들이 나쁜 고객 서비스가 구매 의도에 영향을 미친다고 말한다. 그러나 또 다른 자료에 따르면 고객의 36%는 회사가 간단한 질문에 응답하지 않는 것에 여전히 좌절하고 있다고 한다. 

 

이 데이터는 시간을 절약하고 고객 경험을 개선하기 위해 고객에게 즉시 응답하는 챗봇의 중요성을 보여준다. 가상 비서는 자연어 처리를 사용하여 일반적으로 회사 홈페이지에서 바로 채팅을 통해 사람들과 대화한다. 질문을 인식한 다음 그에 대한 답변을 일치시킬 수 있는 알고리즘으로 구축된다사용자가 데이터베이스에 답이 없는 이해할 수 없는 질문을 한다고 가정한다. 이 경우 챗봇은 "대체" 답변 중 하나를 일치시키거나 다음 번에 유사한 질문을 받을 때 이 정보를 사용하기 위해 고객으로부터 새로운 패턴을 배우려고 한다.

 

챗봇은 회사와 그 제품 또는 서비스에 대해 어느 정도 지식을 가지고 있다. 데이터베이스를 사용하거나 외부 소스에서 정보를 가져올 수 있다. 가상 고문은 질문에 답하고 대화를 자체적으로 수행하여 대화를 회사 활동과 관련된 주제로 안내하거나 관련 페이지 방문을 제안한다.

 

챗봇의 5가지 주요 이점

여전히 챗봇이 귀하의 비즈니스에 적합한 솔루션인지 확신이 서지 않는가? 물류 회사에서 이를 구현하는 5가지 주요 이점을 살펴본다. 

 

1. 즉각적인 응답 24/7/365

물류 회사에서 고객 접촉은 매우 중요하다. 예를 들어 DHL은 세 가지 다른 문의 양식을 제공한다. 

-고객 서비스에 이메일

-전화연락처 

-연중무휴 챗봇

챗봇을 통해 고객은 배송 상태, 가격, 패키지 예상 배송 시간 등에 대한 즉각적인 정보를 얻을 수 있다. 

 

왜 이것이 중요한가?

오늘날 77%의 사람들이 밤낮 상관없이 온라인 채팅에서 즉각적인 응답을 받기를 기대한다. 챗봇은 직원이 일하지 않을 때에도 항상 작동할 수 있다(게다가 피곤하지 않을 것이다). 

항상 사용할 수 있는 챗봇을 구현하면 사용자 경험이 크게 향상된다. 예를 들어, GetJenny가 만든 Helmi 챗봇을 사용하여 헬싱키 지역의 학생 기숙사 재단은 전반적인 고객 서비스 만족도 점수가 4.11에서 4.26으로 증가한 것을 확인했다.

 

2. 더 나은 웹사이트 탐색

고객의 34%가 어려운 사이트 탐색에 대해 좌절감을 느낀다는 사실을 알고 있었는가? 

챗봇은 방문자가 사이트를 탐색하고 관심 있는 정보를 빠르게 찾을 수 있도록 하여 이 문제를 해결할 수 있다. 긍정적인 브랜드 이미지와 개인화된 고객 경험을 만드는 데 도움이 된다. 따라서 고객의 만족도와 브랜드 충성도를 구축하는 데 관심이 있다면 챗봇이 훌륭한 첫 번째 단계가 될 수 있다.

 

제품에 대한 모든 정보를 찾는 데 도움이 되는 챗봇의 흥미로운 예는 Intellexer Summarizer 웹 사이트에서 사용할 수 있는 챗봇 Alex이다. 그에게 질문을 하면 관심 있는 정보를 찾을 수 있는 페이지로 연결되는 링크가 포함된 메시지를 받게 된다.

 

이러한 봇을 만들기 위해 많은 데이터를 제공하고 추출할 필요가 없다. 적절한 형식으로 제공하려면 웹사이트의 콘텐츠를 처리하기만 하면 된다. 그런 다음 페이지 내용에 대한 정보와 데이터를 분리하여 대화의 논리적 흐름을 만든다. 또한 챗봇은 끊임없이 학습하므로 질문을 많이 받을수록 답변이 정확해진다. 종종 이러한 유형의 챗봇은 기업이 선택한 첫 번째 AI 솔루션이다. 

 

3. 배송 지원

가상 비서는 고객과의 첫 번째 접촉이 될 수 있으며 고객으로부터 배달 요청을 받을 수 있다. 다른 AI 솔루션과 마찬가지로 주문 정보 수집과 같은 많은 반복 작업에서 직원을 덜어줄 수 있다. 또한 주문에 대한 송장을 보내거나 배송 상태를 알리는 것과 같은 배송 관련 고객 요청을 즉시 실행할 수도 있다. 

 

4. 포괄적인 직원 지원

챗봇은 문서 작업부터 주문, 결제 처리에 이르기까지 다양한 방식으로 직원을 도울 수 있다. 그들은 송장이나 지불 요청 등의 문서를 받거나 채울 수 있다. 그리고 기계가 사람의 도움이 필요할 때 사람 작업자에게 올바른 다음 단계를 수행하라는 메시지를 보낸다. 

DHL 고객 서비스 팀의 감독자이자 트레이너인 Bas Vogels에 따르면, “직원들은 복잡한 고객 질문을 정리하고 에스컬레이션을 방지하는 데 훨씬 더 많은 시간을 할애할 수 있다. 직원 만족도도 크게 높아졌다고 말했다.

 

5. 실시간 배송 추적

물류에서는 배송 시간과 주문 상태에 대한 실시간 정보가 중요하다. 챗봇은 고객이 응답을 기다릴 필요가 없도록 한다. 이 솔루션의 실제 예는 RoboRobo의 사례 연구이다. 그들은 고객에게 주문 상태를 알려주는 RPL용 봇을 만들었다. 챗봇을 통해 RPL의 고객은 패키지 위치를 모니터링하고 언제 배송될지 알 수 있다. 

 

챗봇은 웹사이트뿐만 아니라 다양한 곳에서 사용할 수 있다. 점점 더 많은 회사가 Facebook, Skype, WhatsApp 및 기타 채널에서 사용할 수 있는 챗봇을 선택하고 있다.

 

3. 창고 운영에서 피커 라우팅 및 배치 문제 해결

물류에서 인공지능이 수행하는 또 다른 작업은 창고와 유통 단계 모두에서 상품의 흐름을 위한 가장 효율적인 방법을 개발하는 것이다. 

AI 기반 창고 관리 시스템은 창고에서 일어나는 모든 활동과 프로세스를 기록할 수 있다. 소프트웨어는 수집된 이력 데이터를 분석하고 이를 사용하여 사용된 장비(로봇 및 자동 및 반자동 시스템)가 부하를 처리하는 방법을 계획한다. 여기에 특히 도움이 되는 딥 러닝, 예측 분석, 컴퓨터 비전 및 제품 인식 소프트웨어는 창고에 있는 물체를 인식하고 필요한 조치를 확장 예측하는 데 도움이 될 수 있다.

 

머신러닝 알고리즘의 주요 목표 중 하나는 단조롭지만 어려운 작업을 하는 사람들을 돕는 것이다. 물류 및 제조 산업에서 이러한 작업 중 하나는 기계도 지원할 수 있는 피커 라우팅이다.

 

이에 대한 흥미로운 예는 Nvidia가 시간당 수천 건의 신규 주문을 처리하는 전자 상거래 대기업 Zalando를 위해 만든 솔루션이다. 그들의 AI 기반 솔루션은 두 가지 문제를 해결할 수 있었다.

 

1. 피커 라우팅 시간 단축

그들은 "로프 사다리레이아웃(모든 제품이 통로가 있는 여러 줄에 배치된 선반에 보관됨을 의미)으로 창고 제어를 허용하는 솔루션을 준비했다. 작업자가 다른 창고 부품에 있는 제품을 검색해야 하는 경우 시스템은 필요한 모든 품목을 선택할 수 있는 창고를 가로질러 가능한 최단 경로를 제안한다. 

Nvidia의 개발자는 작업자와 작업자 카트의 움직임에 대한 최적의 픽 투어를 찾는 OCaPi(Optimal Cart Pick) 알고리즘을 만들었다. 이를 통해 Zalando의 작업자는 S자형 라우팅 휴리스틱 사용을 중단하고 보다 최적의 경로를 계획할 수 있었다.

2. 일괄 처리 문제 해결 

Zalando에서는 모든 주문을 선택 목록에 지정해야 한다. 목록이 완료되면 제품이 고객을 위해 포장된다.

Nvidia 개발자는 작업자가 카트에 10개 항목만 담을 수 있다고 가정하고 모든 선택 목록의 이동 시간 합계를 가능한 한 작게 만들 수 있는 솔루션을 만들려고 했다. 그들은 가장 효율적인 주문 분할을 선택 목록으로 찾기 위해 OCaPi 픽 투어를 2가지 항목의 10가지 주문에 대해 분석했다. 

어떤 기술이 이러한 문제를 줄일 수 있을까?

이 프로젝트에 사용된 핵심 기술은 OCaPi 알고리즘으로 개발자가 다양한 픽업 위치를 고려하여 이동 시간을 계산할 수 있는 고도의 비선형 기능이다. 이 솔루션은 여행이 주로 다른 모든 제품과 멀리 떨어진 뒤쪽 구석에서 물건을 고르는 데 소요되는 시간에 달려 있음을 보여주었다. 

OCaPi 이동 시간 추정을 더욱 빠르게 하기 위해 Caffe 신경망 프레임워크와 NVIDIA cuDNN 컨볼루션 신경망 라이브러리를 사용했다. 이를 통해 4개의 모델을 병렬로 학습하여 매우 정확한 신경망 아키텍처를 찾을 수 있었다그 결과, 그들의 시스템을 통해 회사는 선택 항목당 이동 시간을 약 11% 줄일 수 있었다.

 

이러한 머신러닝 기반 솔루션을 통해 기업은 다음을 수행할 수 있다:

-생산성 향상 

-주문 피킹 시간을 단축하여 소비자 만족도 향상

-지능형 솔루션으로 업무를 지원하는 직원의 만족도 향상 

-직원의 일일 워크플로 개선

-사람이 하는 것보다 경로 계산이 빠르고 정확하므로 사람의 실수를 제거한다. 

 

 
머신러닝, 인공지능, 물류, 챗봇 관련기사목록
광고
광고
광고
광고
광고
광고
광고
많이 본 기사