AI dalam transportasi dan logistik | AI dalam bisnis #75

Manajemen armada dengan AI dalam transportasi

Sistem berbasis AI dapat menganalisis data dalam jumlah besar tentang kendaraan, pengemudi, dan rute. Hal ini memungkinkan penyesuaian jadwal dan rute, memanfaatkan sumber daya transportasi dengan lebih baik, dan mengurangi konsumsi bahan bakar hingga 10-15%.

Sistem cerdas yang dilengkapi dengan kemampuan pembelajaran mesin dapat memprediksi potensi kerusakan beberapa bulan sebelumnya berdasarkan data dari sensor yang dipasang di kendaraan dan peralatan lainnya. Hal ini memungkinkan untuk menjadwalkan perbaikan dan pemeliharaan pada waktu yang tepat, meminimalkan waktu henti, dan menghindari pemberhentian yang tidak direncanakan di jalan.

Salah satu contoh penggunaan AI dalam manajemen armada adalah DB Schenker, pemimpin global dalam industri logistik. Perusahaan menggunakan algoritme AI canggih untuk mengoptimalkan perencanaan transportasi, perkiraan permintaan, dan manajemen penawaran. Di Bulgaria, misalnya, perusahaan menggunakan solusi Transmetrics AI untuk meningkatkan pemanfaatan kendaraan dan mengurangi waktu transit untuk pengiriman massal.

Di bidang transportasi udara, perusahaan menggunakan alat simulasi dan peramalan hybrid yang memungkinkan penyesuaian simulasi dan didasarkan pada data historis. Dengan menggunakan AI, DB Schenker tidak hanya mempercepat transformasi digitalnya namun juga mengamankan keunggulan kompetitif jangka panjang di pasar logistik.

Sumber: DB Schenker (https://shippingwatch.com/logistics/article14448745.ece)

Menerapkan AI untuk mengoptimalkan rute dan mengurangi biaya transportasi

Sistem pemetaan modern yang didukung AI dapat menganalisis kemacetan lalu lintas secara real-time, mencari jalan memutar, dan menyarankan rute optimal bagi pengemudi berdasarkan kondisi saat ini. Terlebih lagi, algoritme pembelajaran mesin dapat membantu merencanakan distribusi muatan dengan lebih baik sehingga muatan dapat diangkut dalam jarak sesingkat mungkin. Hal ini berarti biaya operasional yang lebih rendah.

Salah satu contoh perusahaan yang berspesialisasi dalam solusi AI untuk optimalisasi rute adalah perusahaan Amerika FourKites. Mereka telah mengembangkan platform pemantauan rantai pasokan real-time yang memanfaatkan data dan pembelajaran mesin untuk meningkatkan visibilitas dan efisiensi transportasi.

Salah satu klien mereka, Henkel, mendapatkan keuntungan dari penggunaan solusi FourKites dengan memiliki akses ke data real-time mengenai lokasi dan perkiraan waktu kedatangan (ETA) pengiriman. Hal ini memungkinkan mereka merencanakan tugas mereka dengan lebih baik dan merespons potensi penundaan.

FourKites juga memberikan manfaat tambahan bagi Henkel, seperti penghematan waktu dan biaya, peningkatan kualitas dan akuntabilitas LSP (Penyedia Layanan Logistik), penyelesaian perselisihan yang adil, dan menghindari penalti atas keterlambatan. Pada tahun 2024, Henkel berencana melacak hampir satu juta pengiriman menggunakan FourKites.

Sumber: Empat Layang-Layang (https://www.fourkites.com/platform/)

Manajemen inventaris dengan AI dalam transportasi

Kecerdasan buatan mahir menganalisis data dalam jumlah besar untuk memprediksi permintaan barang dan bahan mentah tertentu secara akurat. Hasilnya, inventaris dapat dikelola dengan lebih efisien, pengisian ulang gudang dapat dilakukan dengan lebih akurat, dan kehabisan stok dapat dikurangi.

Dua alat populer yang menggunakan AI dan pembelajaran mesin untuk pengoptimalan rantai pasokan adalah:

• RELEX (https://www.relexsolutions.com/) – platform komprehensif yang digunakan untuk perkiraan permintaan dan pengisian inventaris otomatis. Perusahaan membantu pelanggan di semua industri merencanakan permintaan, mengelola inventaris, mengoptimalkan proses logistik, dan mendorong pertumbuhan pendapatan.
• SAP IBP (https://www.sap.com/products/scm/integrated-business-planning.html) – Modul perencanaan inventaris dan rantai pasokan tingkat lanjut yang merupakan bagian dari rangkaian SAP. SAP IBP membantu mengoptimalkan proses logistik dan menyediakan berbagai fungsi, termasuk Perencanaan Penjualan dan Operasi (S&OP), perkiraan permintaan, respons dan pengiriman, perencanaan inventaris, dan perencanaan transportasi.

Memperkenalkan AI untuk mengotomatiskan proses gudang dan transportasi otonom

Robot otonom yang dilengkapi modul kecerdasan buatan sudah bekerja di banyak gudang modern dan pusat logistik. Mereka mampu mengambil pesanan, mengemas produk, dan mengangkut palet barang. Algoritme pembelajaran mesin memungkinkan robot-robot ini mengenali setiap barang dan paket, merencanakan jalur mereka sendiri di sekitar gudang, dan bahkan berkomunikasi dengan karyawan.

Apa yang terjadi ketika sebuah produk, yang dikemas dan disiapkan oleh robot, siap diluncurkan? Hal ini membuka pintu penerapan AI pada kendaraan otonom. Salah satu contohnya adalah truk otonom T-Pod yang saat ini sedang diuji di pusat distribusi DB Schenker. Hal ini dapat dikendalikan oleh operator saat mengemudi di jalan atau, berkat penerapan AI, dapat secara mandiri mengangkut palet produk, menghindari rintangan di sepanjang jalan. Navigasi difasilitasi melalui penggunaan kamera, radar dan sensor kedalaman.

T-Pod DB Schenker adalah kendaraan pertama dari jenisnya yang disetujui untuk digunakan di jalan umum di Swedia. Pesawat ini dapat membawa hingga 20 ton kargo dan memiliki jangkauan sekitar 200 km dengan sekali pengisian daya.

Sumber: DB Schenker (https://www.dbschenker.com/)

Pemantauan dan analisis data real-time dengan AI dalam transportasi

Data dari sensor di dalam kendaraan, sistem otomasi gudang, dan pencari lokasi pengiriman dapat dianalisis secara real time dengan algoritma kecerdasan buatan. Hal ini memungkinkan pengambilan keputusan bisnis yang akurat secara instan dan meningkatkan efisiensi seluruh organisasi. Misalnya, sistem yang dilengkapi modul AI dapat membantu merespons penundaan pengiriman dengan segera dan memberi tahu pelanggan atau mengambil tindakan pencegahan.

Tim OLX menggunakan pembelajaran mesin untuk membangun model ETA prediktif, yang dalam bidang transportasi dan logistik merupakan singkatan dari Estimasi Waktu Kedatangan. Model ini memperhitungkan faktor-faktor seperti:

• lokasi,
• jenis barang,
• kondisi cuaca,
• hari libur, dll.

Model ini dilatih berdasarkan data lebih dari dua juta transaksi dan diuji dengan data dari enam negara. Model ETA mencapai akurasi dan presisi yang sangat tinggi, dan menunjukkan kemampuan beradaptasi terhadap perubahan kondisi pasar dan operasional. Model ETA telah membantu meningkatkan kepercayaan dan kepuasan pelanggan, serta meningkatkan efisiensi dan profitabilitas proses pengiriman.

Pencegahan keselamatan dan kecelakaan

Sistem pemantauan cerdas yang dilengkapi modul AI tidak hanya melindungi aset perusahaan transportasi. Dengan menganalisis gambar dari kamera dan data dari sensor, mereka dapat menilai perilaku pengemudi dan mendeteksi tanda-tanda kelelahan, serta menyarankan istirahat selama perjalanan. Selain itu, algoritme pembelajaran mesin, yang terus menganalisis data telemetri yang masuk dari kendaraan, dapat memprediksi potensi kesalahan jauh sebelumnya.

Oleh karena itu, perusahaan rintisan Israel, Cortica, menerapkan jaringan saraf untuk menganalisis suara mesin guna mendeteksi dini malfungsi yang akan terjadi. Perusahaan seperti Continental dan ZF Friedrichshafen AG menawarkan solusi serupa untuk diagnostik kendaraan prediktif bagi operator.

Masa depan AI di bidang transportasi dan logistik

Para ahli sepakat bahwa berkat kecerdasan buatan, industri TSL akan mengalami transformasi menyeluruh dalam sepuluh tahun ke depan. Truk otonom akan menjadi standar jalan raya di Amerika Serikat dan akan mulai lebih sering muncul di belahan dunia lain. Sementara itu, di gudang, sebagian besar operasional—mulai dari pengambilan pesanan hingga pemuatan—akan ditangani oleh robot.

Berkat AI, biaya transportasi dan logistik akan berkurang sebanyak 30-40%. Waktu pengiriman juga akan dipersingkat melalui optimalisasi rute dan pemuatan, serta penerapan sistem kota cerdas yang memfasilitasi pergerakan kendaraan selama kilometer terakhir rute. Integrasi AI dalam bidang logistik akan meningkatkan kualitas layanan pelanggan, dan risiko kesalahan manusia akan hampir dihilangkan.

Sumber: DALL·E 3, petunjuk: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

AI dalam transportasi – ringkasan

Kesimpulannya, sistem yang menggunakan pembelajaran mesin dan algoritma AI dalam transportasi memiliki potensi besar dalam industri TSL yang baru mulai digarap. Penerapannya merupakan peluang untuk mengurangi biaya secara signifikan, mempersingkat waktu pengiriman, meningkatkan keselamatan transportasi, dan melayani pelanggan dengan lebih baik. Namun, agar berhasil, penerapan teknologi ini harus dilakukan secara strategis.

Jika Anda menyukai konten kami, bergabunglah dengan komunitas lebah kami yang sibuk di Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Penulis: Robert Whitney

Pakar JavaScript dan instruktur yang melatih departemen TI. Tujuan utamanya adalah meningkatkan produktivitas tim dengan mengajari orang lain cara bekerja sama secara efektif saat membuat kode.

Lihat semua postingan

AI dalam bisnis:

1. Ancaman dan peluang AI dalam bisnis (bagian 1)
2. Ancaman dan peluang AI dalam bisnis (bagian 2)
3. Aplikasi AI dalam bisnis - ikhtisar
4. Chatbot teks yang dibantu AI
5. Bisnis NLP hari ini dan besok
6. Peran AI dalam pengambilan keputusan bisnis
7. Menjadwalkan posting media sosial. Bagaimana AI dapat membantu?
8. Postingan media sosial otomatis
9. Layanan dan produk baru yang beroperasi dengan AI
10. Apa kelemahan ide bisnis saya? Sesi brainstorming dengan ChatGPT
11. Menggunakan ChatGPT dalam bisnis
12. Aktor sintetik. 3 generator video AI teratas
13. 3 alat desain grafis AI yang berguna. AI generatif dalam bisnis
14. 3 penulis AI hebat yang harus Anda coba hari ini
15. Menjelajahi kekuatan AI dalam penciptaan musik
16. Menavigasi peluang bisnis baru dengan ChatGPT-4
17. Alat AI untuk manajer
18. 6 plugin ChatGTP mengagumkan yang akan membuat hidup Anda lebih mudah
19. 3 grafik AI. Menghasilkan kecerdasan dalam bisnis
20. Bagaimana masa depan AI menurut McKinsey Global Institute?
21. Kecerdasan buatan dalam bisnis - Pendahuluan
22. Apa itu NLP, atau pemrosesan bahasa alami dalam bisnis
23. Pemrosesan dokumen otomatis
24. Google Terjemahan vs DeepL. 5 aplikasi terjemahan mesin untuk bisnis
25. Pengoperasian dan aplikasi bisnis voicebots
26. Teknologi asisten virtual, atau bagaimana cara berbicara dengan AI?
27. Apa itu Intelijen Bisnis?
28. Akankah kecerdasan buatan menggantikan analis bisnis?
29. Bagaimana kecerdasan buatan dapat membantu mengatasi BPM?
30. AI dan media sosial – apa pendapat mereka tentang kita?
31. Kecerdasan buatan dalam manajemen konten
32. AI kreatif hari ini dan masa depan
33. AI multimodal dan penerapannya dalam bisnis
34. Interaksi baru. Bagaimana AI mengubah cara kita mengoperasikan perangkat?
35. RPA dan API di perusahaan digital
36. Pasar kerja masa depan dan profesi yang akan datang
37. AI di EdTech. 3 contoh perusahaan yang memanfaatkan potensi kecerdasan buatan
38. Kecerdasan buatan dan lingkungan. 3 solusi AI untuk membantu Anda membangun bisnis yang berkelanjutan
39. Detektor konten AI. Apakah itu layak?
40. ObrolanGPT vs Bard vs Bing. Chatbot AI manakah yang memimpin persaingan?
41. Apakah chatbot AI merupakan pesaing pencarian Google?
42. Perintah ChatGPT yang Efektif untuk SDM dan Rekrutmen
43. Rekayasa yang cepat. Apa yang dilakukan seorang insinyur yang cepat?
44. Pembuat AI Mockup. 4 alat teratas
45. AI dan apa lagi? Tren teknologi teratas untuk bisnis pada tahun 2024
46. AI dan etika bisnis. Mengapa Anda harus berinvestasi pada solusi etis
47. Meta AI. Apa yang perlu Anda ketahui tentang fitur-fitur yang didukung AI di Facebook dan Instagram?
48. Regulasi AI. Apa yang perlu Anda ketahui sebagai seorang wirausaha?
49. 5 penggunaan baru AI dalam bisnis
50. Produk dan proyek AI - apa bedanya dengan yang lain?
51. Otomatisasi proses yang dibantu AI. Mulai dari mana?
52. Bagaimana Anda mencocokkan solusi AI dengan masalah bisnis?
53. AI sebagai ahli di tim Anda
54. Tim AI vs. pembagian peran
55. Bagaimana cara memilih bidang karir di AI?
56. Apakah selalu ada gunanya menambahkan kecerdasan buatan ke dalam proses pengembangan produk?
57. AI dalam SDM: Bagaimana otomatisasi perekrutan memengaruhi pengembangan SDM dan tim
58. 6 alat AI paling menarik di tahun 2023
59. 6 kecelakaan bisnis terbesar yang disebabkan oleh AI
60. Apa analisis kematangan AI perusahaan?
61. AI untuk personalisasi B2B
62. Kasus penggunaan ChatGPT. 18 contoh cara meningkatkan bisnis Anda dengan ChatGPT pada tahun 2024
63. Pembelajaran mikro. Cara cepat untuk mendapatkan keterampilan baru
64. Implementasi AI paling menarik di perusahaan pada tahun 2024
65. Apa yang dilakukan pakar kecerdasan buatan?
66. Tantangan apa saja yang ditimbulkan oleh proyek AI?
67. 8 alat AI teratas untuk bisnis pada tahun 2024
68. AI dalam CRM. Apa perubahan AI pada alat CRM?
69. Undang-undang UE AI. Bagaimana Eropa mengatur penggunaan kecerdasan buatan
70. Sora. Bagaimana video realistis dari OpenAI akan mengubah bisnis?
71. 7 pembuat situs web AI teratas
72. Alat tanpa kode dan inovasi AI
73. Seberapa besar penggunaan AI meningkatkan produktivitas tim Anda?
74. Bagaimana cara menggunakan ChatGTP untuk riset pasar?
75. Bagaimana cara memperluas jangkauan kampanye pemasaran AI Anda?
76. "Kita semua adalah pengembang". Bagaimana pengembang warga dapat membantu perusahaan Anda?
77. AI dalam transportasi dan logistik