AI 解锁供应链物流
我们大多数人都认为供应链是单一、巨大的实体，很容易想到苏伊士运河中的 Ever Given 货船，其实它是由许多元素组成的。物流是转移产品的一个细节，是供应链的重要组成部分。
航运物流中有很多令人头疼的问题。例如，由于各种原因，包裹可能会延迟或永远无法到达最终目的地。1990 年，20 多个装满耐克鞋的集装箱从一艘从韩国运往美国的货轮上掉下来。但在现实生活中的航运物流中，包裹会因为一些不那么引人注目的原因而延迟。模糊不清的条形码或者包裹上的标签掉下来都会导致送货延迟，而这些看似微不足道的原因会让企业非常头疼。
供应链分析中的自动化挑战
“当今物流面临的最大压力与包裹数量和速度有关，”为大批量物流提供供应链 AI 和图像识别的 Siena Analytics 公司的创始人兼首席执行官 John Dwinell 说。
通过配送中心和仓库的包裹数量激增尤其具有挑战性，因为此时消费者对快速交付的需求也在增加。2021 年的一项调查显示，自疫情开始以来，近三分之一的美国消费者对更快的运输有更高的期望。
这些双重因素，加上持续的劳动力短缺，是配送中心和仓库进行自动化和数字化转型的充分理由。Dwinell 说：“遗憾的是，自动化方面的尝试受到了包装质量问题的阻碍。”
例如，需要读取的条码可能隐藏在塑料下面或完全丢失。质量差会导致不一致，从而使自动化更加困难。在自动化配送中心，问题包裹被送到“医院通道”，工作人员必须在那里诊断和解决问题。这些小问题占用了宝贵的人力资源，浪费了宝贵的时间，这都是企业无法承受的。
使用 AI 解决自动化挑战
Siena Analytics 通过在扫描隧道中使用传感器，解决了从包裹质量相关障碍到物流自动化的所有问题。当包裹进入配送中心并在配送中心周围移动时，摄像机会拍摄包裹的图像。通过使用 AI 模型分析图片，该平台实时解决问题并提供企业可以采取行动的长期包裹情报。
在边缘，Siena Analytics 解决方案可自动执行以前会转移到“医院通道”的故障排除任务。例如，超大包裹可能需要特定类型的运输标签。传感器可以识别产品尺寸并提醒机器打印正确的标签。同样，如果标签掉下来，摄像机可以通过其他一些区别特征识别包裹，在包裹的早期照片缓存中跟踪包裹，并生成新标签。
AI 还可以提供模式智能，以更快地检测不一致。例如，发现在一致性方面错误标记图像的供应商可以接受供应商合规计划的培训。包裹智能可以为配送中心的数字孪生提供数据，从而提供大规模的可见性。企业可以更轻松地查明特定机器和分拣通道中的瓶颈，并设置系统在必要时发出警报。Dwinell 说：“你对大楼里正在发生的好事和坏事有更明智的洞察力。”
低代码平台简化了 AI 培训
Siena 帮助公司在低代码 Siena Insights 平台上构建自己的 AI 驱动的包裹智能解决方案。Dwinell 指出，企业非常了解他们的领域，但缺乏工具和专业知识来获取正确的数据，从而获得洞察力。Siena 采用了 AI 中真正强大的部分，并自动执行这些工作流程。
公司专家只需依靠他们的领域专业知识来标记 Siena 解决方案捕获的图像中的数据，并训练和构建自定义 AI 解决方案。“我们有一个平台，可以让您训练 AI 模型，而无需自己成为专家级数据科学家，” Dwinell 说。
Siena Analytics 依靠英特尔® Edge 工业平台来编排数据量，以及可以适应任何可用硬件的英特尔® OpenVINO™ 工具包，” Dwinell 说。“OpenVINO 使我们能够拥有一个面向边缘的通用可扩展高效推理平台。”
Siena 从简单的数据分析解决方案开始，帮助客户弥合 OT-IT 鸿沟。由于它的解决方案可以提供可提高利润的立竿见影的效果，因此系统集成商可以向最高管理层提出使用它的理由。Dwinell 说：“数据速度和我们展示真实结果的能力给 SI 留下了特别深刻的印象。”
供应链物流的未来
预计在不久的将来，流程（标签、条形码信息）会更加标准化。Dwinell 预测，基于机器人的解决方案也将变得成熟，并在仓库中更有用。AI 是一项变革性技术，它将继续重塑物流。它已经在简化流程并消除更广泛的供应链中的低效率问题。
很多时候，来自托运人的包裹信息并不总是与实际情况相符。Siena Insights 等基于 AI 的解决方案颠覆了这种方法。托运人所说的内容物与包裹中的实际内容物之间的差异很容易找到和解决。当数据来自传感器时，它是实时的，并且无可争议的是它是真实的。它可以匹配和纠正。
“Siena 正在利用 AI 算法带来的优势来解决一系列常见的物流问题，” Dwinell 说。对于配送中心来说，每一秒都很重要，每一个瓶颈的解决都是物流行业的胜利。