Gartner เผย 4 ระดับ AI ในระบบอัตโนมัติคลังสินค้า
Gartner วิเคราะห์การนำ AI มาใช้ในคลังสินค้า แบ่งเป็น 4 ระดับการทำงาน ขับเคลื่อนด้วยปัญหาขาดแคลนแรงงานและการพัฒนาของอัลกอริทึม
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Gartner เผยโครงสร้างการใช้งาน AI ในคลังสินค้าแบ่งออกเป็น 4 ระดับการทำงานหลัก
- ปัจจัยขับเคลื่อนมาจากปัญหาขาดแคลนแรงงาน ต้นทุนซอฟต์แวร์ลดลง และความน่าเชื่อถือของระบบ
- ระบบปฏิบัติการใช้ข้อมูลสดหน้างานแทนสเปรดชีตแบบเดิมเพื่อบริหารจัดการคลังสินค้า
- ผู้บริหารคลังสินค้ายังคงมีอำนาจตัดสินใจขั้นเด็ดขาดและสั่งการระบบได้ด้วยตนเอง
บริษัทวิจัย Gartner เปิดเผยรายงานการวิเคราะห์โครงสร้างพื้นฐานด้านลอจิสติกส์ ซึ่งระบุว่าระบบอัตโนมัติในคลังสินค้าได้ก้าวเข้าสู่เกณฑ์การใช้งานจริงแล้ว โดยเปลี่ยนผ่านจากการทดลองซอฟต์แวร์ไปสู่การติดตั้งใช้งานจริงในอาคารปฏิบัติการ
การเปลี่ยนแปลงครั้งนี้ในภาคส่วนลอจิสติกส์ถูกขับเคลื่อนด้วยปัจจัยกดดัน 3 ประการหลัก ได้แก่ ปัญหาการขาดแคลนแรงงานที่ยังคงเกิดขึ้นอย่างต่อเนื่อง ทำให้ระบบอัตโนมัติกลายเป็นสิ่งจำเป็นสำหรับคลังสินค้า ในขณะเดียวกันรูปแบบเชิงพาณิชย์ของซอฟต์แวร์ก็มีต้นทุนการลงทุนเริ่มต้นที่ต่ำลง ประกอบกับอัลกอริทึมและเครื่องจักรอัตโนมัติเบื้องหลังได้พัฒนาจนมีความน่าเชื่อถือในระดับที่พร้อมใช้งานจริงแล้ว
Gartner ประเมินระบบเหล่านี้ผ่านแกนประสิทธิภาพหลัก 2 ด้าน ได้แก่ ความซับซ้อนของปัญญาประดิษฐ์และทิศทางการดำเนินงานเชิงปฏิบัติการ โดย Stufano ระบุว่าการนำไปใช้งานในระดับองค์กรจำเป็นต้องมีความโปร่งใสของระบบที่ชัดเจน เพื่อให้ผู้ควบคุมสามารถเข้าใจเหตุผลการทำงานอัตโนมัติบนพื้นคลังสินค้าได้ และพนักงานมนุษย์ต้องทำงานร่วมกับเครื่องมืออัตโนมัติเพื่อแก้ปัญหาเฉพาะหน้าของคลังสินค้า
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การเปลี่ยนผ่านไปสู่คลังสินค้าอัจฉริยะ (Smart Warehouse) ในปัจจุบันไม่ได้พึ่งพาแค่หุ่นยนต์เคลื่อนย้ายสินค้าทางกายภาพเท่านั้น แต่ยังรวมถึงซอฟต์แวร์เบื้องหลังที่ทำหน้าที่ประมวลผลข้อมูลมหาศาลแบบเรียลไทม์ ซึ่งช่วยลดช่องว่างระหว่างการวางแผนและการปฏิบัติงานจริง ทำให้ผู้ประกอบการสามารถปรับตัวต่อความเปลี่ยนแปลงหน้างานได้อย่างรวดเร็วท่ามกลางความท้าทายด้านแรงงานทั่วโลก
ในด้านการประมวลผล โมเดลทางคณิตศาสตร์แบบดั้งเดิมได้พัฒนา vượtพ้นกฎเกณฑ์ที่ตายตัว โดยเครื่องมือคำนวณสมัยใหม่จะรับข้อมูล telemetry จากพื้นคลังสินค้าแบบสดๆ เพื่อกำกับดูแลการดำเนินงาน แทนที่จะพึ่งพาสเปรดชีตแบบคงที่หรือแผนผังการตัดสินใจง่ายๆ
ชุดซอฟต์แวร์บริหารจัดการคลังสินค้าได้นำอัลกอริทึมเหล่านี้ไปใช้กับ 4 เวิิร์กโฟลว์หลัก ได้แก่ การคาดการณ์ความต้องการ การวางแผนกะการทำงาน การกำหนดเส้นทางการเดินทาง และการจัดวางสินค้า โดยระบบจะคำนวณการเคลื่อนไหวของสินค้าคงคลังใหม่เมื่อโปรไฟล์คำสั่งซื้อเปลี่ยนแปลงไปในระหว่างกะการทำงาน
"ผู้นำห่วงโซ่อุปทานควรใช้วิธีการที่ปฏิบัติได้จริงต่อ AI ในคลังสินค้า โดยจัดการกับกรณีการใช้งานที่ได้รับการพิสูจน์แล้ว เช่น การคาดการณ์แรงงานและการจัดวางสินค้า และขยายไปสู่ Generative AI และตัวแทน (Agents) ในจุดที่สามารถปรับปรุงการตัดสินใจและผลผลิตของแรงงานได้"
Stufano
นอกจากนี้ โมเดลการเรียนรู้ของเครื่องยังตีความข้อมูลสิ่งอำนวยความสะดวกที่ไม่มีโครงสร้างร่วมกับบันทึกในรูปแบบตาราง ระบบปฏิบัติการ Generative ยังอ่านบันทึกการบำรุงรักษาอุปกรณ์ ใบเสร็จการจัดส่งจากผู้ขาย และตั๋วเหตุการณ์เพื่อรวบรวมเอกสารแบบไดนามิก ขณะที่ซอฟต์แวร์ตัวแทน (Agents) จะสร้างคู่มือการจัดการข้อยกเว้นแบบเรียลไทม์บนเทอร์มินัลมือถือ เพื่อให้ช่างเทคนิคตรวจสอบคำแนะนำในการซ่อมแซมตามบริบทที่สร้างจากประวัติการบำรุงรักษา
ที่มา: AI News
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น