Системы управления складом: секретное программное обеспечение, поддерживающее электронную коммерцию

      Для многих отраслей принятие большого количества решений подряд может быть одним из самых сложных, но жизненно важных компонентов обеспечения функционирования повседневной деятельности. Отрасль электронной коммерции не является исключением, так как ритейлерам необходимо принимать десятки, если не сотни, решений между моментом, когда была совершена продажа, и моментом, когда этот продукт доставляется. Такие решения могут включать (но не ограничиваются): какой склад будет отправлять заказ, с какой полки нужно взять товар на этом складе, кто будет забирать заказ, в каком порядке этот товар будет доставлен вместе с другими в грузовике, и так далее.

      Другими словами, успешное управление бизнесом в электронной коммерции обязательно связано с принятием решений, что ритейлеры среднего и крупного размера просто не могут делать в больших масштабах без правильных инструментов, учитывая огромное количество вовлеченных выборов. К счастью, многие из этих ритейлеров имеют правильные инструменты в виде систем управления складом (WMS), типа программного обеспечения, которое упрощает процесс принятия решений, позволяя компаниям выполнять больше работы за меньшее время с меньшим количеством ошибок.

      Со временем, однако, система управления складом столкнулась с все более сложной задачей поддержания темпа с растущим спросом, требуя новых подходов к тому, для чего предназначена WMS и как она должна работать. Сегодня этот сдвиг в мышлении привел к разработке WMS, предназначенной для более умной, а не более тяжелой работы, и хотя эта разработка все еще находится в процессе, ее существование отмечает заметный шаг в другом, потенциально более полезном направлении для программного обеспечения.

      Проблема интеллекта

      WMS изначально была создана для решения физического вопроса: как работники будут знать, как, когда и где выполнять свои задачи? На практике это означало нахождение способов сообщить работникам, что делать дальше, процесс, который ранее был довольно сложным в больших складах, полных инвентаря, который нужно было перемещать за короткое время.

      Как оказалось, WMS смогла довольно хорошо ответить на эти и другие операционные вопросы, позволяя современным складам достигать новых уровней точности, так как работники лучше могли переходить от одной задачи к другой. Однако онлайн-торговля продолжает расти, создавая нагрузку на системы управления складом, которые могут работать только с определенной скоростью.

      Со временем этот рост выявил важный недостаток в WMS: система может хорошо выполнять планы, да, но она не может определить, есть ли проблемы с этими планами. Другими словами, WMS стала быстрее, но не обязательно умнее, что потенциально ограничивает ее полезность в то время, когда отрасль электронной коммерции является крупнейшей за всю историю.

      Некоторые новые решения этой проблемы интеллекта до сих пор служили скорее повязками, чем полноценными лекарствами, временно закрывая проблему, не решая ее в корне.

      Например, большая часть современных WMS использует машинное обучение для помощи в прогнозировании и обнаружении аномалий, и хотя эти данные могут помочь компаниям избежать некоторых проблем в будущем, они, как правило, менее эффективны в краткосрочной перспективе. Панель управления может показать, что скорость подбора упала на 12% на прошлой неделе, да, но если она не может объяснить, почему это произошло, или предоставить советы о том, как исправить проблему в следующий раз, такая информация может оказаться слишком малой и слишком поздней.

      От предсказательного к предписывающему

      Частично причиной того, что ранние попытки внедрения инструментов ИИ, таких как машинное обучение, в WMS сталкивались с трудностями, было то, что эти инструменты часто размещались вне системы. Это означало, что анализ фактически всегда отставал от реальных данных, что приводило к тому, что он почти всегда был устаревшим. Недавние достижения в области ИИ, возможно, хотя бы частично решили эту проблему, интегрировав аналитический стек в саму WMS, чтобы она могла работать на тех же актуальных операционных данных, на которых работает сам склад.

      Одна из компаний, использующих эту технологию, — Deposco, платформа управления цепочками поставок, основанная на ИИ, предназначенная для предоставления интеллекта на нескольких уровнях внутри WMS. Ее набор инструментов для управления цепочками поставок отвечает на вопросы на уровне руководства, инвентаризации, труда и доставки, все это делается в программном обеспечении управления складом Deposco, чтобы эти потоки данных были более тесно связаны.

      Хотя этот подход ни в коем случае не идеален, он может помочь переместить ИИ из чисто предсказательной роли в более предписывающую, способную делать обоснованные рекомендации, основанные на данных в реальном времени. В Deposco такой ИИ представлен в виде Felix, команды агентов ИИ, которых клиенты компании могут активировать внутри платформы.

      Этот метод может сделать возможным для операторов задавать указанным агентам вопросы о текущих операциях постоянно, поддерживая их в курсе последних событий, используя актуальную информацию. По данным Deposco, Felix способен предоставлять эти рекомендации, опираясь на данные транзакций, которые сопоставимые операторы уже используют. Агент затем может настроить систему для потенциальной доставки аналогичного результата, уменьшая необходимость в избыточном вводе операторов.

      С точки зрения измеримых результатов такая автоматизация может помочь компаниям масштабировать операции, выполняя больше работы за меньшее время, потенциально превращая иначе потерянные минуты в периоды продуктивности, в которых операторы склада могут лучше подготовиться к предстоящим событиям.

      Использование шаблонов

      Сила современных агентов ИИ заключается в их способности делать достаточно точные прогнозы на основе больших выборок данных, из которых они могут выявлять четкие шаблоны.

      При условии, что эти шаблоны остаются верными, агенты, использующие их, могут делать предложения, которые человеческим аналитикам потребовалось бы больше времени, чтобы распознать и применить, хотя следует отметить, что ИИ все еще может «галлюцинировать» или делать неверные предположения на основе собранных данных. По этим причинам остается крайне важным, чтобы даже продвинутые WMS внедряли протоколы с участием человека, чтобы гарантировать, что автоматические предложения разумны и применимы.

      Тем не менее, достижения в области ИИ WMS следует рассматривать как положительное развитие в рамках более широкой отрасли электронной коммерции. При правильной реализации компании могут масштабировать общий объем своих поставок, не увеличивая существенно свои трудозатраты. С системой, способной адаптироваться к спросу и предложению без чрезмерного контроля, компании могли бы использовать имеющееся время для лучшей подготовки к всплескам и засухам.

      Поскольку отрасль электронной коммерции продолжает развиваться и ожидания продолжают расти, ключевым отличием между работоспособным ритейлером и успешным может вскоре стать то, насколько хорошо их соответствующие WMS обрабатывают данные и колебания в них. Данные, в конце концов, являются жизненной силой многих современных отраслей, что означает, что их управление станет еще более важным, поскольку sheer количество информации, с которой компаниям придется иметь дело, только увеличится.

      Таким образом, успех может выглядеть как продолжающаяся способность поддерживать иллюзию того, что совершение покупок в Интернете так же просто и без усилий, как завершение процесса оформления заказа и получение пакета всего через несколько дней.

      Информация, представленная в этой статье, предназначена исключительно для общих информационных и образовательных целей. Она не предназначена в качестве юридической, финансовой, медицинской или профессиональной консультации. Читатели не должны полагаться исключительно на содержание этой статьи и настоятельно призываются искать профессиональные советы, адаптированные к их конкретным обстоятельствам. Мы отказываемся от любой ответственности за любые убытки или повреждения, возникающие прямо или косвенно в результате использования или полагания на представленную информацию.

       Digital Trends сотрудничает с внешними авторами. Все материалы авторов проверяются редакционным составом Digital Trends.