Helmut Prieschenk från Witron (bilden) och Franziskos Kyriakopoulos, grundare av 7LYTIX från Linz, Österrike, har diskuterat ChatGPT, maskininlärning inom logistik och efterfrågeprognoser för livsmedelshandlare. Båda är överens – AI-teknik erbjuder ett brett utbud av optimeringspotential för att optimera processer i distributionscentret såväl som hela försörjningskedjan. Men hög datakvalitet är inte den enda avgörande faktorn. Lika viktigt för datamodellerna är människors erfarenheter och konsumenternas krav.
#Freightforwarder #DoortoDoor #Amazon #Export #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanaairfreight #Jordantrading #Jordan #Aqabashipping
Speditör 3pl dropshipping DoortoDoor AirFreight agent Jordan shipping Kina fraktagent uppfyllelsecenter
kapoklog logistik flygfrakt från Kina till Storbritannien DoortoDoor Amazon ExportAirFreight Jordanien frakt Kinafrakt tillJordan Jordanflygfraktfartyg
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Kosmetika, Saudi med flyg och till sjöss dörr till dörr service
#chinapurchasingagent #chinashippingagent #chinadropshipping #chinashippinglogistics #shippingcarrier
#uppfyllelsecenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #DDP
Shenzhen kapoklog logistik Saudiarabien tullklareras dörr till dörr DDP
DDP Kina till Saudiarabien
Shenzhen kapoklog logistik Dubai tullklarering dörr till dörr service DDP
DDP Kina till Dubai
Shenzhen kapoklogLogistik Co., Ltd
Shenzhen kapoklog logistik Qatar tullklarering dörr till dörr DDP linje
DDP Kina till Qatar
Shenzhen kapoklog logistik Pakistan DDP
DDP Kina till Pakistan
Shenzhen kapoklog logistik Jordanien tullklarering dörr till dörr DDP Kina till Jordanien
Shenzhen kapokloglogistics Egypten dubbel tullklarering dörr till dörr DDP
Shenzhen kapoklog logistik Jeddah tullklarering, Jeddah DDP, Kina till Jeddah DDP frakt
Shenzhen Kapoklog logistik Oman ddp, Kina till Oman DDP, Oman frakt DDP
Shenzhen kapoklog Irak tullklarering, Kina till Irak DDP
Shenzhen Kapoklog logistik Israel tullklarering DDP, Kina till Israel dörr till dörr, Israel dörr till dörr, Kina till Israel DDP
"Och sedan över en natt var alla en AI-influencer", skämtade Prieschenk, VD för Witron. Han ville prata om industriell AI, efterfrågeprognoser och lite om ChatGPT. Kyriakopoulos och hans team utvecklar maskininlärningslösningar för detaljhandeln och industrisektorn. Han är fysiker, medan Prieschenk är matematiker. "Det är en farlig blandning." Prieschenk varnade. "Självklart har vi redan hanterat LLMs (Large Language Models) på Witron. Däremot ber jag om ett visst lugn. Världen kommer inte att ta slut genom deras användning – och vi kontrollerar kontinuerligt om sådana verktyg är lämpliga för att rimligen hjälpa våra kunder eller våra utvecklare med implementeringen av konkreta kundkrav."
Kyriakopoulos höll med, men beskriver redan ansökningar. "LLM:er är bra på att bearbeta sekvenser – order, debiteringar, försäljning eller kundkommunikation. Det kan också användas inom logistiken. Det är mycket hype, många influencers som springer runt och sprider halvsanningar." Det har Witron redan upplevt, säger Prieschenk. Konkurrenter till OPM-systemet annonserade AI i staplingsalgoritmen. "Men resultaten kan inte slå funktionaliteten hos vår Witron OPM. Dessa utvecklades inte med AI, utan med en hel del mänsklig intelligens, baserad på gedigen mjukvaruutveckling, intensiv kommunikation med användarna och år av praktisk erfarenhet. Vi måste alltid ta ett nyktert förhållningssätt Våra kunder letar i princip inte efter ett nytt verktyg De har ett problem och behöver en fungerande lösning som optimerar logistikprocessen i distributionscentralen eller i leverantörskedjan, som fungerar stabilt i praktisk användning , och kan med fördel integreras i en odlad struktur."
Men håller inte denna nykterhet oss tillbaka i Tyskland och Europa? "Jag behöver verkligen en ROI", betonar Prieschenk starkt. "LLM-utvecklare har en brännhastighet på 500 miljoner dollar per år och behöver ytterligare några miljarder", sa Kyriakopoulos. "Det skulle vara otänkbart i Tyskland eller i Österrike."
Tar vi för få risker? Prieschenk är skeptisk. "Det tror jag inte. När jag tittar på investeringarna i Q-commerce till exempel blir jag yr. Det var där många investerare tog full risk. Men marknaden har utvecklats i en helt annan riktning. Förutspådd tillväxt kurserna visades inte. Under tiden pågår konsolidering. Investerare har gått vidare. Våra återförsäljare vill ha AI och investerar i tekniken. Men vi och våra kunder behöver AI-verktyg, såsom prov- eller bildidentifiering, som är transparenta för sedan lösa problem som vi inte kunde lösa tidigare eller bara kunde lösa med mycket ansträngning."
7LYTIX-utvecklarna arbetar med LLM, men fokus ligger på efterfrågeprognoser. "Vi kan ge mervärden, men vissa företag förstår ofta inte i början vad mervärdet med modellen blir. Mer försäljning genom bättre kommunikation med kunden eller förlorad försäljning? Många kan inte räkna ut det. Det är där de behöver hjälp från oss”, konstaterade Kyriakopoulos. Prieschenk tillägger: "Våra Witron-kunder kan räkna mycket bra och har fulländat sin verksamhet under decennier. Men jag förstår vad Mr Kyriakopoulous menar: Först måste vi klargöra vad som ska optimeras. Återförsäljarna frågar sig själva om de vill optimera försörjningskedjan nätverk, denlagerstorlek, om de vill vara närmare kunden, om de ska minska genomströmningstiderna, ändra leveranscykler, minska matsvinnet och lagerföringen eller ha mindre lager på lagret. I detta avseende har vi lärt oss mycket tillsammans med våra kunder från olika delar av världen. Vi lärde oss också att kraven för helgdagar i Finland skiljer sig från dem i USA, eller att en måndag har andra krav än en torsdag." Kyriakopoulos håller med. "Vi behöver först ett krav och sedan ett motsvarande AI-verktyg. Och vi behöver inte djupinlärning överallt."
Hur mycket noggrannhet krävs?
Hur fungerar hans efterfrågeprognoser? "Först måste vi få en överblick över uppgifterna. Detta är ett mödosamt arbete för många återförsäljare. Det handlar inte bara om lagrade varor, utan också om mängden varor i butiken, hur mycket som såldes, vilka faktorer som påverkar t.ex. kampanjer. finns, hur många förlorade försäljningar finns i butiken och mycket mer", förklarade Kyriakopoulos. Dessutom finns kundkort, säsonger, butikens läge eller specialerbjudanden. "Och vi måste veta vad som finns i distributionscentret, i bakrummet i butiken, i lastbilarna på vägen, eftersom optimering inte slutar i butiken. Det är också viktigt att undvika företagsövergripande eller divisionsövergripande begränsningar samt datasjöar. En stor del av den data som krävs är mest känd, men olika avdelningar har tyvärr olika intressen." Prieschenk höll med: "Även holistisk logistikdesign bör inte bara fokusera på distributionscentret eller nyckelintressena för enskilda logistikområden, eller processpåverkande avdelningar som inköp eller frakt. Det är viktigt att inkludera hela leveranskedjan i optimeringsprocessen – både internt och externt – och att undvika silos så mycket som möjligt, både fysiskt och IT-mässigt."
"Datan flödar in i mycket enkla modeller", fortsatte Kyriakopoulos. "Baslinjen är människornas erfarenheter. Det är inte AI ännu. Vi pratar om regressioner. Sedan frågar vi oss själva om vi blev bättre. Detta följs av tidsserieanalyser och första maskininlärningsmetoder. Vi måste alltid titta på hur mycket noggrannhet vi kan uppnå genom nästa nivå kontra hur mycket mervärdet är för kunden och användaren."
Och Witron? "Vi måste se till att mekaniken passar modellen. För fysiken måste fungera på samma sätt. Levererar vi fodral eller bitar? Eller en vara med båda alternativen? Hur ofta levereras en butik? Vad händer när sortimentet ändras ?" svarade Prieschenk.WITRONlogistikcentra skapar flexibilitet för både butik och e-handel. Nyckeln till framgångsrik implementering är dock att tänka processen bakåt i alla kanaler – från konsumenten till distributionscentralen och vid behov ännu längre tillbaka, hela vägen till leverantören. Han ser en utmaning särskilt i modellens förklarbarhet. "Vi upplever push and pull-system hos våra kunder. Vissa fungerar bättre än andra."
Kommer butikschefer låta en AI-modell specificera sina beställningar i framtiden? Kyriakopoulos känner till argumentet från modebranschen. "Om någon har handlat där i 20 år, då är det svårt att omedelbart förklara mervärdet eller att övertyga konsumenten om att den här modellen kan vara bättre. Men vi gör den transparent – vi säger vilka faktorer vi använder, hur vi väger dem, och där respektive faktor gäller."
Människan har kontrollen
Experterna från Österrike kan se 18 månader in i framtiden. De använder gränssnitt för att koppla modellen till återförsäljarens, ståltillverkarens eller skoåterförsäljarens befintliga system. "Jag vill inte riva ner allt för att använda en AI-modell", skrattade Kyriakopoulos. "Detta är rätt sätt - integrationen i befintliga arkitekturer", bekräftade Prieschenk.
Men hur robust är modellen? Nyckelord: Covid 19. "Vi kunde inte se det heller", förklarade den österrikiska experten. "Vi arbetade då med modellen inom frusen logistik. Den kortsiktiga prognosen var inte bra i början, men efter en vecka fungerade modellen igen. Efter två veckor var den stabil. Men bara prognosen är Det räcker inte. Kunden måste arbeta med det – till exempel stärka marknadsföringskanaler, köra kampanjer eller justera priser vid behov."
"Det är avgörande," sa Prieschenk. "Det är då människor tar över kontrollen. Underskatta aldrig magkänslan hos en logistikchef, servicetekniker eller butiksoperatör. Människors erfarenheter och en väl fungerande datamodell är grunden för att fatta intelligenta – dvs. rätta beslut på lång sikt - I distributionscentret gäller detta även implementeringen av underhållsstrategier eller den "korrekta driften" av systemet. Och viktigare är att modellerna, verktygen och lösningarna måste vara stabila och bevisa sig själva i praktisk användning, vilket ger verkligt tillskott värden i den dagliga verksamheten."
AI ger information, ansvarig bestämmer och har fortsatt kontroll över processen. "Vi revolutionerade fysiken i logistikcentret för över 20 år sedan. Med OPM-lösningen har vi lyckats att varor automatiskt staplas på pallar och rullcontainrar felfritt och på ett butiksvänligt sätt. Nu tar vi nästa steg och väljer för data och end-to-end logistikmodeller. Och jag är säker på att jag fortfarande kommer att uppleva en end-to-end Witron AI-modell för lagret," förutspådde Prieschenk.
