Как ИИ переформировал электронную коммерцию во время пандемии: повышение масштаба и эффективности

Стоит многое изменилось с тех пор, как Соединенные Штаты впервые закрылись из-за пандемии коронавируса два года назад. Во время беспрецедентного ускорения электронной коммерции и дефицита рабочей силы, устаревшие процессы pick-and-pack не имеют масштабируемости для удовлетворения спроса. Хотя есть определенно негативные последствия от пандемии, это вызывает вопрос: «Как это изменило то, как мы работаем, к лучшему?»

Быстрое ускорение робототехники убирает вариабельность

Дефицит рабочей силы — тренд, который взлетел во время пандемии, и эффекты пандемии были разоренительными для компаний, не готовых внедрять роботизированную автоматизацию. Когда COVID-19 ударил, складам выполнения заказов нужна была большая мощность на ночь. Добавление ассоцииатов на склад не было опцией, поэтому когда люди не могли прийти на работу, склады обратились к роботам, чтобы сделать работу.

Работа на складе травмоопасна и скучна, и некоторые работы выполняются в тесных кварталах. Например, ручная сортировка почтовых мешков требует трех людей в экстремальной близости, часто сталкивающихся друг с другом, пока они работают среди ячеек. Роботизированные системы сортировки ломают требование ассоцииатов склада работать в физической близости и позволяют социальное дистанцирование, пока ассоцииаты надзирают за скучным процессом сортировки.

Глядя вперед, объекты могут конфигурировать здания так, чтобы люди могли управлять множественными роботами в безопасном, социально дистанцированном способе. Компании с меньшей зависимостью от больших групп людей, выполняющих скучные задачи, будут испытывать большую надежность общей пропускной способности на квадратный фут в день. Это означает, что бизнесы могут давать обещания своим клиентам, которые они могут соблюдать.

Роботы усиливают человеческие возможности

Складские объекты ищут максимизировать эффективность, измеряемую пропускной способностью на квадратный фут в день. Склады сталкиваются с переменными при работе с людьми. Например, голодны ли рабочие, уставшие и предвкушают ли они следующий перерыв, или они чувствуют себя хорошо и имеют продуктивный, высокопроизводительный день?

Рассмотрите акт сортировки одного предмета или посылки. Человеку нужно:

Увидеть кучу продукта или посылок

Выбрать предмет, чтобы поднять его из неорганизованной кучи

Идентифицировать точку захвата, чтобы выделить предмет

Поднять предмет

Распознать и убедиться при подборе, что был поднят только один предмет

Навигация сказанного предмета к выходной локации (почтовый мешок)

Успешно поместить предмет в правильную выходную локацию способом, максимизирующим плотность продукта (плотность мешка)

Могут ли люди это сделать? Да.

Легко ли это сделать? Да.

Хотят ли люди делать это 4000 раз в день, пять дней в неделю? Нет.

Роботы создают последовательность для устранения пиков и впадин. Еще лучше, высоколовкие сортировочные роботы, работающие на симуляция-в-реальность (Sim2Real) ИИ, могут подбирать почти любой предмет на складе в первый день для увеличения эффективности и улучшения условий труда людей.

Пока компании могут иметь фантазию, что постановка робота на место будет «делать свою вещь» без взаимодействия с человеческим рабочим, это не так. Люди работают рядом с роботами для оптимизации потока пропускной способности. Для устойчивых операций вы не можете иметь одно без другого.

Роботизированные внедрения для сортировки посылок наиболее успешны, когда люди обрабатывают неоднозначные предметы, пока робот обрабатывает скучные, повторяющиеся задачи. Комбинирование этих двух типов задач мощно. Гармония происходит потому, что человек подбирает там, где робот заканчивает. Например, робот идентифицирует и захватывает предметы, затем кладет предметы в мешок. Человеку нужно манипулировать мешком, завязать его, пометить и т.д. Хотя были значительные достижения в роботизированной ловкости и способности, есть определенные задачи, которые люди делают лучше.

Симуляция-в-реальность ИИ встречает постоянный спрос коммерции

Традиционные роботы когда-то программировались для повторного выполнения того же движения. Сегодня ИИ расширяет возможности роботов и увеличивает адаптивность для типа предметов, которые роботы могут подбирать. По мере того как объем электронной коммерции продолжает расти, размер и форма упаковок постоянно меняются, увеличивая необходимость для роботов быть более способными, чем когда-либо.

Без передовых ИИ могло бы занять годы для робота сортировать посылки на скорости, удовлетворяющей человеческую пропускную способность. Обработка разнообразия предметов интенсивно по данным и требует миллионов выполненных подборов перед тем, как робот работает эффективно. Технология симуляция-в-реальность (Sim2Real) ускоряет и оптимизирует процесс обучения. Sim2Real предобучает роботов в виртуальном мире с миллионами примеров за пару часов так, что когда робот приезжает на объект, он осведомлен о типах упаковок, которые он может увидеть, так что он может начать работать в первый день.

Pitney Bowes, глобальная технологическая компания, предоставляющая коммерческие решения, питания миллиарды транзакций в областях электронной коммерции, доставки, почты и финансовых услуг, пережила значительный рост в своем бизнесе электронной коммерции. У каждого клиента Pitney Bowes уникальный набор предметов, которые они продают, так что упаковка и брендинг на каждом предмете сильно варьируются, и типы предметов, которые Pitney Bowes движет через цепочку поставок, меняются ежемесячно.

Pitney Bowes желала найти автоматизированное решение сортировки и нуждалась в нем, чтобы оно было адаптивным для обработки быстрых изменений и разнообразия типа продукта.

Sim2Real ИИ помогло Pitney Bowes быстро масштабировать операции в пиковый 2020 праздничный сезон покупок, когда Pitney Bowes эффективно и точно отсортировал сотни тысяч уникальных посылок. С тех пор Pitney Bowes расширило использование роботов по всей своей цепочке поставок и использует системы сортировки разными способами на множественных объектах.