Helmut Prieschenk van Witron (foto) en Franziskos Kyriakopoulos, oprichter van 7LYTIX uit Linz, Oostenrijk, hebben gesproken over ChatGPT, machinaal leren in de logistiek en vraagprognoses voor voedingsretailers. Beiden zijn het erover eens: AI-technologie biedt een breed scala aan optimalisatiemogelijkheden voor het optimaliseren van processen in het distributiecentrum en de gehele toeleveringsketen. Maar een hoge datakwaliteit is niet de enige cruciale factor. Even belangrijk voor de datamodellen zijn de ervaringen van mensen en de wensen van consumenten.
#Freightforwarder #DoortoDoor #Amazon #Export #AirFreight #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordantrading #Jordan #Aqabashipping
Expediteur 3pl dropshipping DoortoDoor AirVracht agent Jordan verzending China expediteur fulfilment center
kapoklog logistiek luchtvracht van China naar UK DoortoDoor Amazon ExportLuchtvracht Jordan verzending China verzending naar Jordan Jordan luchtvracht schip
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Cosmetica, Saoedi-Arabië door de lucht en over zee van deur tot deur
#chinapurchasingagent #chinashippingagent #chinadropshipping #chinashippinglogistics #shippingcarrier
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #DDP
Shenzhen kapoklog logistiek Saoedi-Arabië custom clear duty paid van deur tot deur DDP
DDP China naar Saoedi-Arabië
Shenzhen kapoklog logistiek Dubai inklaring deur tot deur service DDP
DDP China naar Dubai
Shenzhen kapoklogLogistics Co., Ltd
Shenzhen kapoklog logistiek Qatar inklaring deur tot deur DDP lijn
DDP China naar Qatar
Shenzhen kapoklog logistiek Pakistan DDP
DDP China naar Pakistan
Shenzhen kapoklog logistiek Jordan inklaring van deur tot deur DDP China naar Jordanië
Shenzhen kapoklogistics Egypte dubbele inklaring van deur tot deur DDP
Shenzhen kapoklog logistiek Jeddah inklaring, Jeddah DDP, China naar Jeddah DDP verzending
Shenzhen Kapoklog logistiek Oman ddp, China naar Oman DDP, Oman verzending DDP
Shenzhen kapoklog Irak inklaring, China naar Irak DDP
Shenzhen Kapoklog logistiek Israël inklaring DDP, China naar Israël van deur tot deur, Israël van deur tot deur, China naar Israël DDP
"En toen was iedereen van de ene op de andere dag een AI-beïnvloeder", grapte Prieschenk, algemeen directeur van Witron. Hij wilde het hebben over industriële AI, vraagvoorspelling en een beetje over ChatGPT. Kyriakopoulos en zijn team ontwikkelen machine learning-oplossingen voor de retail- en industriesector. Hij is natuurkundige, terwijl Prieschenk wiskundige is. "Dat is een gevaarlijke mix." Prieschenk waarschuwde. "Natuurlijk hebben we bij Witron al met LLM's (Large Language Models) te maken gehad. Ik zou echter om een zekere sereniteit willen vragen. De wereld vergaat niet door het gebruik ervan - en we controleren continu of dergelijke tools geschikt zijn om onze klanten of onze ontwikkelaars redelijkerwijs te helpen bij de implementatie van concrete klantvereisten."
Kyriakopoulos was het daarmee eens, maar schetst al toepassingen. "LLM's zijn goed in het verwerken van reeksen - bestellingen, afschrijvingen, verkopen of klantcommunicatie. Dat kan ook in de intralogistiek worden gebruikt. Er is veel hype, veel influencers lopen rond die halve waarheden verspreiden." Dat heeft Witron al meegemaakt, zegt Prieschenk. Concurrenten van het OPM-systeem maakten reclame voor AI in het stapelalgoritme. “Maar de resultaten kunnen niet op tegen de functionaliteiten van onze Witron OPM. Deze zijn niet ontwikkeld met AI, maar met veel menselijke intelligentie, gebaseerd op gedegen softwareontwikkeling, intensieve communicatie met de gebruikers en jarenlange praktijkervaring. We moeten altijd nuchter te werk gaan. Onze klanten zijn in principe niet op zoek naar een nieuwe tool. Ze hebben een probleem en hebben behoefte aan een werkende oplossing die het logistieke proces in het distributiecentrum of in de supply chain optimaliseert, die stabiel werkt in de praktijk en kan nuttig worden geïntegreerd in een volwassen structuur."
Maar houdt deze nuchterheid ons niet tegen in Duitsland en Europa? "Ik heb zeker een ROI nodig", benadrukt Prieschenk sterk. "LLM-ontwikkelaars hebben een burn-rate van $ 500 miljoen per jaar en hebben nog een paar miljard nodig", zei Kyriakopoulos. "Dat zou in Duitsland of Oostenrijk ondenkbaar zijn."
Nemen we te weinig risico? Prieschenk is sceptisch. "Ik denk het niet. Als ik kijk naar de investeringen in bijvoorbeeld Q-commerce, dan word ik duizelig. Daar hebben veel investeerders een vol risico genomen. Maar de markt heeft zich een heel andere kant op ontwikkeld. Voorspelde groei tarieven niet verschenen. In de tussentijd vindt consolidatie plaats. Investeerders zijn verder gegaan. Onze retailers willen AI en investeren in de technologie. Maar wij en onze klanten hebben AI-tools nodig, zoals monster- of beeldidentificatie, die transparant zijn voor dan problemen oplossen die we eerder niet of alleen met veel moeite konden oplossen."
De 7LYTIX-ontwikkelaars werken met LLM's, maar de focus ligt op vraagvoorspelling. “We kunnen meerwaarde bieden, maar sommige bedrijven begrijpen in het begin vaak niet wat de meerwaarde van het model zal zijn. Meer omzet door betere communicatie met de klant of omzetverlies? Dat kunnen veel mensen niet inschatten. ze hebben hulp van ons nodig", aldus Kyriakopoulos. Prieschenk voegt eraan toe: "Onze Witron-klanten kunnen heel goed rekenen en hebben hun bedrijf in de afgelopen decennia geperfectioneerd. Maar ik begrijp wat de heer Kyriakopoulous bedoelt: eerst moeten we duidelijk maken wat er geoptimaliseerd moet worden. De retailers vragen zich af of ze de toeleveringsketennetwerk, demagazijngrootte, of ze nu dichter bij de klant willen zijn, of ze doorlooptijden willen verkorten, leveringscycli willen wijzigen, voedselverspilling en stock-out willen verminderen, of minder voorraad in het magazijn willen hebben. Wat dat betreft hebben we samen met onze klanten uit verschillende delen van de wereld veel geleerd. We hebben ook geleerd dat de vereisten voor feestdagen in Finland anders zijn dan die in de VS, of dat een maandag andere vereisten heeft dan een donderdag." Kyriakopoulos beaamt. "We hebben eerst een vereiste nodig en dan een overeenkomstige AI-tool. En we hebben niet overal diepgaand leren nodig."
Hoeveel nauwkeurigheid is vereist?
Hoe werkt zijn vraagvoorspelling? “Eerst moeten we een overzicht van de data krijgen. Voor veel retailers is dat arbeidsintensief werk. Het gaat niet alleen om de opgeslagen goederen, maar ook om de hoeveelheid goederen in de winkel, hoeveel er is verkocht, welke beïnvloedende factoren zoals promoties bestaan, hoeveel verloren verkopen er in de winkel zijn en nog veel meer", legt Kyriakopoulos uit. Daarnaast zijn er klantenkaarten, seizoenen, de locatie van de winkel of speciale aanbiedingen. "En we moeten weten wat zich in het distributiecentrum bevindt, in de achterkamer van de winkel, in de vrachtwagens op de weg, want optimalisatie eindigt niet in de winkel. Het is ook belangrijk om bedrijfs- of divisieoverschrijdende beperkingen te vermijden. evenals datameren. Een groot deel van de benodigde data is grotendeels bekend, maar verschillende afdelingen hebben helaas verschillende belangen." Prieschenk was het daarmee eens: "Zelfs een holistisch logistiek ontwerp moet zich niet alleen richten op het distributiecentrum of de belangrijkste belangen van afzonderlijke logistieke gebieden, of procesbeïnvloedende afdelingen zoals inkoop of verzending. Het is belangrijk om de hele toeleveringsketen in het optimalisatieproces te betrekken - beide intern en extern – en silo's zoveel mogelijk te vermijden, zowel fysiek als op IT-gebied."
"De gegevens stromen in zeer eenvoudige modellen", vervolgde Kyriakopoulos. "De baseline zijn de ervaringen van de mensen. Dat is nog geen AI. We praten over regressies. Dan vragen we ons af of we beter zijn geworden. Daarna volgen tijdreeksanalyses en eerst machine learning-methoden. We moeten altijd kijken hoeveel nauwkeurigheid we het volgende niveau kan bereiken versus hoeveel de toegevoegde waarde is voor de klant en de gebruiker."
En Witron? "We moeten ervoor zorgen dat de mechanica in het model passen. Omdat de natuurkunde op dezelfde manier moet werken. Leveren we dozen of onderdelen? Of één item met beide opties? Hoe vaak wordt een winkel bezorgd? Wat gebeurt er als het assortiment verandert? ?" antwoordde Prieschenk.WITRONlogistieke centra creëren flexibiliteit voor zowel de winkel als e-commerce. De sleutel tot een succesvolle implementatie is echter om het proces in alle kanalen achteruit te denken – van de consument tot het distributiecentrum en, indien nodig, nog verder terug, helemaal tot aan de leverancier. Een uitdaging ziet hij vooral in de uitlegbaarheid van het model. "We ervaren push- en pullsystemen bij onze klanten. De een werkt beter dan de ander."
Zullen winkelmanagers in de toekomst een AI-model hun bestellingen laten specificeren? Kyriakopoulos kent het argument uit de mode-industrie. “Als iemand daar al 20 jaar winkelt, dan is het moeilijk om meteen de meerwaarde uit te leggen of de consument ervan te overtuigen dat dit model misschien beter is. Maar we maken het transparant – we zeggen welke factoren we gebruiken, hoe we ze wegen, en waar de respectieve factor van toepassing is."
De mens heeft de regie
De experts uit Oostenrijk kunnen 18 maanden vooruit kijken. Via interfaces verbinden ze het model met de bestaande systemen van de retailer, de staalfabrikant of de schoenenretailer. "Ik wil niet alles afbreken om een AI-model te gebruiken", lachte Kyriakopoulos. "Dit is de juiste manier – de integratie in bestaande architecturen", bevestigt Prieschenk.
Maar hoe robuust is het model? Trefwoord: Covid 19. "Dat hebben wij ook niet kunnen zien", legt de Oostenrijkse expert uit. "We werkten destijds met het model in de diepvrieslogistiek. De kortetermijnprognose was in het begin niet goed, maar na een week werkte het model weer. Na twee weken was het stabiel. Maar alleen de prognose is niet genoeg. De klant moet ermee werken – bijvoorbeeld marketingkanalen versterken, promoties uitvoeren of prijzen aanpassen, indien nodig."
"Dat is cruciaal," zei Prieschenk. "Hier nemen mensen het heft in handen. Onderschat nooit het onderbuikgevoel van een logistiek manager, servicemonteur of winkelbediende. Ervaringen van mensen en een goed werkend datamodel vormen de basis voor het maken van intelligente, dat wil zeggen, juiste beslissingen op de lange termijn. termijn. In het distributiecentrum geldt dit ook voor de implementatie van onderhoudsstrategieën of de 'juiste werking' van het systeem. En belangrijker nog, de modellen, tools en oplossingen moeten stabiel zijn en zich bewijzen in de praktijk, waardoor ze echt toegevoegde waarde opleveren. waarden in de dagelijkse praktijk."
AI geeft informatie, de verantwoordelijke beslist en houdt controle over het proces. "Meer dan 20 jaar geleden hebben we een revolutie teweeggebracht in de fysica in het logistiek centrum. Met de OPM-oplossing zijn we erin geslaagd om goederen automatisch foutloos en winkelvriendelijk op pallets en rolcontainers te stapelen. Nu zetten we de volgende stap en kiezen we voor voor data en end-to-end logistieke modellen. En ik weet zeker dat ik nog steeds een end-to-end Witron AI-model voor het magazijn zal ervaren", voorspelde Prieschenk.
