Hoe AI E-Commerce Her vormde Tijdens de Pandemie: Schaal & Efficiëntie Boost

Er is zoveel veranderd sinds de Verenigde Staten voor het eerst afsloten door de Coronavirus-pandemie twee jaar geleden. Tijdens een tijd van ongekende e-commerce versnelling en arbeidstekorten, missen legacy pick-and-pack processen schaalbaarheid om de vraag te halen. Terwijl er zeker negatieve gevolgen zijn van de pandemie, rijst de vraag: “Hoe heeft dit de manier waarop we werken, voor het goede veranderd?”

Snelle Versnelling van Robotica Haalt Variabiliteit Weg

Arbeidsschaarste is een trend die tijdens de pandemie in de lucht schoot, en de effecten van de pandemie waren verwoestend voor bedrijven niet gepositioneerd om robotische automatisering te implementeren. Toen COVID-19 sloeg, hadden fulfillment-warehouses overnachting grotere capaciteit nodig. Associates toevoegen aan het warehouse was geen optie, dus toen mensen niet konden komen werken, keerden warehouses zich tot robots om het werk gedaan te krijgen.

Warehouse-werk is letselgevoelig en saai, en sommige jobs worden in nauwe kwartieren uitgevoerd. Bijvoorbeeld, handmatig postsortieren vereist drie mensen in extreme nabijheid, die vaak tegen elkaar aan botsen terwijl ze tussen de vakjes werken. Robotische sorteersystemen breken de vereiste van warehouse-associates die in fysieke nabijheid werken en maken sociale distantiëring mogelijk terwijl associates het saai sorteringsproces toezien.

Vooruitkijkend, kunnen faciliteiten gebouwen configureren zodat mensen meerdere robots in een veilige, sociaal gedistancieerde manier kunnen managen. Bedrijven met minder afhankelijkheid van grote groepen mensen die saai taken uitvoeren, zullen grotere betrouwbaarheid van totale doorvoer per vierkante voet per dag ervaren. Dit betekent dat bedrijven beloftes aan hun klanten kunnen maken die ze kunnen houden.

Robots Versterken Menselijke Capaciteit

Warehouse-faciliteiten zoeken efficiëntie te maximaliseren, gemeten door doorvoer per vierkante voet per dag. Warehouses tegenvariabelen bij het werken met mensen. Bijvoorbeeld, zijn werknemers hongerig, moe en hun volgende pauze anticiperend, of voelen ze zich goed en hebben ze een productieve, hoge-prestatie dag?

Overweeg de actie van één item of pakket sorteren. Een mens moet:

Een stapel product of pakketten zien

Een item selecteren om het op te pikken uit de ongerangschikte stapel

Een pick-punt identificeren om het item te isoleren

Het item optillen

Herkennen en verzekeren bij optillen dat er maar één item is opgepikt

Het item navigeren naar de output-locatie (postzak)

Het item succesvol in de juiste output-locatie plaatsen op een manier die productdichtheid (zakdichtheid) maximaliseert

Kunnen mensen dit? Ja.

Is het makkelijk om te doen? Ja.

Willen mensen dit 4.000 keer per dag, vijf dagen per week doen? Nee.

Robots creëren consistentie om pieken en dalen te verlichten. Nog beter, hoog-dexterieuze sorterobots, aangedreven door simulation-to-reality (Sim2Real) AI, kunnen bijna elk item in een warehouse op dag één oppikken om efficiëntie te verhogen en menselijke werkomstandigheden te verbeteren.

Terwijl bedrijven een fantasie kunnen hebben dat een robot plaatsen “zijn ding doet” zonder interactie met menselijke werknemers, is dat niet het geval. Mensen werken naast robots om doorvoerstroom te optimaliseren. Voor veerkrachtige operaties, kun je niet de één zonder de ander hebben.

Robotische implementaties voor pakket-sortering zijn het meest succesvol wanneer mensen ambiguë items hanteren en de robot de saai, herhalende taken doet. Deze twee typen taken combineren is krachtig. De harmonie ontstaat omdat de mens opneemt waar de robot ophoudt. Bijvoorbeeld, de robot identificeert en grijpt items, legt ze dan in een zak. De mens moet de zak manipuleren, vastbinden, labelen, etc. Terwijl er significante vooruitgang is in robotische dexteriteit en capaciteit, zijn er bepaalde taken die mensen het best doen.

Simulation-to-Reality AI Ontmoet Constante Commerce Vraag

Traditionele robots werden eenmaal geprogrammeerd om herhaaldelijk dezelfde beweging uit te voeren. Vandaag verbreedt AI robotcapaciteiten en verhoogt aanpasbaarheid voor het type items dat robots kunnen oppikken. Naarmate e-commerce-volume blijft groeien, verandert de grootte en vorm van pakketten constant, wat de behoefte aan robots vergroot om meer capabel te zijn dan ooit tevoren.

Zonder geavanceerde AI zou het jaren duren voordat een robot pakketten kan sorteren op een tempo dat menselijke doorvoer haalt. Het hanteren van een verscheidenheid aan items is data-intensief en vereist miljoenen uitgevoerde picks voordat een robot effectief werkt. Simulation-to-reality (Sim2Real) technologie versnelt en stroomlijnt het trainingsproces. Sim2Real pre-traint robots in de virtuele wereld met miljoenen voorbeelden in kwestie van uren, zodat wanneer een robot in een faciliteit aankomt, het kennis heeft over de typen pakketten die het zou kunnen zien, zodat het op dag één kan beginnen te opereren.

Pitney Bowes, een wereldwijd technologiebedrijf dat commerce-oplossingen levert die miljarden transacties in de gebieden e-commerce, verzending, post en financiële diensten aandrijven, heeft significante groei ervaard binnen zijn e-commerce-business. Elke Pitney Bowes-klant heeft een unieke set items die ze verkopen, dus de verpakking en branding op elk item variëren sterk, en de typen items die Pitney Bowes door de toeleveringsketen beweegt, veranderen maandelijks.

Pitney Bowes wenste een geautomatiseerde sorteeroplossing te vinden en had deze nodig om aanpasbaar te zijn om snel veranderingen en diversiteit in producttype te hanteren.

Sim2Real AI hielp Pitney Bowes snel operaties te schalen tijdens de piek 2020 feestdagen-koopseizoen, toen Pitney Bowes effectief en nauwkeurig honderdduizenden unieke pakketten sorteerde. Pitney Bowes heeft sindsdien het gebruik van robots doorheen zijn toeleveringsketen uitgebreid en gebruikt de sorteersystemen op verschillende manieren over meerdere faciliteiten.