در حالی که نوآوری در راه حلهای داده و فناوری این امکان را دارد که عملیات مدیریت ناوگان را کاملاً متحول کند، 85 درصد ناوگان حمل و نقل معتقدند که صنعت آنها هنوز در زمینه اجرای فناوریهای جدید از سایر صنایع عقب مانده است. در همین حال، شرکتهای تدارکات که به استقبال ابزاری مانند هوش مصنوعی (AI)، تجزیه و تحلیلهای پیش بینی شده و دستگاههای اینترنت اشیا (IoT) میروند، از بازگشت سرمایه بالایی برخوردار هستند و بهره وری را برای تجارت خود بهبود میبخشند. اکنون، ابزارهای سازمانی دیجیتال در نظارت، تجزیه و تحلیل و اجرای بهینهسازی ناوگان پایدار نقش اساسی دارند.
با کوچکتر شدن دستگاهها و مقرون به صرفه بودن آنها و توانایی ابزارهای دیجیتال، شرکتهای تدارکاتی ناوگان قادر خواهند بود تا به راحتی از آنها استفاده کنند تا ناوگان و نیروی کار خود را با قابلیت مشاهده و اتوماسیون در زمان واقعی بهینه کنند. میزان بازگشت سرمایه از تلفیق این راه حلها خود گویای این امر است: به عنوان مثال، اپراتورهای بندر روتردام اکنون با استفاده از اطلاعات زمان واقعی، هر بار که متصل میشوند، حدوداً 80000 دلار پس انداز دارند.
این فناوریهای قدرتمند شامل telematics و IoT، تجزیه و تحلیلهای مجهز به هوش مصنوعی و برنامههای مدیریت نیروی کار هستند. همه اینها ابزارهای اصلی مورد نیاز برای کار با یکدیگر برای شکل دادن به آینده بهینهسازی ناوگان هستند. بیایید نگاهی بیندازیم به سه طبقهبندی این فناوری و اینکه چگونه آنها میتوانند وضعیت فعلی مدیریت ناوگان را پیش ببرند.
بیشتر بخوانید: اجاره سوله در تهران توسط ستایش لجستیک
فناورییهای متصل: Telematics ،IoT و ردیابی خودرو
دادهها در زمان واقعی در مورد عملکرد تجهیزات، مکان و تعمیر و نگهداری در حال تبدیل شدن به یک بخش فزایندهای از عملیات در سراسر صنعت است. در حقیقت اینترنت اشیا و سایر کاربردهای حسگر هوشمند، از جمله telematics و ردیابی خودرو، از گستردهترین توسعه یافتهها در میان فناورییهای نوظهور تدارکاتی امروزی هستند. براساس گزارشی از سوی سیسکو و DHL، ارزش بالقوه اقتصادی جهانی فناوریهای اینترنت اشیا 1.9 تریلیون دلار برآورد شدهاست.
اینترنت اشیا و سیستمهای ردیابی خودرو توسط telematics فعال میشوند، كه قابلیت نظارت از راه دور را به اپراتورهای ناوگان ارائه میدهند. در حقیقت 40 تا 45 درصد از وسایل نقلیه ناوگان ایالات متحده در حال حاضر به دستگاه telematics مجهز هستند. ارائه خدمات مجهز به Telematics در حال حاضر باعث بهرهوری ناوگان میشود، جایی كه 56٪ از اپراتورها با استفاده از telematics، بهرهوری را بهبود میبخشند و 53٪ کاهش مصرف سوخت را به عنوان مزایای واقعی یاد میكنند.
ردیابی وسایل نقلیه در زمان واقعی نیز فراتر از GPS تکامل یافته است و به اپراتورها کمک میکند ناوگان را به صورت پویا مسیریابی و زمانبندی کنند و حتی دادههای مربوط به وضعیت جوی و ترافیک را برای پیشبینی دقیق با هم ترکیب کنند. با هر دو نظارت شخصی خودرو (به عنوان مثال، محافظت در برابر سرقت) و بهبود ویژگیهای عملکرد ناوگان (به عنوان مثال، معیارهای زیست محیطی)، ردیابی خودرو به ابزاری برای بهینهسازی در هر شبکه مدیریت ناوگان تبدیل شدهاست. با استفاده از این روش، اپراتورهای ناوگان میتوانند از دادهها برای افزایش بهرهوری سوخت، اجرای تعمیر و نگهداری پیشگیرانه و ایجاد اقدامات فعالتر استفاده كنند.
اینترنت اشیا که شامل دستگاههای telematics متصل و همچنین تجزیه و تحلیل پیشرفته است نیز تأثیر گستردهای در بهینهسازی ناوگان دارد، امکان مسیریابی در زمان واقعی، برنامهریزی پویای خودرو و بهینهسازی مدیریت منابع و نیروی کار را فراهم میکند. سیستمهای اینترنت اشیا میتوانند تجزیه و تحلیل دقیق، گزارش در مورد بهرهوری سوخت خودرو یا میزان خرابی را برای اپراتورها فراهم کنند و حتی 
اطلاعات دقیقتری را دریافت کنند مانند اینکه “رانندگان کامیون به احتمال زیاد سخت ترمز میکنند یا از سرعت مجاز تخطی میکنند”
یک سیستم اینترنت اشیا،، Geotab، آماری را در مورد چگونگی جایگزینی گروهی از کامیونهای خاص برای افزایش بازده کلی سوخت ناوگان ارائه میدهد. این سیستم همچنین از دادههای حسگر برای تعیین اینکه چرا و چه زمان سیستمهای الکتریکی خودرو خراب میشوند، استفاده میکند. با استفاده از این دادهها برای انجام دقیقتر نگهداری پیشگیرانه، شرکتهای ناوگان این امکان را دارند که صرفهجویی باورنکردنی در هزینهها داشته باشند.
از آنجا که این راه حلها در طول زمان در مقیاس گسترده ای اجرا میشوند، telematics، IoT و ردیابی وسایل نقلیه همگی به ابتکارات زیست محیطی کمک میکنند. به گفته فوربس، راه حلهای ردیابی به اپراتورهای ناوگان اجازه میدهد تا “به معنای واقعی کلمه بیکاری، سرعت و سایر رفتارهای ناکارآمد رانندگی را که باعث اتلاف سوخت و تولید بیش از حد انتشار CO2 در جو میشوند، کنترل کنند.”
هوش مصنوعی: تجزیه و تحلیل، پیشبینی
در سال 2019، مک کینزی تخمین زد که صنعت حمل و نقل و انبارداری پتانسیل اتوماسیون بالایی در هر بخش را دارد. از این گذشته، هوش مصنوعی برای ایجاد زنجیره تأمین گستردهتر و اتوماسیون عملیاتی، با کاربردهای بسیار متنوعی در زمینههایی مانند مناقصه، تحویل و بهینهسازی پیشبینی از طریق هوش پیشرفته به کار میرود. دادههای زنجیره تأمین میتواند از دادههای فروش گرفته تا الگوهای آب و هوایی را پوشش دهد و به متخصصان تدارکات اجازه میدهد بینشهایی را ارائه دهند که عملکرد و سودهای آینده را افزایش میدهد.
ابزارهای بهینهسازی پیشبینی هوش مصنوعی برای حمل بار، مانند Transmetrics، به برنامهریزان تدارکات کمک میکند، میلیونها صرفهجویی بالقوه برای مشتریان داشته باشند.
به عنوان مثال، مدل کامل دادههای هوش مصنوعی برای NileDutch به شرکت کمک کرد تا یک برنامه جهانی برای کاهش کانتینر ناوگان، تغییر مکان خالی، ذخیرهسازی، تعمیر و نگهداری برای کل شبکه با کمترین هزینه ممکن ایجاد کند. اکنون، تیم تدارکات شرکت میتواند 10 تا 12 هفته زودتر از موعد برنامههای خالی کانتینر را به صورت پویا بهینه کند.
ابزارهایی برای بهینهسازی مدیریت نیروی کار در عملیات ناوگان
برنامهیزان تدارکات در سراسر اروپا، آسیا و آمریکا در حال حاضر با کمبود جهانی راننده کامیون روبرو هستند، فقط در ایالات متحده در سال 2018 کمبود 50،000 نفر گزارش شده است.
خوشبختانه، راه حلهای داده و فناوری میتوانند علاوه بر استفاده، ارسال و نگهداری تجهیزات ناوگان، به بهینهسازی مدیریت نیروی کار نیز کمک کنند. این امر به ویژه از آن جهت حیاتی است که نیروهای کار هم در عملیات ناوگان و هم در مدیریت ناوگان به طور فزایندهای به چشم میخورند.
ابزارهای فردی به کارمندان ناوگان اجازه میدهد تا مسافت پیموده شده شخصی را ردیابی کنند، گزارش در زمان واقعی را ارائه دهند و در هنگام تعاملات و معاملات فردی از رعایت آن اطمینان حاصل کنند. این ورودیهای داده به ابزارهای پیشبینی کمک میکند تا به سازمانها کمک کند وظایف راننده را بهینه کنند و حتی رضایت کارکنان را تجزیه و تحلیل کنند.
به عنوان مثال، Navisphere یک سیستم TMS با یک شبکه مجازی است که رانندگان و شرکتهای مخابراتی را برای بهینهسازی ارسال کامیون و مدیریت بار، از جمله تعیین راننده و صورتحساب، به یکدیگر متصل میکند. این پلت فرم به دو طرف تقسیم شدهاست: نسخه حامل و نسخه راننده. رانندگان میتوانند با استفاده از آن اسناد را به راحتی اسکن و بارگذاری کنند، بار را دریافت کنند و اطلاعات لازم برای تحویل کالا را پیدا کنند. در همین حال، شرکتهای مخابراتی از آن برای دستیابی به اطلاعات در مورد اقداماتی مانند جستجوی بار و ارسال کامیون با ابزارهای مدیریتی بیشتر و گزارشهای تجزیه و تحلیل استفاده میکنند. با استفاده از آن هم، شرکتهای حمل و نقل میتوانند سطح جدیدی از شفافیت را در زنجیره تأمین خود ایجاد کنند.
هرچه سیستمهای مدیریت نیروی کار توانایی بیشتری پیدا کنند، استانداردها و عملکرد به سمت بهبود میروند. بعنوان مثال، شرکتهای اصلی بیمه اتومبیل مانند Progressive و GMAC به شرکتها اجازه میدهند بستههای شخصی متناسب با مشخصات حمل و نقل خود را انتخاب کنند.
بیشتر بخوانید: نکات مهم در انتخاب انبار عمومی
بنیادی برای ناوگان آینده خود ایجاد کنید
آینده مدیریت ناوگان سرانجام در اتخاذ راهکارهای فناوری اطلاعات، ابری و داده محور است. طبق گفته Deloitte، مدیران ناوگان باید بر روی دیجیتالی سازی، بهبود فرآیند و بهرهوری عملیاتی تمرکز کنند. با استفاده از این فناوریهای اساسی، اپراتورهای ناوگان، CSCOها و دیگر رهبران تدارکات ناوگان از فناوریهای عملیتر در مناطقی مانند تشخیص خودکار و هوش تقویت شده استقبال میکنند.
رهبران زنجیره تامین با بالغ شدن شایستگیهای خود، میتوانند فرهنگ نویی را تقویت کنند که با تکامل مدلهای کسب و کار، فناورییها و انتظارات مشتری، ارزش ماندگاری به آنها میافزاید و زمینه را برای آینده بهینهسازی ناوگان فراهم میکند.
