팬데믹 기간 동안 AI가 전자상거래를 구한 방법

2년 전 코로나바이러스 전염병으로 인해 미국이 처음으로 폐쇄된 이후 많은 것이 바뀌었습니다. 전례 없는 전자 상거래가 가속화되고 노동력 부족이 발생하는 시기에 기존의 픽앤팩 프로세스는 수요를 충족할 확장성이 부족합니다. 팬데믹으로 인한 부정적인 결과가 분명히 존재하지만 "이것이 어떻게 우리의 일하는 방식을 더 나은 방향으로 바꾸었습니까?"라는 질문을 던집니다.

로봇 공학의 빠른 가속으로 가변성 제거

노동력 부족은 팬데믹 기간 동안 급증한 추세이며, 팬데믹의 영향은 로봇 자동화를 구현할 태세를 갖추지 않은 회사에 치명적이었습니다. COVID-19가 발생했을 때 주문 처리 창고는 밤새 더 많은 용량이 필요했습니다. 창고에 직원을 추가하는 것은 선택 사항이 아니었기 때문에 사람들이 일할 수 없을 때 창고는 작업을 완료하기 위해 로봇으로 눈을 돌렸습니다.

창고 작업은 부상을 당하기 쉽고 지루하며 일부 작업은 가까운 곳에서 수행됩니다. 예를 들어, 우편물 자루를 수동으로 분류하려면 세 사람이 매우 가까이 있어야 하며, 종종 그들이 큐비 사이에서 일할 때 서로 부딪칩니다. 로봇 분류 시스템은 물리적으로 가까운 곳에서 일하는 창고 직원의 요구 사항을 깨고 직원이 일상적인 분류 프로세스를 감독할 때 사회적 거리두기를 가능하게 합니다.

앞으로 사람들이 안전하고 사회적으로 거리를 둔 방식으로 여러 로봇을 관리할 수 있도록 시설에서 건물을 구성할 수 있습니다. 일상적인 작업을 수행하는 대규모 그룹의 사람들에 대한 의존도가 낮은 회사는 하루 제곱피트당 총 처리량에 대한 더 높은 신뢰성을 경험할 것입니다. 이는 기업이 고객에게 지킬 수 있는 약속을 할 수 있음을 의미합니다.

인간의 능력을 증폭시키는 로봇

창고 시설은 하루 제곱피트당 처리량으로 측정하여 효율성을 극대화하려고 합니다. 창고는 사람과 함께 일할 때 변수에 직면합니다. 예를 들어, 근로자는 배고프고 피곤하며 다음 휴식을 기대하고 있습니까? 아니면 기분이 좋고 생산적이고 성과가 좋은 하루를 보내고 있습니까?

하나의 품목이나 소포를 분류하는 행위를 고려하십시오. 인간은 다음을 수행해야 합니다.

제품 또는 소포 더미 보기

정리되지 않은 더미에서 항목을 선택하십시오.

항목을 선택하기 위한 선택 지점 식별

아이템 획득

픽업 시 픽업된 항목이 하나만 있음을 인식하고 확인합니다.

해당 항목을 출력 위치(메일 자루)로 이동

제품 밀도(포대 밀도)를 최대화하는 방식으로 올바른 출력 위치에 항목을 성공적으로 배치합니다.

인간이 할 수 있습니까? 네.

하기 쉽나요? 네.

인간은 일주일에 5일, 하루에 4,000번을 하기를 원합니까? 아니요.

로봇은 정점과 계곡을 완화하기 위해 일관성을 만듭니다. Sim2Real(Sim2Real) AI로 구동되는 훨씬 더 나은 매우 민첩한 분류 로봇은 첫날 창고에 있는 거의 모든 품목을 픽업하여 효율성을 높이고 인간의 작업 조건을 개선할 수 있습니다.

회사는 로봇을 제자리에 배치하면 인간 작업자의 상호 작용 없이 "제 역할을 수행"할 것이라는 환상을 가질 수 있지만 그렇지 않습니다. 인간은 로봇과 함께 작업하여 처리량 흐름을 최적화합니다. 탄력적인 운영을 위해서는 하나가 없으면 다른 하나가 될 수 없습니다.

소포 분류를 위한 로봇 구현은 인간이 모호한 항목을 처리하고 로봇이 일상적이고 반복적인 작업을 처리할 때 가장 성공적입니다. 이 두 가지 유형의 작업을 결합하면 강력합니다. 인간이 로봇이 떠나는 곳을 선택하기 때문에 조화가 발생합니다. 예를 들어 로봇은 물건을 식별하고 파악한 다음 물건을 자루에 넣습니다. 인간은 자루를 조작하고 묶고 레이블을 지정하는 등의 작업을 수행해야 합니다. 로봇의 손재주와 기능이 크게 발전했지만 인간이 가장 잘하는 특정 작업이 있습니다.

시뮬레이션-투-리얼리티 AI는 지속적인 상거래 수요를 충족합니다.

기존 로봇은 한 때 동일한 동작을 반복적으로 실행하도록 프로그래밍되었습니다. 오늘날 AI는 로봇 기능을 확장하고 로봇이 집게 할 수 있는 항목 유형에 대한 적응성을 높입니다. 전자 상거래 규모가 계속해서 증가함에 따라 패키지의 크기와 모양이 지속적으로 변화하고 있어 그 어느 때보다 강력한 로봇의 필요성이 증가하고 있습니다.

고급 AI가 없으면 로봇이 사람의 처리량에 맞는 속도로 패키지를 분류하는 데 몇 년이 걸릴 수 있습니다. 다양한 항목을 처리하는 것은 데이터 집약적이며 로봇이 효과적으로 작동하기 전에 수백만 번의 선택을 실행해야 합니다. Sim2Real(Sim2Real) 기술은 교육 과정을 가속화하고 간소화합니다. Sim2Real은 가상 세계에서 몇 시간 만에 수백만 개의 예제로 로봇을 사전 훈련시켜 로봇이 시설에 도착했을 때 볼 수 있는 패키지 유형에 대해 알고 첫날부터 작동을 시작할 수 있도록 합니다.

전자 상거래, 배송, 우편 및 금융 서비스 분야에서 수십억 건의 거래를 지원하는 상거래 솔루션을 제공하는 글로벌 기술 회사인 Pitney Bowes는 전자 상거래 비즈니스에서 상당한 성장을 경험했습니다. 각 Pitney Bowes 고객은 판매하는 고유한 품목 세트를 가지고 있으므로 각 품목의 포장 및 브랜딩이 크게 다르며 Pitney Bowes가 공급망을 통해 이동하는 품목 유형은 매월 변경됩니다.

Pitney Bowes는 자동화된 분류 솔루션을 찾고 싶었고 제품 유형의 급격한 변화와 다양성을 처리할 수 있는 적응형 솔루션이 필요했습니다.

Sim2Real AI는 Pitney Bowes가 수십만 개의 고유한 소포를 효과적이고 정확하게 분류한 2020년 성수기 휴가 구매 시즌 동안 Pitney Bowes가 신속하게 운영을 확장하는 데 도움이 되었습니다. 이후 Pitney Bowes는 공급망 전체에서 로봇 사용을 확대했으며 여러 시설에서 다양한 방식으로 분류 시스템을 사용합니다.