利用可重复使用的包装和人工智能
容器和可重复使用的包装管理可以显著提高供应链的可持续性。例如，可重复使用的包装消除了连续获取一次性材料的需要，从而实现了长期的成本节约和碳足迹的减少。此外，可重复使用的容器通常采用标准化尺寸，便于在仓库中高效堆垛和存储，最大限度地减少浪费的空间，同时通过尺寸的一致性最大限度地提高运营效率。人工智能 （AI） 的使用使可重复使用的包装更进一步。人工智能不仅可以确保公司在正确的时间将正确的集装箱放在正确的位置，还可以降低整体运输成本、规划工作、燃料成本和所需运输的数量。
可重复使用的容器往往比一次性使用的容器更坚固，在运输过程中也为产品提供更好的保护。它们降低了损坏率和产品损失，同时提高了质量并增强了整体客户体验。这是全球可重复使用包装行业增长的一个关键因素，再加上人工智能对物流和供应链管理的好处。例如，可重复使用包装协会（Reusing Packaging Association）的最新报告说明了全球包装市场的价值如何达到约9500亿美元。据估计，该市场中有2000亿美元被确定为运输包装，其中50%（1000亿美元）属于可重复使用的类别。
高效系统的基本构建块
如今，自动化供应链依赖于一个由可重复使用的容器和包装组成的网络，如托盘、板条箱、容器和其他为多个周期设计的包装材料。具有前瞻性的公司可以监控整个供应链中可重复使用容器的位置和状态，从而提高了库存水平的可见性，并且可以在旺季更好地预测需求，以避免缺货或发货延迟。人工智能 （AI） 正在简化可重复使用包装的复杂物流操作。对于集装箱来说尤其如此，因为它们以封闭或开放的池化周期在全国范围内移动，其中路线确定、回程和库存转移可以得到优化，以节省成本，同时最大限度地减少对供应链的影响。人工智能驱动的系统超越了简单的库存检查，而是比以往任何时候都更准确地预测对特定集装箱的需求。他们甚至建议优化运输订单并简化运营。人工智能可以从跟踪技术（条形码、RFID）中提取数据，这些数据用于监控集装箱位置和状况，以进一步减少损失，并确保及时退货和池内的订单。
可重复使用包装的复杂生态系统
由制造商、零售商和物流公司组成的庞大网络依赖于大量的可重复使用资产池。这些资产的数量可能达到数万甚至数百万，包括调色板、板条箱、ULD、容器和数百种集装箱类型的变体。在理想情况下，这些资产需要经历一个复杂的旅程，在供应商、工厂、仓库、配送中心、零售店以及清洁和维修设施之间移动。当今复杂的物流环境面临着一些挑战。动荡的市场和紧密相连的供应链带来了困难，尽管公司在整个价值链中收集的数据量不断增加。不幸的是，这些数据通常保持孤立，无法转化为可操作的决策见解。这导致了可回收资产的实际库存和虚拟库存之间的差异。此外，分散的软件系统管理传入和传出的资产，而没有实时集成，因此难以识别和处理错放或延误的集装箱。缺乏透明度，加上计划外的变更、频繁的延误以及处理时间敏感任务的压力，给复杂的运营带来了巨大的风险。例如，客户订购过多的空容器，以便手头有足够的空容器，这可能会导致容器库存供过于求，而存储空间却很小。反过来，由于生产基地的集装箱短缺，这可能会使另一个大批量地点争先恐后地履行关键订单。
从数据过载到智能决策
即使使用 Auto-ID 和远程信息处理等现代跟踪技术将数据输入中央平台，庞大的集装箱和交易信息量也可能掩盖某些低效率。例如，当人工调度员在整个供应链周期中难以保持对数十万个集装箱的状态、位置和路线的完整了解时，许多关键问题可能仍未得到解答，例如他们的资产状况、在哪里需要它们以及数量多少。规划者只是人，数据中的微小需求趋势可能会被忽视。重要的是要知道当前所有订单的计划是否考虑到损坏的容器，并充分考虑清洁过程和重新分配时间。对于真正优化的、需求驱动的分销，透明度只是第一步。真正的力量在于做出迅速而明智的决定。这就是人工智能的闪光点。人工智能算法可以实时分析大量数据，不仅可以推荐最佳行动，还可以自动执行一些最频繁和大批量的决策，例如生成运输订单。人工智能采用全面的方法来预测集装箱需求和识别潜在问题。这包括调度员专业知识（领域知识）、来自 ERP 和 PPS 等外部系统的数据、预定义的库存水平规则和历史数据分析。通过考虑所有这些因素，人工智能可以做出高度准确的预测和明智的决策。
发现隐藏的模式以推动行动
人工智能的一个关键优势在于它能够从海量数据集中挖掘出隐藏的见解。AI 可以识别来自不同来源的大量数据的模式和联系。在此过程中，可以提供宝贵的知识和可操作的建议。机器学习使人工智能能够从数据本身迭代地学习和改进，从而更进一步。这些算法可以从整体角度分析整个系统，无需特定指示即可识别以前未知的模式。例如，如果客户在实际需求之前就始终建立高安全库存水平，那么根据经验，人工调度员将空集装箱订单延迟几天以优化整体效率的情况并不少见。这种知识来自多年学习重新订购的最佳库存水平。机器学习可以复制和增强这一过程，以获得最佳结果。它可以观察这些模式，将它们链接到其他数据点（例如预测客户何时需要更多集装箱），并在训练阶段后自动调整订单以更好地与实际需求和最佳运输保持一致。
可重复使用的包装和 AI 实现更智能的供应链
虽然数据驱动的 AI 起着至关重要的作用，但真正优化的方法利用了将数据与人类专业知识相结合的混合模型。人工智能技术（例如，约束规划）与OR算法（例如，数学优化）一起，可以极快地探索数百万种替代决策选项，以提供真正优化的结果。通过考虑无数种选择，人工智能可以确定针对特定情况的最佳行动方案，可以自主执行，也可以向规划者建议。该技术使管理复杂的容器和可重复使用的包装网络成为可能，具有高水平的规划和服务质量。它不仅可以在出现瓶颈时向用户发送警告，还可以通过实时自动平衡集装箱，同时牢记运输成本和新集装箱购买等重要指标，确保在正确的时间在正确的地点提供所需的数量。
作者：贾斯汀·纽厄尔（Justin Newell）INFORM北美的首席执行官。
来源：reusable packaging news
