Tuigeann formhór na lastóirí, na n-iompróirí agus na soláthróirí seirbhísí lóistíochta an tábhacht a bhaineann le bailiú sonraí agus cinnteoireacht bunaithe ar shonraí. Soláthraíonn sonraí a bhailítear le himeacht ama faisnéis, rud a chuireann ar chumas cuideachtaí cinnteoireacht fhadtéarmach a fheabhsú. Idir an dá linn, is féidir sonraí fíor-ama a úsáid chun cinntí cliste idir an dara háit a dhéanamh – cosúil le conas a cheartú nó athphleanáil nuair a tharlaíonn fadhbanna.
Is uirlis chumhachtach í intleacht shaorga a chuidíonn le cuideachtaí an leas is mó a bhaint as a gcuid sonraí. Bíonn sé seo i bhfoirmeacha éagsúla. Cuireann "AI Staidrimh" ar chumas úsáideoirí anailís a dhéanamh ar chainníochtaí ollmhóra faisnéise chun patrúin i bhfolach a aimsiú agus cinntí cliste a dhéanamh. Idir an dá linn, is féidir le cuideachtaí sonraí ón am atá caite a úsáid chun samhlacha "AI siombalacha" a ríomhchlárú, ar féidir iad a úsáid le haghaidh feidhmeanna "cuspóra", amhail optamú próisis. Jonah Mcintire (sa phictiúr), Príomhoifigeach Líonra agTrasporeonScrúdaíonn , A Trimble Company, tuilleadh.
Uathoibriú vs. AI – an difríocht a thuiscint
Is minic a labhraítear faoi uathoibriú agus AI san anáil chéanna, amhail is gur comhchiallach iad. Mar sin féin, cé go bhfuil siad idirnasctha, tá idirdhealú tábhachtach idir an dá cheann. Is éard atá i gceist le huathoibriú tascanna neamhchoitianta, riaracháin go minic, a tharmligean chuig bogearraí. Tá sé cléireachais. Ar an láimh eile, baineann fíor-AI le cumhacht cinnteoireachta a thabhairt ar láimh. Tugtar paraiméadair socraithe do bhogearraí, ach úsáidfidh sé iad chun conclúidí gan choinne a bhaint amach. Is féidir le húsáideoirí céimeanna éagsúla saoirse a thabhairt do AI. Cur chuige níos cúramaí ná ligean do bhogearraí roghanna a ríomh agus moltaí a dhéanamh le gur féidir leis an duine a cheadú. Mar sin féin, is féidir leis freisin teacht ar chonclúidí agus cinntí a dhéanamh go neamhspleách, gan fiú duine a chur ar an eolas.
Mar sin, cén áit ar féidir leis an tionchar is mó a bheith ag AI in iompar lóistíochta? Is é an freagra gairid ná 'i ngach áit'. Go deimhin, tá lastóirí, iompróirí agus soláthraithe seirbhíse lóistíochta atá ag smaoineamh chun cinn ag comhtháthú AI ina stoic teicneolaíochta cheana féin.
Tá cúpla rud le cur san áireamh. Is fearr a úsáidtear AI le haghaidh cinntí a bhfuil luachanna airgeadais nithiúla acu atá éasca le scóráil agus a bhfuil athróga scoite aitheanta acu. Tá timthriallta cinnteoireachta tapa tábhachtach freisin. Cosúil le daoine, foghlaimíonn AI ó thurgnamh. Mar sin, mura ndéantar cinneadh ach go bliantúil, tógfaidh sé fiche nó tríocha bliain ar na bogearraí go leor sonraí a bhailiú chun aiseolas a fháil. Go réadúil, ba mhaith leat samhlacha AI chun anailís a dhéanamh ar na mílte cinntí in aghaidh an lae. Go hidéalach, d’úsáidfeadh imreoirí samhlacha oilte ní hamháin lena gcuid sonraí féin, ach le sonraí a bhailítear ar fud an tionscail. Cuireann an cur chuige comhoibríoch seo (ar a dtugtar "ardán") ar chumas gach duine dul chun cinn a dhéanamh.
Mar sin, conas is féidir le AI athrú a dhéanamh ar an gcaoi a n-úsáideann cuideachtaí a gcuid sonraí trí sholáthar uathrialach, uirlisí ETA fíor-ama agus dícharbónú?
Uirlisí ETA fíor-ama
Tá an dícheangal idir lastóirí agus iompróirí ina dhúshlán le fada sa tionscal iompair lóistíochta. Chun infheictheacht, trédhearcacht agus éifeachtúlacht a fheabhsú, ní mór dúinn glacadóirí ualaigh agus soláthraithe ualaigh a nascadh. Mar shampla, go traidisiúnta ba phianphointe don dá cheann é amanna teachta ualaí a thuarlastóiríagus iompróirí. D’fhéadfadh cúiseanna coitianta moille – ar nós stailceanna, thranglam tráchta agus deacrachtaí meicniúla – a bheith go hiomlán randamach don tsúil dhaonna. Ach nuair a dhéanann samhail AI anailís ar luach blianta na sonraí seo, tagann patrúin ceilte chun cinn. Go hiondúil – ach amháin má bhíonn cúinsí fíor gan fasach – tá AI i bhfad níos fearr ag tuar ETAnna agus le cabhair ó uirlis ETA fíor-ama a fhaigheann cúnamh AI, is féidir le cuideachtaí a chinntiú go bhfuil siad sásta ualaí a fháil aon uair a thagann siad.
Uathoibriú soláthair agus luachan
Is cás úsáide foirfe é spotcheannach le haghaidh AI siombalach, toisc go bhfuil buiséad socraithe ag cuideachtaí agus srianta soiléire thart ar amanna luaidhe agus cineálacha iompróirí. Thairis sin, tá struchtúr na caibidlíochta sách simplí – is féidir le rannpháirtithe tairiscint a dhéanamh, fanacht le freagra, comhthairiscint a dhéanamh, glacadh le tairiscint, nó deireadh a chur le hidirbheartaíocht. Déanann sé seo éasca do bhogearraí a spriocanna a shaothrú go neamhspleách, rud a shábháil na mílte uaireanta riaracháin láimhe.
Níl anseo ach sampla amháin. Sa spás soláthair, is féidir le AI staidrimh tairiscint a réabhlóidiú freisin trí úsáid a bhaint as méideanna ollmhóra sonraí chun praghsáil a thuar. Mar shampla, in ionad iarraidh ar iompróirí tairiscint a dhéanamh ar thairiscint ualaigh, is féidir le AI an tairiscint sin - agus tairiscint phraghsála - a thíolacadh do líon áirithe iompróirí. Mura nglacann aon iompróir leis an ualach tairisceana ag an bpraghas a thairgtear, féadfaidh an AI babhtaí tairisceana breise a thionscnamh de réir mar is gá.
Is féidir le AI tionchar claochlaitheach a bheith aige freisin ar dhíoltóirí seirbhísí lóistíochta, rud a chuireann ar a gcumas freastal go huathoibríoch ar chustaiméirí le praghsáil láithreach, cruinn le haghaidh iompair ar an láthair bunaithe ar rátaí réamh-mheasta an mhargaidh. Leis an gcumas seo, is féidir le glacadóirí ualach an méid deiseanna a luann siad a mhéadú agus ar deireadh thiar níos mó gnó nua a bhuachan.
Dícharbónú
Tá an earnáil iompair lóistíochta faoi bhrú a cuid astuithe carbóin a laghdú. Tá custaiméirí úsáideoirí deiridh ag brú ar sheoltóirí chun dícharbónú. Idir an dá linn, tá lastóirí ag cur an brú céanna ar iompróirí trína gconrú bunaithe ar a gcleachtais inbhuanaitheachta, ag tairiscint conarthaí lasta níos faide d'iompróirí atá freagrach as an gcomhshaol, agus fiú ag íoc préimh as iompar carbóin níos ísle.
Agus an inbhuanaitheacht ag dul i bhfeidhm ar an mbunlíne anois, ní haon iontas é go bhfuil dícharbónú ag ardú go barr an chláir oibre do sheoltóirí agus iompróirí araon. Mar sin, conas is féidir le AI cabhrú leis seo go léir? Is é an chéad rud ar chóir béim a chur air ná – murab ionann agus soláthar – is minic nach mbíonn aon fhreagra ‘ceart’ amháin maidir le hinbhuanaitheacht. D’fhéadfadh go mbeadh smaointe difriúla ag cuideachtaí maidir leis an straitéis is fearr, agus iad ag cothromú go cúramach ‘costas vs. astuithe’ nó ‘cinnteacht vs. astuithe’. Mar sin féin, a luaithe a chinneann lastóirí, iompróirí agus soláthraithe seirbhísí lóistíochta ar a ndúil riosca, is féidir le AI ról ríthábhachtach a imirt chun cabhrú leo cloí lena gcuid spriocanna.
De ghnáth glacann cuideachtaí ceann amháin de dhá mheabhair. Is é an chéad cheann ná straitéis caipín-agus-trádála, ina gcinneann an chuideachta nach nglacfaidh sé le níos mó ná astaíochtaí X. Is cáin charbóin an dara ceann, áit a gcinneann cuideachta a cuid astuithe a fhritháireamh. I gcás an dá straitéis seo, féadfaidh lastóirí agus iompróirí 'praghas in aghaidh an tonna astaíochtaí' a chur san áireamh in imeachtaí soláthair. Is féidir le AI staidrimh a bheith ina uirlis chabhrach cinnteoireachta. Mar shampla, agus cinneadh á dhéanamh cén modh iompair ba cheart a úsáid le haghaidh gach lastais.
Tá todhchaí AI in iompar lóistíochta comhoibríoch
Táimid ag pointe infhillte tábhachtach maidir le húsáid AI in iompar lóistíochta. Tá sé ar tí obair riaracháin a laghdú agus cabhrú le cuideachtaí a bheith níos éifeachtaí agus níos inbhuanaithe. Ach braitheann sé seo ar bhailiú agus ar chomhroinnt éifeachtach sonraí. Seo an áit a dtagann comhar idir gníomhaithe tionscail isteach. Chun torthaí dearfacha a uasmhéadú do gach duine, tá ardáin dhigiteacha comhoibríocha ag teastáil ó lastóirí, iompróirí agus soláthraithe seirbhíse lóistíochta chun sonraí a roinnt chun samhlacha AI a chothú. Ag breathnú chun cinn ar an gcur chuige seo, is féidir linn ár ndul chun cinn a luathú go suntasach i dtreo spriocanna digitithe agus dícharbóinithe an tionscail a bhaint amach.
