Skip to content
AI-enhanced packaging proposals boost ASN quality, drastically reduce ASN creation time, and increase efficiencies on both sides of the supply chain
SupplyOn的AI装运解决方案提升了ASN质量,大大缩短了ASN创建时间,并提高了供应链上下游的效率。

设想一个用于创建货运单据的智能解决方案,能在几周的时间内学习哪些装运规则对哪些客户和哪些零件有效,然后在创建ASN时自动应用它们,从而减轻您一大半的工作量。一个复杂的ASN,其创建通常都需要超过一刻钟,这样的情况,可能在未来只需不到5分钟的时间。

挑战:复杂或缺失的装运规则

向客户运输零件时,通常必须考虑客户的装运规定。每个客户对其购买的零件都有自己的要求,这些文件仅作为PDF文件提供给供应商,而不是存储在系统中,包装规则常常是不完整或过时的。在系统中存储规则是非常耗时的,并且还需要非常深入的流程知识,当规则发生变化时,情况变得更加复杂,因为这些变化必须反映在规则中,这通常会导致错误,需要更多的时间去手动纠正错误。
在单次装运中,装运的材料只需简单包装并运送到指定的运输载体中,所涉及的工作是相对可控的。然而,二次装运要复杂得多:需要交付的零件首先要被装运到小型运输载体中,其中几个要被被堆放并固定在大型运输载体上,例如托盘或网箱。这个过程以及相关的ASN创建都有一定的复杂性,需要较多的时间。
如果装运规则已存储在系统中,那么ASN的创建很大程度上是根据相关规则自动完成的。然而,由于上述工作量和费用,这仅适用于通过SupplyOn创建的大约三分之一的ASN,在剩下的三分之二中,每个单独的ASN规则必须一步一步地手动输入——这正是优化的巨大潜力所在。

解决方案:AI支持的装运建议流程

在通过SupplyOn创建ASN的过程中,系统通过人工智能应用对应的装运规则,并自动建议所有运输相关信息作为预填充值。
因此,在系统支持下,创建ASN时可以自动执行以下手动条目:

          1. 小型运输载体类型 

          2. 小型运输载体中的零件数量

          3. 大型运输载体类型   

          4. 大型运输载体上的小型运输载体数量

供应商只需逐步检查和确认建议值,并且可以添加额外的信息,例如:如果货物是危险品,需要以特殊的方式加以保护。之后,可以最终确定ASN并发送给客户。
每次更改建议值时,系统都会学习并在下次建议更正参数值。通过这种方式,系统可以自我优化,并很快能够正确应用从未在系统中输入或上传的装运规则。如果客户更改了装运说明,则只须更改一次预设值。

优势:对客户和供应商都有益处的双赢局面

客户和供应商都受益于人工智能支持的装运方案流程。

客户受益之处:

  • 从供应商处收到的ASN的数据质量提高,这大大加快了货物接收过程,因为货物可以直接储存在仓库中,而无需任何人工干预。

  • 处理装运说明所需的工作量大大减少:它们不需要在系统中存储和更新,也不需要与订单或交货通知一起发送。

供应商受益之处:

  • 根据需要装运的材料数量,每个ASN平均可以节省大约10分钟的人工输入相关运输信息时间。

  • 由于系统立即学习并采用更改后的值,所需的工作量将大大减少。

  • 用户在日常工作中得到了自学习系统的最佳支持,这也减少了所需的培训量。

阅读更多来自