راه اندازی به خرده فروشان کمک می کند تا محصولات خود را در زمان واقعی ردیابی کنند | اخبار MIT

وقتی یک کارگر را در یک فروشگاه خرده فروشی تصویر می کنید، احتمالاً به کسی فکر می کنید که در صندوق فروش است یا به مشتری کمک می کند. اما کارمندان همچنین زمان زیادی را صرف بررسی انبارها و طبقه مغازه ها، انجام درخواست ها یا سفارشات آنلاین می کنند و به طور کلی سعی می کنند تمام موجودی خود را پیگیری کنند.

ردیابی موجودی تا حدی زمان زیادی می برد، زیرا خرده فروشان همیشه نمی دانند همه چیز در کجا قرار دارد. به همین دلیل است که وقتی از یکی از همکاران فروشگاه می خواهید بررسی کند که آیا پیراهنی در اندازه شما دارند یا خیر، ممکن است 20 دقیقه طول بکشد تا به شما برگردند.

Cartesian با فناوری اختراع شده در MIT به خرده فروشان کمک می کند تا موجودی را پیگیری کنند. این سیستم از سیگنال‌های بی‌سیم از برچسب‌های شناسایی فرکانس رادیویی (RFID) متصل به اقلام برای یافتن مکان دقیق آن‌ها در یک فروشگاه، از انبار تا طبقه مغازه استفاده می‌کند.

سال گذشته، Cartesian مطالعه‌ای با یک خرده‌فروش انجام داد و متوجه شد که پلتفرم آن با ساده‌سازی ردیابی موجودی، بهینه‌سازی گردش‌های کاری و بهبود تجربیات مشتری، پس‌انداز سالانه معناداری را در سطح فروشگاه ارائه می‌کند.

فادل ادیب SM ’13، PhD ’17، دانشیار MIT، می گوید: “مشکل بزرگی که ما در حال حل آن هستیم این است که حدود 50 درصد از ساعات کاری در خرده فروشی ها صرف مدیریت موجودی می شود.” این تقریباً یک مشکل 15 میلیارد دلاری تنها در ایالات متحده است. ما از الگوریتم‌هایی برای رمزگشایی مکان‌های داخلی با استفاده از سیگنال‌های بی‌سیم استفاده می‌کنیم. فناوری اصلی سطح جدیدی از محلی‌سازی فضای داخلی را ممکن می‌سازد.»

Cartesian در حال حاضر در بیش از 700 فروشگاه در 15 کشور جهان مستقر است و با یکی از بزرگترین گروه های مد جهان، Inditex، که شرکت مادر برندهایی مانند ZARA، Pull&Bear و Oysho است، کار می کند.

فراتر از خرده فروشان و انبارها، پلت فرم Cartesian همچنین می تواند ردیابی مکان داخلی را برای تولید کنندگان، اپراتورهای لجستیک و شرکت های رباتیک بهبود بخشد.

ادیب می‌گوید: «چشم‌انداز وسیع برای کاری که ما انجام می‌دهیم هوش مصنوعی فضایی است. “امروزه هوش مصنوعی در دنیای دیجیتال بسیار خوب عمل می کند. اکنون باید به دنیای فیزیکی برود. این بدان معناست که به ماشین ها اجازه می دهد محیط خود را به گونه ای درک کنند که بتوانند با آن تعامل داشته باشند. اینجاست که هوش مصنوعی فضایی وارد می شود و جایی که دکارتی می نشیند.”

از تکنولوژی تا محصول

ادیب که یک قرار مشترک در آزمایشگاه رسانه MIT و گروه مهندسی برق و علوم کامپیوتر دارد، بیش از 15 سال است که در این موسسه به مطالعه سیگنال‌های بی‌سیم می‌پردازد که سابقه تحقیقات در دوره کارشناسی ارشد خود را آغاز کرده است.

ادیب می‌گوید: «گروه من امروز درباره چگونگی استفاده از سیگنال‌های بی‌سیم برای حس کردن جهان به روش‌هایی که قبلاً ممکن نبود، تحقیق می‌کند. ما فناوری اساسی را توسعه می‌دهیم و سپس سیستم‌هایی را پیرامون آنها می‌سازیم. هدف ما این است که ببینیم این سیستم‌ها در دنیای واقعی برای تأثیرگذاری مستقر شده‌اند.»

زمانی که ادیب به دانشکده MIT پیوست، اولین پروژه ای که روی آن کار کرد، محلی سازی داخلی با استفاده از برچسب های RFID بود. اسحاق Perper ’20, MEnG’21 بعداً به عنوان دانشجو به آزمایشگاه او پیوست و با هم الگوریتم‌های یادگیری ماشینی را برای پردازش داده‌های RFID برای تبدیل آنها به الگوهای مکان، با تمرکز اولیه بر کمک به ربات‌ها برای یافتن RFID در داخل خانه توسعه دادند.

در سال 2021، ادیب برنامه I-Corps بنیاد ملی علوم را طی کرد، که محققان را به مصاحبه با مشتریان بالقوه برای یافتن مشکلات مناسب برای حل با فناوری هایشان به چالش می کشد. در آن زمان بود که متوجه شد مدیریت موجودی چقدر برای خرده فروشان مشکل دارد.

دکارتی به طور رسمی توسط ادیب و پرپر تأسیس شد در ابتدای سال 2023، پس از دریافت جایزه کسب و کار کوچک از بنیاد ملی علوم. این زوج با دفتر مجوز فناوری MIT برای مجوز اختراعات از آزمایشگاه ادیب همکاری کردند. آنها همچنین از MIT’s Venture Mentoring Service پشتیبانی دریافت کردند.

ادیب یادآور می‌شود: «هدف ما کاهش هزینه‌های فناوری برای مقیاس‌پذیر کردن آن بود. آیزاک روی ساده‌سازی محصول، بهره‌برداری از پیشرفت در یادگیری ماشینی و سرعت بخشیدن به آن تمرکز کرد. در اوایل تکرار و آزمایش زیاد بود.»

کارگران خرده فروشی به دلایلی بیشتر وقت خود را صرف یافتن اقلام می کنند. آنها ممکن است سفارش آنلاین دریافت کنند، نیاز به ذخیره مجدد قفسه های فروشگاه داشته باشند، یا درخواست مشتری در مورد اقلام پشتی داشته باشند.

فروشگاه ها در نحوه سازماندهی موجودی خود متفاوت هستند. بیشتر اقلام جداگانه بر اساس دسته بندی در قفسه ها و سطل های خاص، سپس از بارکدها یا سیستم های موجودی استفاده می کنند که به سرعت قدیمی می شوند.

ادیب می‌گوید: «این یک مشکل بزرگ برای فروشگاه‌ها است، زیرا مشتریان ممکن است قبل از اینکه از یک کارمند بخواهند اندازه‌شان را جستجو کند، آنجا را ترک کنند، یا مشتریان ممکن است ناامید شوند و اگر خیلی طول بکشد، آنجا را ترک کنند. “همکار همچنین وقت خود را برای یافتن مواردی که می توانند برای انجام کارهای با ارزش تر صرف کنند، تلف می کند.”

پلت فرم Cartesian با خوانندگان RFID دستی موجود خرده فروشان کار می کند، که همکاران فروشگاه از قبل برای مدیریت موجودی استفاده می کنند. هر فروشگاه نرم افزار Cartesian را در برنامه های موجودی موجود خود نصب می کند یا از یک برنامه سفارشی برای دسترسی مستقیم کارمندان استفاده می کند.

پرپر «خواننده‌های RFID نشان می‌دهند که چگونه فروشگاه‌ها می‌گویند که چه چیزی موجود است و چه چیزی در انبار موجود نیست». می گوید. ما راهی پیدا کردیم تا از همان اسکن‌هایی که قبلاً از خواننده استفاده می‌کردند استفاده کنیم، داده‌هایی را که تولید می‌کنند در الگوریتم‌های یادگیری ماشینی خود قرار دهیم و نقشه‌هایی را از جایی که همه آیتم‌ها هستند ایجاد کنیم.»

مشتریان می‌توانند تجزیه و تحلیل‌هایی را در بالای فناوری دکارتی ایجاد کنند تا سطح موجودی را پیگیری کنند، نقشه‌هایی را از محل قرارگیری هر کالا به مشتریان نشان دهند و خدمات دیگری ایجاد کنند.

ادیب می‌گوید: «آنها از پلتفرم اطلاعات مکانی ما استفاده می‌کنند و محصولات مختلفی را در بالا می‌سازند. ما می‌توانیم با هر دستگاه، هر فروشگاه، هر نوع RFID کار کنیم. این یک رابط کاربری ساده است. همه الگوریتم‌های مکان‌یابی پیچیده در فضای ابری قرار دارند.»

فراتر از خرده فروشی

Cartesian اولین قرارداد بزرگ خود را در سال 2025 امضا کرد و به زودی به چند صد فروشگاه گسترش یافت. یکی از مزایای دکارتی توانایی آن در مقیاس بندی سریع است. پرپر می گوید که آنها می توانند یک فروشگاه در حدود یک دقیقه اضافه کنند. تیم Cartesian حتی مجبور نیست برای روشن کردن سیستم خود به یک فروشگاه جدید سفر کند، اگر قبلاً با شرکت کار می کند.

پرپر می‌گوید: «به سادگی چرخاندن سوئیچ، آماده‌سازی داده‌ها و ارسال آن برای مشتریانمان است». یکی از اولین شرط‌بندی‌های بزرگ ما این بود که آیا می‌توانیم این را کاملاً بر روی سخت‌افزار موجود بسازیم؟ این شرط شروع به نتیجه می کند.»

مدل‌های Cartesian همچنین می‌توانند با سیگنال‌های Wi-Fi و بلوتوث کار کنند که این شرکت قصد دارد از آن‌ها برای مشتریان در سایر نقاط عمودی استفاده کند.

ادیب می‌گوید: «در حال حاضر، ما روی برنامه‌های کاربردی در خرده‌فروشی متمرکز هستیم، اما این فناوری در تولید، انبارها و مکان‌های دیگر ارزش زیادی دارد.

تیم Cartesian قصد دارد در سال آینده در ده‌ها هزار فروشگاه مستقر شود و سپس شروع به گسترش فراتر از خرده‌فروشی در صنایعی مانند تولید و رباتیک کند.

پرپر می‌گوید: «چیزی که در مورد دکارتی برای من هیجان‌انگیزتر است این است که ما بسیاری از پایه‌های فناوری را ساخته‌ایم، و اکنون که اصول اولیه را در اختیار داریم، امیدواریم لایه‌های کاربردی خاصی بسازیم. سپس می‌توانیم از مشتریان در بخش‌های مختلف در مورد مشکلاتشان بپرسیم و فناوری خود را به روش‌های مختلف برای حل آن به کار ببریم.»