یک پلت فرم اعزام و مسیریابی برای بهبود تحویل | اخبار MIT

این روزها تعداد بیشتری از مردم خرید خود را از خانه انجام می دهند و چه در حال سفارش خواربار، تجهیزات اداری خانگی یا آزمایشات کووید-19 باشند، به طور فزاینده ای انتظار دارند تحویل آنها سریع و به موقع باشد.

شرکت ها برای همگام شدن با افزایش سفارشات و انتظارات تلاش کرده اند. یکی از بزرگترین چالش های آنها بهینه سازی به اصطلاح آخرین مایل تحویل است – زمانی که راننده بسته ها را از یک مرکز منطقه ای به مقصد نهایی خود می برد.

اکنون Wise Systems، استارت‌آپی که به عنوان یک پروژه کلاسی در MIT آغاز شد، یک پلتفرم ارسال و مسیریابی را ارائه می‌کند که برای ایجاد تجربه تحویل آخرین مایل برای همه، از رانندگان گرفته تا توزیع‌کنندگان و مشتریان، طراحی شده است.

راه‌حل مسیریابی Wise Systems بر اساس الگوریتم‌ها و مدل‌های یادگیری ماشینی ساخته شده است که با جمع‌آوری داده‌های بیشتر، پیوسته بهبود می‌یابند. در همین حال، برنامه وب این شرکت، سطح بالایی از دید عملیات ناوگان را در زمان واقعی ارائه می دهد. این اپلیکیشن موبایل همچنین از دارایی‌ای که اغلب نادیده گرفته می‌شود در صنعت استفاده می‌کند: رانندگان روی زمین. آنها را قادر می سازد تا در ایستگاه های منحصر به فرد یادداشت برداری کنند، با توزیع کنندگان ارتباط برقرار کنند و تحویل را تأیید کنند.

معاون تجربه مشتری می‌گوید: «رانندگان، صرف‌نظر از فناوری‌هایی که استفاده می‌کنند، در مورد هر یک از ایستگاه‌ها و هر قسمت از شهر بسیار بسیار آگاه هستند، بنابراین ما معتقدیم که از دانش آن‌ها برای بهبود تجربه‌شان استفاده می‌کنیم.» لیلا شایکلی SM ’13، که Wise Systems را با مدیر عامل Chazz Sims ’13, SM ’14 بنیانگذاری کرد. CTO علی کمیل ’16; و COO جمل دربالی.

بنیانگذاران کار بر روی سیستم های Wise را در سال 2014 آغاز کردند، اما می گویند که احساس کرده اند احساس فوریت در میان مشتریان در طول همه گیری همه گیر افزایش یافته است.

شایکلی می‌گوید: «در نهایت چیزی که ما به آن علاقه داریم تجربه تحویل کامل است. معنای واقعی آن چیزی است که برای افرادی که از محصول استفاده می کنند قابل پیش بینی، مقرون به صرفه و خودکار باشد.

یک پروژه کلاسی که ارزش پیگیری دارد

بنیانگذاران در سال 2014 در کلاس توسعه سرمایه گذاری در آزمایشگاه رسانه MIT ملاقات کردند، دوره ای که دانشجویان را به چالش می کشد تا ایده هایی را ارائه دهند که دارای پتانسیل تأثیرگذاری بر زندگی یک میلیارد است. با مرکز حمل و نقل و لجستیک MIT (CTL)، آنها شروع به بررسی راه هایی برای استفاده از یادگیری ماشینی و داده ها برای بهبود تحویل آخرین مایل کردند.

آن تابستان، بنیان‌گذاران وارد شتاب‌دهنده دلتا v شدند که توسط مرکز اعتماد مارتین برای کارآفرینی MIT میزبانی می‌شد و در آنجا با شرکت‌هایی که به آنها کمک می‌کردند اولین خلبان‌هایشان را برگزار کنند، معرفی شدند. Delta v یکی از چندین روشی بود که MIT در ابتدا به بنیانگذاران کمک کرد.

“ما از چه منبعی در MIT استفاده نکردیم؟” شایکلی شوخی می کند. ما برای هر جایزه ای درخواست دادیم. من برنده جایزه کارول ویلسون شدم. علی به عنوان دانشجوی کارشناسی ارشد بورسیه حمل و نقل گرفت. ما هر مسابقه زمینی را انجام دادیم. ما در مسابقه کارآفرینی 100 هزار دلاری MIT شرکت کردیم. ما قطعا از هر منبع ممکن استفاده کردیم. یک روز وارد دفتر پروفسور ادوارد بلانکو شدیم و گفتیم: “ما در حال تاسیس یک شرکت هستیم، می توانید به ما راهنمایی کنید؟” او گفت: “مطمئنا.” تا به امروز، این شبکه بسیار حمایت کننده است. ما هم داخل بودیم [the MIT Startup Exchange’s] شتاب دهنده راه اندازی STEX25. درها همیشه به روی ما باز می شوند.»

کمیل همچنین فکر می‌کند که فرهنگ MIT به بنیان‌گذاران کمک کرد تا در همان ابتدا اعتماد کنند.

کمیل می‌گوید: «با حضور در MIT، این حس وجود دارد که می‌توانیم وضعیت موجود را به چالش بکشیم، و این به ما کمک کرد تا این اعتماد به نفس را داشته باشیم تا شرکت‌هایی را که 25 سال در اطراف هستند به چالش بکشیم. این ذهنیتی است که در MIT به ما القا شد و همچنان جاه طلبی ما را برای تغییر صنعت و سیستم عاملی که آخرین مایل هر نوع تحویل را قدرت می‌دهد، هدایت می‌کند.

چیز دیگری که به بنیانگذاران اطمینان داد وضعیت تاسف بار سیستم های اطلاعاتی بود که بسیاری از شرکت های لجستیک هنوز برای برنامه ریزی مسیرها و برقراری ارتباط با رانندگان از آن استفاده می کردند.

شایکلی می‌گوید: «از نظر سیستم‌های قبلی، من همه چیز را از دفترچه تلفن و چاپ کتابچه‌های راهنما گرفته تا برنامه‌های قدیمی روی تبلت‌هایی که در خودرو تعبیه شده بود، دیده‌ام. “برخی از برنامه های تلفن، اما برنامه هایی که از بهینه سازی تجربه کاربری یا نیازهای رانندگان غفلت کرده اند.”

بنیانگذاران می‌گویند که شرکت‌ها اغلب مسیرها را صرفاً بر اساس ظرفیت کامیون بدون در نظر گرفتن عوامل دیگری مانند ترافیک، سوخت، زمان‌های تحویل تاریخی و طول شیفت راننده برنامه‌ریزی می‌کنند که همه آنها در الگوریتم‌های Wise Systems گنجانده شده‌اند. Wise Systems همچنین تحقیقات عملیاتی را از CTL MIT و مدل‌های یادگیری ماشینی ساخته است که به بهینه‌سازی برنامه‌های تحویل ادامه می‌دهد، سفارش هر تحویل را برای رانندگان ارائه می‌کند و ترتیب آن سفارش را برای اطمینان از ورود به موقع تنظیم می‌کند.

فراتر از مسیریابی، بنیانگذاران می‌خواستند استفاده از سیستم آنها آسان باشد، به ویژه برای رانندگان جدید به دلیل گردش مالی بالا در صنعت. برای ساخت این سیستم، آنها با سوار شدن به رانندگان در شیفت کاری شروع کردند تا نیازهای آنها و نحوه تعامل آنها با برنامه خود را بهتر درک کنند.

علی توضیح می دهد: «ما یک رویکرد دو جانبه برای توسعه فناوری داریم. ” [AI] فن آوری وجود دارد، اما باید با طراحی خوب همراه شود، زیرا شما رانندگانی دارید که تلاش می کنند کار خود را انجام دهند – و آنها سعی می کنند آن را سریع انجام دهند. آنها نمی خواهند این فناوری دست و پا گیر باشد. این چیزی بود که باید در این زمینه یاد می‌گرفتیم.»

امروزه پلتفرم Wise Systems امکان ارتباط آسان بین رانندگان و توزیع کنندگان را فراهم می کند. رانندگان می توانند از برنامه تلفن همراه برای پیمایش، جمع آوری امضا، گرفتن عکس، اسکن بارکد و دسترسی به یادداشت ها در نقاط خاص استفاده کنند. توزیع کنندگان می توانند مطمئن شوند که تحویل به موقع انجام می شود و به روز رسانی برنامه ها را در زمان واقعی انجام می دهند. تمام این اطلاعات برای درک بهتر عملکرد ناوگان به شرکت ها مستند شده است.

ادامه یادگیری

Wise Systems در حال حاضر با شرکت‌های بزرگ پیک که در سراسر جهان فعالیت می‌کنند و همچنین خرده‌فروشان و توزیع‌کنندگان چندملیتی مواد غذایی و نوشیدنی مانند Anheuser-Busch کار می‌کند. اوایل سال جاری، Wise Systems با میتسوبیشی Fuso Truck and Bus Corp. برای بهبود تحویل مایل آخر در ژاپن شریک شد و اخیراً دفتری در آن کشور افتتاح کرد.

بنیانگذاران می‌گویند مشتریانی که از سیستم شرکت استفاده می‌کنند، در استفاده از ناوگان و درصد تحویل به موقع به بالاترین حد خود رسیده‌اند. Wise Systems همچنین در طول همه گیری همه گیر دو برابر شد زیرا شرکت ها اولین مدل آنلاین را اتخاذ کردند.

حتی با وجود موفقیت، بنیانگذاران همچنان متعهد به یادگیری از مشتریان خود به روشی نامرغوب و با چکمه های روی زمین هستند که بیشتر معمولی یک استارتاپ در مراحل اولیه است. همین ماه گذشته، شایکلی در یک کامیون حمل بار با یک راننده سوار شد، همانطور که در MIT بود.

شایکلی می گوید: «ما می خواهیم مطمئن شویم که در مقابل صنعت هستیم. ما می‌خواهیم به ساخت ساده‌ترین و هوشمندانه‌ترین فناوری ادامه دهیم و با رشد صنعت به بهبود آن ادامه دهیم.»