AI đang dần thay đổi chuỗi cung ứng lạnh

Khi một lô hàng đông lạnh hoặc ướp lạnh đến kho của Lineage Logistics, các cỗ máy lập tức vào cuộc. Công nghệ thị giác máy tính quét các pallet và ghi lại dữ liệu về khách hàng, loại sản phẩm và mô tả mặt hàng. Các thuật toán dựa trên AI kết hợp dữ liệu lô hàng với thông tin lịch sử để dự đoán khi nào xe tải sẽ lấy hàng ra khỏi kho. Công nghệ này chỉ định vị trí đặt pallet trong kho dựa trên thời gian lưu kho và hướng dẫn người vận hành xe nâng đến vị trí cần thiết.

AI có thể cải thiện hiệu quả trong mọi loại chuỗi cung ứng, nhưng đặc biệt quan trọng trong các kho lạnh.

Mức độ công nghệ này có thể cải thiện hiệu quả trong mọi loại chuỗi cung ứng, nhưng đặc biệt quan trọng trong các kho lạnh, nơi lưu trữ các mặt hàng như thực phẩm đông lạnh, sản phẩm tươi và dược phẩm. Một sự sai lệch nhỏ về nhiệt độ có thể làm hỏng cả lô hàng và các quản lý kho không muốn nhân viên phải làm việc hàng giờ trong điều kiện dưới 0 độ mà không được nghỉ ngơi. Vì vậy, độ chính xác và năng suất là yếu tố tối quan trọng trong chuỗi lạnh.

Công nghệ làm lạnh và cảm biến nhiệt độ đã là một phần không thể thiếu của chuỗi lạnh trong nhiều thập kỷ, nhưng các phiên bản tiên tiến hiện đang len lỏi vào ngành. Các nhà cung cấp chuỗi lạnh đang từ bỏ các quy trình thủ công để chuyển sang các thuật toán dựa trên AI và khám phá các công nghệ mô phỏng số (digital twins) và tác nhân AI (AI agents) để khiến các hoạt động tự động hóa cao trở nên tự chủ hơn.

"Dù là công nghệ 50 năm tuổi hay AI tiên tiến, công nghệ đang rất phổ biến trong chuỗi lạnh", ông Sudarsan Thattai, giám đốc thông tin và giám đốc chuyển đổi tại Lineage Logistics, chia sẻ.

Chuỗi cung ứng lạnh chuyển sang AI dự đoán

Một cách mà Lineage sử dụng AI là thông qua các thuật toán quyết định. Khi một lô hàng gia cầm từ khách hàng Tyson Foods đến kho, các thuật toán sẽ xác định nơi đặt sản phẩm để giảm thiểu quãng đường di chuyển hoặc lái xe trong kho.

Ví dụ, một con gà tây nguyên con có thể không xuất hiện trên kệ siêu thị cho đến tháng 11, nhưng thịt nguội được vận chuyển và bán quanh năm. Các thuật toán có thể hướng dẫn người vận hành xe nâng đặt gà tây nguyên con lên kệ cao ở phía sau kho, trong khi giữ thịt gà tây cắt lát cho bánh sandwich gần phía trước.

"Điều này giúp giảm quãng đường tôi phải lái để lấy pallet và cất nó đi. Bạn không muốn chôn vùi thịt nguội vì như thế sẽ tốn thêm năng lượng để đào nó ra", ông Thattai giải thích.

Các thuật toán AI giúp bố trí kho lạnh khoa học, tiện dụng.

Nhà cung cấp chuỗi lạnh Americold nhận thấy "sự quan tâm mạnh mẽ đến đổi mới trong tất cả các lĩnh vực chuỗi lạnh", theo Chủ tịch công ty, ông Rob Chambers. Dược phẩm, sản phẩm tươi và thực phẩm đặc sản thường dẫn đầu trong việc áp dụng công nghệ do các quy định và độ nhạy nhiệt độ đòi hỏi một chuỗi cung ứng được kiểm soát chặt chẽ và giám sát liên tục.

Ông Chambers cho biết khách hàng không nhất thiết yêu cầu Americold sử dụng AI theo tên, nhưng họ kỳ vọng vào những kết quả mà AI có thể mang lại như giảm tình trạng hết hàng và khả năng phản ứng nhanh chóng theo thời gian thực trước bất kỳ thay đổi nào. Công ty chuỗi lạnh này đã đầu tư vào phân tích dự đoán để hiểu rõ hơn về nhu cầu khách hàng và những thay đổi trong cách thực phẩm di chuyển qua chuỗi cung ứng. Nhờ đó, Americold có thể chủ động lập kế hoạch cho dung lượng kho.

Hãng Unilever, sở hữu các thương hiệu kem như Magnum và Ben & Jerry's, cũng sử dụng AI để dự đoán. Công ty hàng tiêu dùng này vận hành một chuỗi lạnh trải dài 60 quốc gia, 35 dây chuyền sản xuất và 3 triệu tủ đông trữ kem.

Đội ngũ chuỗi cung ứng của Unilever phân tích dữ liệu thời tiết bằng AI, giúp dự báo lượng kem mà người tiêu dùng có thể mua ở các khu vực cụ thể. Nếu một đợt nắng nóng sắp đến, nhu cầu kem có thể tăng vọt, và các hệ thống quản lý hàng tồn kho dựa trên AI có thể đề xuất các quyết định phân bổ hàng. Theo báo cáo tháng 1 của Unilever, các công cụ AI đã cải thiện độ chính xác dự báo 10% tại Thụy Điển. Tại Mỹ, doanh số bán hàng tăng 12%.

Theo Chủ tịch mảng vận tải, logistics và quản lý chuỗi cung ứng của McCarter & English, Ron Leibman, các dự đoán này không chỉ định hướng chiến lược hàng tồn kho mà còn giúp các nhà quản lý xác định số lượng xe tải cần thiết và cách định tuyến tối ưu đến và đi từ các kho.

"Nhiều thứ trong số này đã được thực hiện từ lâu. Chỉ có điều, AI làm khác đi, nhanh hơn và có lẽ tốt hơn", ông Leibman nói.

Lỗ hổng chia sẻ dữ liệu

Americold và Lineage nhận thấy tiềm năng mở rộng của AI trong chuỗi lạnh.

Một số công ty áp dụng quy trình thủ công dẫn đến việc không hỗ trợ việc chia sẻ dữ liệu trong chuỗi lạnh

Americold đang khám phá mô phỏng số, tạo ra một bản sao ảo của kho để dùng cho việc mô phỏng và lập kế hoạch. Công ty cũng đang nghiên cứu các robot điều khiển bằng AI để lấy sản phẩm trong môi trường lạnh.

Về monitoring nhiệt độ, công nghệ đã vượt ra ngoài việc ghi lại nhiệt độ để gửi cảnh báo khi nhiệt độ vượt ngoài phạm vi cho phép. Các mô hình ngôn ngữ lớn có thể được huấn luyện về các trường hợp nhiệt độ bất thường, giúp triển khai AI dễ dàng và rẻ hơn để phát hiện các thay đổi.

Ông Thattai dự đoán các tác nhân AI sẽ tự động điều chỉnh thời gian hẹn tại kho dựa trên dữ liệu vị trí thời gian thực của xe tải, thay vì sử dụng ước tính hoặc các cuộc gọi điện thoại. Ông đùa rằng nếu gọi điện hỏi tài xế xe tải về vị trí của họ, họ sẽ luôn nói rằng mình chỉ còn cách 10 phút.

Tuy nhiên, một điểm yếu là khả năng quan sát và chia sẻ dữ liệu trong chuỗi lạnh. Theo ông Thattai, nó đã có tiến bộ, nhưng chưa phổ biến. "Chia sẻ dữ liệu là một lỗ hổng lớn", ông Thattai đánh giá.

Theo ông Thattai, không phải doanh nghiệp nào cũng chia sẻ dữ liệu thời gian thực. Các đội xe vận tải độc lập hoặc nhỏ có thể không sử dụng nhiều công nghệ như các công ty vận tải lớn. Những người trồng nông sản "không quá tinh vi", ông Leibman nói. Họ thường làm việc với các tài liệu thủ công liệt kê loại và số lượng trái cây, rau củ cần thu hoạch.

Các quy trình thủ công như vậy không hỗ trợ việc chia sẻ dữ liệu trong chuỗi lạnh. Nếu không có dữ liệu, AI thiếu cơ sở để đưa ra dự đoán. "Chúng ta chưa thực sự tận dụng trí tuệ nhân tạo một cách tối đa", ông Leibman kết luận.

Đức Bình