AutoScheduler ابزار ساخت اپلیکیشن انبار را برای تیم‌های لجستیک عرضه کرد

شرکت AutoScheduler یک ابزار ساخت اپلیکیشن را به پلتفرم هوش مصنوعی انبار خود افزوده است. بنا بر اعلام شرکت، این ماژول به تیم‌های لجستیک اجازه می‌دهد بدون انتظار برای چرخه‌های طولانی توسعه نرم‌افزار، ابزارهای عملیاتی متصل به داده زنده تأسیسات را با زبان ساده طراحی کنند.

این محصول برای حل فاصله میان سامانه‌های بزرگ برنامه‌ریزی منابع سازمانی و مدیریت انبار طراحی شده است؛ فاصله‌ای که کارکنان معمولاً آن را با صفحه‌گسترده‌ها، ابزارهای هوش تجاری، برنامه‌های داخلی و تجربه ثبت‌نشده پر می‌کنند. AutoScheduler می‌گوید کارکنانی که مسئله را در کف انبار می‌بینند می‌توانند راهکار هدفمند خود را در زمانی کوتاه‌تر بسازند.

از درخواست متنی تا ابزار عملیاتی

به گفته AutoScheduler، سازنده اپلیکیشن بر یک لایه معنایی عملیاتی تکیه دارد که طی شش سال کار با عملیات توزیع توسعه یافته است. این لایه ارتباط میان سامانه مدیریت انبار، داده‌های نیروی کار، سامانه محوطه و تجهیزات خودکار را مدل می‌کند. سپس حل‌گرهای ریاضی درخواست کاربر را به داشبورد پایش، ردیاب پیش‌بینی یا کار خودکار تبدیل می‌کنند.

شرکت می‌گوید خروجی‌های تأییدشده می‌توانند برای اجرا دوباره در سامانه‌های اصلی مدیریتی نوشته شوند. نمونه‌های اعلام‌شده شامل ترتیب‌دهی موج‌های سفارش، محرک‌های تأمین مجدد، اولویت‌بندی انتقال مستقیم کالا، پایش برنامه درهای بارگیری، تحویل کامل و به‌موقع و برنامه تولید است.

این ابزار روی همان زیرساخت محصولات دیگر AutoScheduler، از جمله Daily Plan، Wave Planner، Network Scoreboard و Warehouse AI Agent اجرا می‌شود. هدف این معماری آن است که هر پروژه جدید به خط لوله داده مستقل نیاز نداشته باشد.

ادعاهای اولیه درباره سرعت و بازده

AutoScheduler گزارش کرده است که در یک کارگاه اولیه، کارکنان یک اپلیکیشن عملیاتی را در کمتر از ۱۵ دقیقه ساختند. در نمونه‌ای دیگر، یک برنامه‌ریز تأسیسات ابزار ردیابی تأمین مجدد را طراحی کرد و شرکت می‌گوید طی دو هفته بهبودهای عملیاتی قابل‌اندازه‌گیری ثبت شد؛ به‌اندازه‌ای که مدیریت برای آن بودجه عملیاتی سالانه شش‌رقمی اختصاص داد. جزئیات مستقل کافی برای راستی‌آزمایی این ارقام در گزارش منتشرشده ارائه نشده است.

یکی از برنامه‌ریزان یک شرکت جهانی غذا و نوشیدنی نیز گفته است این ابزار به آوردن داده‌های مهم به جلسات تصمیم‌گیری، تغییر گردش‌کار و تسریع جریان اطلاعات میان ذی‌نفعان کمک کرده است. این نقل‌قول تجربه یک مشتری است و نباید به‌تنهایی معادل ارزیابی مستقل محصول در نظر گرفته شود.

دسترسی عمومی و محدودیت ارزیابی

سازنده اپلیکیشن هوش مصنوعی اکنون برای مشتریان AutoScheduler به‌صورت عمومی عرضه شده و شرکت همراه آن متخصصان فنی مستقر در محل ارائه می‌کند تا تیم‌های مهندسی را در نخستین پروژه‌ها همراهی کنند.

مزیت بالقوه این رویکرد، انتقال بخشی از ساخت ابزار از صف فناوری اطلاعات به نزدیک‌ترین افراد به مسئله است. با این حال، ارزش واقعی آن به کیفیت داده، صحت مدل معنایی، کنترل دسترسی، نظارت انسانی و عملکرد حل‌گرها در محیط واقعی هر انبار بستگی دارد. ادعاهای بازده اولیه نیز برای مقایسه گسترده‌تر به مستندات و ارزیابی مستقل بیشتری نیاز دارند.