最近，我们谈论了物联网(IoT)和人工智能(AI)。因此，现在很难将真实与纯粹的“营销”物联网和人工智能区分开来。数据挖掘不是人工智能。营销人员已经做了三十年，其他人同样如此。它使用智能相关性和同类群来查找模式和潜在需求。对于这个问题和情况来说，这并不是很多。
应该有一个新的营销密码本与这些线：“你不应该引用IoT和AI徒劳。”我不知道如何，但销售人员称我的最新手表“AI启用”，无论他们是否有人工智能。时钟甚至不聪明; 充其量只是数字化。当你擦掉不那么真实的术语并查看AI和物联网的实际应用时，它们是充足的。但是，我们如何找到真实的东西 - 在这些条款中如此看待?这很简单。
只知道球场背后的故事。产品或解决方案是否会随着时间而改善?在面向客户的场景中，它是否根据您的语言进行自定义(可能与Amazon Echo一样)。
在更多企业环境中，每次使用时，它是否为您的物流运动提供更好/更快的交货路线?通过改善结果，学习和调整的单一目标，它是否会逐步改善?如果是(对任何)，那么它是AI。
一个学习自己并讲述是非的系统;
最近的用例浮现在脑海中。与我联系的公司LogiNext使用卡尔曼滤波器(算法)。当NASA使用该算法努力更好地引导近处和外太空的卫星时，NASA使卡尔曼滤波器成名。
具有卡尔曼滤波器层的更新算法从跟踪误差中学习。这一点至关重要，因为跟踪依赖于硬件和网络覆盖。它识别跟踪数据中的模式，以了解什么是“可信”监控以及什么是错误。系统本身将知道要使用哪些跟踪数据以及忽略哪些跟踪数据，通过持续运行来提高准确性。
反过来，这将确保进入系统进行处理和路线规划的信息是准确的。更重要的是，避免另一个“垃圾进，垃圾出”的情况。每次使用它时，它会更加符合逐步更好的计划。
物流主要是服务水平协议的游戏，SLA。公司/运营商需要遵守这些基本单位协议，SLA或最低可行服务水平。可能是货物离开时，卡车的质量或货物的环境，需要到达的时间等等。这些SLA是承运人，司机和公司的行为准则。它们特定于每批货物。SLA违规行为是一件严重的事情，可能导致延误和最终处罚。
因此，当SLA处于中心位置时，当您必须跟踪从LA到NY的包裹时，您会期望有关包裹的位置和状态的连续信息流，以及跟踪对最重要的SLA的遵守情况，承诺交货时间'。您的预计到达时间(ETA)如何在运营商，枢纽，交付中心和最终里程快递员之间进行交换?
这是一个充满活力的物流世界，即使是当地交通和天气也可能成为破坏者。如果您简化了包装的整个端到端运动 - 那就是拾取器，集线器到集线器的运动以及交付。所有这些都可能由不同的司机，卡车等处理，改变多手。你怎么知道这些司机是否更容易超速或延误?你怎么知道装满你的包裹的卡车是否配备齐全来处理它?所有的可操作性都允许物流领导者立即使用AI。
这是一个系统，一个复杂交织的智能软件和设备生态系统，从包裹离开你的那一刻开始; 它跟踪捕获独特的id和驱动程序细节，在所有可能性中调整，从最终交付时间到新泽西州的气候。
所有信息都被发送到一个屏幕，经理可以在州界线上查看他/她的所有卡车，以及任何延误的可能性。这种监控使管理者(以及所涉及的品牌)能够采取纠正措施并避免最终客户的最终延误。
此外，这种详细的分析和多个系统的点对点精确度相互无缝地相互通信，增加了一层可预测性。在这里，经理可以有效地预测卡车将继续正确地容纳可能的负载量。这无需深入现货市场。
结
标签： 用真实的物流AI和物联网打破模具
免责声明：本文由用户上传，如有侵权请联系删除！