智慧倉庫中的人工智慧 智慧倉庫目前將邊緣人工智慧技術運用在自動化處理庫存流程、簡化一般包裝作業,以及在接收訂單及寄送包裹至其他配送中心時,達到最佳的空間利用。開發人員可以善加活用各種不同的構建、訓練和演算法部署元件,達到在邊緣端進行推論的目標。 瞭解如何透過人工智慧為物流中心提供敏捷性和彈性 探索零售業邊緣端的人工智慧電腦視覺應用
包裹處理機器人 店員是零售商的門面。為了盡可能增加店員與客戶互動的時間,零售商致力避免店員將時間耗費在與客戶無關的工作上的時間 (例如清點庫存)。大型零售商現在採用機器人技術,依據優先順序和部門來卸載和分類貨物、檢查庫存量、修正貨架位置,並確保價格正確無誤。 為了解決產品規模和種類帶來的產量難題,各家公司都在運用邊緣運算來偵測、分類、評估包裹的尺寸和位置,自動調整輸送帶的速度,並且讓機械分類達到最佳效果。如此有助於將產品損壞率與機器停機時間降至最低。 瞭解機器人如何追蹤 Lowe’s 的庫存
大型配送網路的路線最佳化 倉庫與製造中心使用人工智慧機器人來因應無比複雜的產品流程。這些機器人利用強大的深度神經網路來進行認知、細分和位置預估,藉此感知環境、偵測物體、自主導航和移動物體。市場領導廠商透過提高產能、客製化訂單、提供與眾不同的客戶體驗,強化了自身的競爭優勢。NVIDIA Isaac™ 機器人平台讓 BMW 集團得以運用人工智慧技術改革工廠物流,而能輕鬆管理新模型和配置以滿足客戶需求。透過這種方式,就能在同一條生產線上更快速地製作出高品質、高度客製化的車輛。 瞭解 BMW 集團如何重新定義工廠物流
最後一哩配送解決方案 影響最後一哩配送的因素有很多,包括交通、道路施工和天氣。善用來自各種管道的即時資料 (從 GPS 資料到天氣預報),將路線最佳化,這對燃料、人力和其他額外費用上都有顯著的影響。此外,電信業者可以採用 GPU 的智慧解決方案,將路線最佳化,提供更準確的運送時段,進而提升客戶服務水準。這可以在客戶心目中建立更高的信任度,當客戶有一系列寄送和接收重要包裹的需求項目時,信任度就非常重要。 NVIDIA ReOpt™ 使開發人員能夠運用更龐大的資料集和更快的處理速度,透過在倉庫和道路上的動態改道、模擬和微秒內回應時間等新功能,最佳化最後一哩路的配送。 瞭解全球第一款具備社交意識的送貨機器人