EN
Розумні терези тепер поєднують передові датчики з алгоритмами машинного навчання, перетворюючи базове зважувальне обладнання на розумні центри керування. Вони можуть виявляти навіть незначні зміни ваги продуктів із точністю близько 0,1%, одночасно відстежуючи переміщення запасів. За даними Deloitte минулого року, продуктові магазини повідомляють про приблизно 40% менше помилок під час поповнення запасів після впровадження цих систем. Чим вони відрізняються від звичайних терезів? Ці версії з штучним інтелектом об'єднують дані від кількох датчиків. Вони перевіряють показники ваги порівняно з тим, що бачать камери на полицях, де розташовані RFID-мітки та які існують тенденції минулих продажів. Уся ця багатошарова інформація дозволяє виконувати автоматичні корективи. Наприклад, система може повідомити персонал, коли щось розміщено не на своєму місці, ще до того, як це спричинить проблеми для всієї системи ланцюга поставок.
Втрата 12 унцій на лотку з продуктами вагою 5 фунтів не залишиться непоміченою, якщо використовуються AI-терези. Ці розумні системи роблять набагато більше, ніж просто відстежують втрату ваги. Вони автоматично оновлюють обсяги запасів уже зараз, починають знижувати ціни на товари, які можуть швидко зіпсуватися, і негайно повідомляють працівників прямо на їхні телефони. Магазини, які впроваджують таку чутливу технологію, зазвичай скорочують втрати запасів приблизно на чверть, не допускаючи довгого стояння порожніх полиць. Обчислення відбуваються дуже швидко: ці системи аналізують близько 120 перевірок ваги проти наявних запасів щосекунди. Це значно краще за традиційні методи, коли раніше виявлення розбіжностей вручну могло займати від двох до трьох годин, що тепер робить реально можливим своєчасне поповнення запасів на практиці.
Системи штучного інтелекту оптимізують робочі процеси в роздрібній торгівлі — від управління запасами до розрахунку, — усуваючи необхідність ручного введення даних, зводячи до мінімуму людські помилки та забезпечуючи корисні аналітичні дані для мереж магазинів.
Розумні терези, які працюють на основі штучного інтелекту, виконують різноманітні повторювані завдання, такі як зважування товарів, надсилання сповіщень, коли полиці потрібно поповнити, та перевірка відправок на відповідність замовленням. Згідно з останніми даними BP-3 (2023), магазини, які використовують ці системи, змогли знизити витрати на комплектацію приблизно на 30%, головним чином тому, що працівники більше не витрачали стільки часу на нудну роботу з ручного підрахунку запасів. Справжнє диво відбувається, коли ці інструменти ШІ інтегруються з програмним забезпеченням для управління складами. Візьмемо приклад із дослідження Hypestudio, де один великий роздрібний продавець зміг перевести приблизно 20% свого персоналу з передової лінії на посади, пов’язані безпосередньо з обслуговуванням клієнтів, замість того, щоб просто переміщати коробки за кулісами. І знаєте що? Їхні повсякденні операції зовсім не постраждали під час цього перехідного періоду.
Вбудований штучний інтелект аналізує дані про вагу в режимі реального часу для приоритетування завдань на передовій лінії через мобільні попередження, такі як виявлення втрачених предметів або означення наближення дат закінчення терміну експлуатації на скоротравлюються товарах. Цей "цифровий асистент операцій" скорочує час рутинних перевірок на 45%, звільняючи співробітників для більш цінних заходів, таких як персоналізована взаємодія з клієнтами.
Хоча 68% працівників роздрібної торгівлі спочатку висловлюють занепокоєння з приводу виведення з роботи, магазини, які впроваджують масштаби штучного інтелекту поряд з програмами перепідготовки, 22% нижчий рівень обороту ніж середні показники в галузі. Успішні запуска поєднують автоматизацію з внутрішніми шляхами мобільностіпідготовка касирів як спеціалістів з запасів або технічних керівниківдля створення більш стійкої та адаптивної робочої сили.
AI-ваги постачаються з кількома конфігураціями датчиків, які дають детальне уявлення про переміщення запасів, виявляючи навіть незначні зміни ваги — до приблизно 0,1% — у різних зонах зберігання. Поєднуючи дані з тензодатчиків разом із RFID-мітками та невеликими датчиками температури, підключеними до Інтернету, магазини можуть відстежувати терміни придатності продуктів і контролювати, як довго товари залишаються свіжими прямо на полицях. Уся система скорочує необхідність ручної перевірки запасів приблизно на три чверті та підвищує точність обліку запасів майже до 99,5%, згідно з дослідженням, опублікованим минулого року видавництвом Springer.
Алгоритми машинного навчання аналізують коливання ваги в реальному часі в секціях продуктів, на стелажах з одягом і розділах на розлив, щоб передбачити піковий попит на 3–5 днів швидше, ніж традиційні системи. Ритейлери, які використовують прогнозування на основі штучного інтелекту, стикаються з перевищенням запасів на 25% рідше та роблять замовлень постачальникам в останню мить на 19% менше ( Commport 2024 ), що демонструє, як дані про вагу оптимізують закупівлі.
Коли інтелектуальні терези виявляють критичні значення ваги у категоріях із високим оборотом, таких як електроніка або косметика, вони автоматично генерують оптимальні маршрути для поповнення запасів командам складу. Такий підхід, заснований на контролі ваги, скорочує надлишкові страхові запаси на 33% порівняно з моделями з фіксованим інтервалом.
Двонаправлений інтеграція між AI-вагами та електронними системами продажу (EPOS) дозволяє автоматично зменшувати запаси під час оплати та синхронізувати поточний рівень наявних запасів з мобільними пристроями, якими користуються працівники. Це узгодження виключає розбіжності між цифровими записами та фізичною наявністю товарів, усуваючи 83% скарг клієнтів щодо оголошених, але відсутніх продуктів.
Розумні терези, оснащені технологією штучного інтелекту, можуть миттєво коригувати ціни залежно від різних характеристик продуктів. Подумайте про такі фактори, як вага при роботі з товарами на розлив, ступінь свіжості продуктів, що швидко псуються, та те, що саме споживачі купують у даний момент через системи продажу. Візьмемо, наприклад, ковбасні прилавки. Ці розумні терези можуть знижувати ціни приблизно на 12 відсотків на м'ясо, яке наближається до кінця терміну реалізації, але підвищувати їх на 8 відсотків на модні ремісничі сорти сиру, попит на які зростає в періоди пікового навантаження. Згідно з нещодавніми дослідженнями, опублікованими минулого року в галузі стратегій роздрібного ціноутворення, алгоритми машинного навчання виконують усі ці обчислення приблизно в півтора рази швидше, ніж люди вручну. Така швидкість має велике значення на конкурентних ринках, де кожна секунда має значення.
Генеративний штучний інтелект використовує великі набори даних для створення розумних рекламних стратегій. Наприклад, він може виявляти, коли певні фрукти та овочі надто довго залишаються на полицях, аналізуючи їхні закономірності ваги, і автоматично запускати термінові знижки. Система також формує комплекти, коли виявляє товари, які гарно поєднуються між собою, наприклад, пропонує 15% знижки на картопляні чіпси, якщо хтось купує гуакамоле. І коли клієнти сканують свої карти лояльності на касі, відразу ж активуються спеціальні ціни залежно від рівня. За результатами тестування минулого року, показник використання пропозицій, створених штучним інтелектом, був приблизно на 19 відсотків вищим, ніж у пропозицій, розроблених людьми вручну. Справжню потужність цієї технології забезпечує швидкість взаємодії всіх елементів у різних платформах. Усі магазини бачать оновлені ціни приблизно за 35 секунд після внесення змін. Це означає, що хлібобулочні вироби можуть коригувати ранкові ціни не лише на основі обсягу випечених продуктів, але й з урахуванням місцевих моделей руху клієнтів, які залежать від таких факторів, як дощ чи сніг.
Основний вплив : Магазини, які використовують динамічне ціноутворення на основі штучного інтелекту, повідомляють про зростання валового прибутку на 5–10% протягом шести місяців після впровадження (бенчмарк операцій роздрібної торгівлі, 2023).
Сьогоднішні шкали ШІ поєднують датчики ваги з технологією комп'ютерного зору, створюючи те, що деякі називають двояким підходом до безпеки. Камери, розташовані над касовими апаратами, фактично аналізують такі аспекти, як форма товарів, тип упаковки, точне місце розташування на стрічці конвеєра, і порівнюють цю інформацію з тим, що система очікує на основі вимірювань ваги. Ці системи також виявляють складні випадки, наприклад, коли хтось намагається обманути машину, поклавши дорогу свинину (12 доларів за фунт) прямо поверх штрих-коду дешевшої курятини (4 долари за фунт). Згідно з дослідженням інституту Понемона за 2023 рік, саме через такі помилки магазини щороку втрачають близько 740 тисяч доларів лише тому, що ніхто не помічає цього на касі. Те, що відрізняє ці нові системи ШІ від старих, — це їхня здатність навчатися на основі минулих транзакцій і практично миттєво виявляти незвичну активність ще до того, як буде завдано шкоди.
Коли покупці замінюють дорогі товари на дешевші на касах самообслуговування, це коштує роздрібним торговцям великих грошей. Саме такий шахрайство з підміною становить близько 23 відсотків усіх втрат через каси самообслуговування. Добра новина полягає в тому, що терези, що працюють на основі штучного інтелекту, допомагають запобігти цим махінаціям, перевіряючи, чи відповідає вага товару очікуваному для даної категорії продуктів. Уявіть, що ви скануєте півкіло цибулі, але вас зараховують за п’ять кілограмів кавуна — система одразу виявить щось підозріле. У магазинів, які впровадили ці «розумні» технології зважування, кількість випадків, коли працівникам потрібно вручну виправляти розбіжності, скоротилася приблизно на дві третини, згідно з даними останнього Звіту про безпеку в роздрібній торгівлі 2024 року.
Один із великих продуктових мереж США нещодавно запустив розумні терези, що працюють на основі технології обробки даних на межових пристроях (edge computing), щоб виявляти крадіжки безпосередньо на касах, замість того, щоб покладатися на повільну обробку в хмарі. Під час тестування протягом півроку ці системи запобігли крадіжкам товарів на суму близько 1,2 млн доларів, виявили понад 18 тисяч випадків, коли покупці намагалися приховати товар у своїх сумках, і правильно ідентифікували неправильні штрих-коди у дев’яти випадках із десяти. Втрати магазину скоротилися приблизно на 40% на рік, при цьому черги на касах залишалися достатньо швидкими, і більшість покупців чекали не більше хвилини. Цікаво те, що дані про виявлення шахрайства тепер починають впливати на управління запасами. Коли певні товари багаторазово з’являються в підозрілих транзакціях, менеджери отримують сповіщення про необхідність змінити схеми замовлення, створюючи таким чином зворотний зв'язок між заходами безпеки та повсякденною господарською діяльністю.
AI-ваги — це сучасні системи зважування, які інтегрують штучний інтелект та сенсорні технології для покращення роботи магазинів шляхом виявлення незначних змін у вазі товарів, автоматизації управління запасами та запобігання втратам у роздрібній торгівлі.
AI-ваги покращують операції в ланцюзі поставок, забезпечуючи точні дані в реальному часі про рівень запасів, оптимізацію графіків поповнення, поліпшення прогнозування попиту та зменшення відходів і перевищення запасів.
Так, AI-ваги виявляють і зменшують шахрайство за допомогою технологій комп'ютерного зору та датчиків ваги, щоб виявляти невідповідності в розпізнаванні товарів і запобігати поширеним прийомам, таким як підміна товарів на касових зонах.
Системи штучного інтелекту зменшують витрати на оплату праці за рахунок оптимізації повторюваних завдань і дають змогу переосвічувати працівників на посади з вищою доданою вартістю, тим самим зменшуючи побоювання щодо втрати робочих місць і скорочуючи рівень текучості кадрів.
Гарячі новини2024-09-14
2024-11-18
2023-11-14
2023-04-12
2019-07-11
Ми спеціалізуємося на сучасних електронних рішеннях для роздрібної торгівлі, які оптимізують операційні процеси та роблять покупки більш інтелектуальними.
