CASE STUDY
Optymalizacja metod dostaw w branży meblarskiej
CASE STUDY
moje ID Kasa Stefczyka
WPROWADZENIE
WPROWADZENIE
Jeden z wiodących producentów drzwi i mebli w Polsce zauważył nadmierne rozdrobnienie dostaw do sklepów i klientów indywidualnych. Wysyłanie pojedynczych palet bezpośrednio do kontrahentów oznaczało zwiększony udział przesyłek od firm TSL zamiast własnych rozwiązań transportowych, co skutkowało wzrostem ogólnych kosztów transportu. Wówczas zostało postawione pytanie: „Jak możemy obniżyć koszty frachtu przy jednoczesnym zachowaniu procesów przyjaznych dla klienta?”.
Zaproponowaliśmy rozwiązanie obniżające koszty transportu poprzez wykorzystanie sztucznej inteligencji. Nasz optymalizator tras dostaw w branży meblarskiej pomógł w stworzeniu i skonfigurowaniu algorytmów optymalizacyjnych, aby zadanie mogło być zawsze zrealizowane z uwzględnieniem unikalnych warunków biznesowych narzuconych naszemu klientowi. Stworzyliśmy dedykowany system informatyczny do analizy i zarządzania wynikami konwersji. Wszystkie te elementy są zintegrowane z systemem ERP. Celem było zautomatyzowanie powtarzalnych tras, generowanie dokumentów lub przypisywanie zleceń transportowych, przy jednoczesnym umożliwieniu użytkownikowi dostosowania wygenerowanych tras.
WYZWANIE
WYZWANIE
W przeszłości nasi klienci zmagali się z brakiem skutecznych narzędzi do planowania tras/metod dostaw, prowadzących do optymalnie efektywnego wykorzystania floty. Ręczne planowanie często prowadziło do nieefektywnych tras, nadmiernego zużycia paliwa i zbyt długich czasów dostaw. Użycie sztucznej inteligencji i optymalizatora tras dostaw w branży meblarskiej umożliwiło optymalizację tras poprzez zapewnienie odpowiedniej liczby pojazdów we właściwym czasie i miejscu, pomagając zmniejszyć emisje i koszty operacyjne.
REZULTAT
REZULTAT
Oszczędność 15% kosztów transportu:
Dzięki wykorzystaniu systemu optymalizacji transportu oraz zastosowaniu sztucznej inteligencji i zaawansowanych algorytmów, nasi klienci osiągnęli znaczące oszczędności na poziomie 15% obecnych kosztów transportu. Zaowocowało to zoptymalizowanymi trasami dostaw, zmniejszonym zużyciem paliwa i lepszym wykorzystaniem pojazdów, co przełożyło się na bardziej wydajny i ekonomiczny system logistyczny.
Rekomendacje biznesowe, które mogą przynieść dalsze 13% redukcji kosztów:
System dostarczył rekomendacje biznesowe oparte na analizie danych, które mogą zapewnić redukcję kosztów o kolejne 13%. Zalecenia te dotyczą dalszej optymalizacji tras, zmian w procesach logistycznych oraz bardziej precyzyjnych strategii magazynowania. Jest to wartość dodana, którą można wygenerować poprzez ciągłe doskonalenie procesów.
Skrócenie czasu pracy w przypadku powtarzalnych zadań:
Wdrożenie systemu znacznie skróciło czas wykonywania powtarzalnych zadań. Dzięki automatyzacji procesów pracownicy mogą aktualnie skupić się na bardziej strategicznych aspektach swojej pracy, zwiększając wydajność i umożliwiając lepsze wykorzystanie swoich umiejętności analitycznych.
Negocjowanie stawek transportowych jest łatwiejsze dzięki lepszemu szacowaniu kosztów:
Dokładne szacowanie kosztów transportu za pomocą systemu pomogło w negocjowaniu cen z dostawcami. Dzięki dokładnym danym i szacunkowym kosztom transportu.