Como a IA Reformulou o E-Commerce Durante a Pandemia: Aumentando Escala e Eficiência

Tanto mudou desde que os Estados Unidos primeiro fecharam devido à pandemia do Coronavírus há dois anos. Durante um tempo de aceleração sem precedentes do e-commerce e escassez de mão de obra, processos legados de pick-and-pack carecem de escalabilidade para atender à demanda. Embora certamente haja consequências negativas da pandemia, surge a pergunta: "Como isso mudou a forma como trabalhamos, para melhor?"

Aceleração Rápida da Robótica Elimina Variabilidade

Escassez de mão de obra é uma tendência que disparou durante a pandemia, e os efeitos da pandemia foram devastadores para empresas não preparadas para implementar automação robótica. Quando a COVID-19 atingiu, armazéns de fulfillment precisaram de maior capacidade da noite para o dia. Adicionar associados ao armazém não era opção, então quando pessoas não podiam vir trabalhar, armazéns recorreram a robôs para fazer o trabalho.

Trabalho em armazém é propenso a lesões e tedioso, e alguns trabalhos são executados em espaços apertados. Por exemplo, triagem manual de sacos de correio requer três pessoas em extrema proximidade, frequentemente esbarrando umas nas outras enquanto trabalham entre os cubículos. Sistemas de triagem robótica quebram o requisito de associados de armazém trabalharem dentro de proximidade física e permitem distanciamento social enquanto associados supervisionam o processo de triagem mundano.

Olhando adiante, instalações podem configurar prédios para que pessoas possam gerenciar múltiplos robôs de forma segura e socialmente distanciada. Empresas com menos dependência de grandes grupos de pessoas executando tarefas mundanas experimentarão maior confiabilidade de throughput total por pé quadrado por dia. Isso significa que negócios podem fazer promessas aos seus clientes que podem cumprir.

Robôs Amplificam Capacidade Humana

Instalações de armazém buscam maximizar eficiência, medida por throughput por pé quadrado por dia. Armazéns enfrentam variáveis ao trabalhar com humanos. Por exemplo, trabalhadores estão com fome, cansados e antecipando sua próxima pausa, ou estão se sentindo bem e tendo um dia produtivo de alto desempenho?

Considere o ato de triar um item ou pacote. Um humano precisa:

Ver uma pilha de produto ou pacotes

Selecionar um item para pegá-lo da pilha desorganizada

Identificar um ponto de coleta para isolar o item

Pegar o item

Reconhecer e garantir ao pegar que apenas um item foi pego

Navegar dito item para a localização de saída (saco de correio)

Colocar com sucesso o item na localização de saída correta de forma que maximize densidade do produto (densidade do saco)

Humanos podem fazer isso? Sim.

É fácil de fazer? Sim.

Humanos querem fazer isso 4.000 vezes por dia, cinco dias por semana? Não.

Robôs criam consistência para aliviar picos e vales. Ainda melhor, robôs de triagem altamente hábeis, alimentados por IA de simulação-para-realidade (Sim2Real), podem pegar quase qualquer item em um armazém no dia um para aumentar eficiência e melhorar condições de trabalho humanas.

Embora empresas possam ter a fantasia de que colocar um robô no lugar "fará sua coisa" sem interação de trabalhador humano, esse não é o caso. Humanos trabalham junto com robôs para otimizar fluxo de throughput. Para operações resilientes, você não pode ter um sem o outro.

Implementações robóticas para triagem de pacotes são mais bem-sucedidas quando humanos lidam com itens ambíguos e enquanto o robô lida com tarefas mundanas e repetitivas. Combinar estes dois tipos de tarefas é poderoso. A harmonia acontece porque o humano pega onde o robô deixa. Por exemplo, o robô identifica e agarra itens, então coloca os itens em um saco. O humano precisa manipular o saco, amarrá-lo, etiquetá-lo, etc. Embora tenha havido avanços significativos em destreza e capacidade robótica, existem certas tarefas que humanos fazem melhor.

IA de Simulação-para-Realidade Encontra Demanda Constante de Comércio

Robôs tradicionais eram uma vez programados para executar repetidamente o mesmo movimento. Hoje, IA amplia capacidades de robôs e aumenta adaptabilidade para o tipo de itens que robôs podem pegar. À medida que o volume de e-commerce continua a crescer, o tamanho e formato de pacotes está mudando constantemente, aumentando a necessidade de robôs serem mais capazes do que nunca.

Sem IA avançada, poderia levar anos para um robô triar pacotes em uma taxa que atenda ao throughput humano. Lidar com uma variedade de itens é intensivo em dados e requer milhões de coletas executadas antes que um robô esteja funcionando efetivamente. Tecnologia de simulação-para-realidade (Sim2Real) expede e simplifica o processo de treinamento. Sim2Real pré-treina robôs no mundo virtual com milhões de exemplos em questão de horas para que quando um robô chega em uma instalação ele já conhece os tipos de pacotes que pode ver para que possa começar a operar no dia um.

Pitney Bowes, uma empresa global de tecnologia fornecendo soluções de comércio que alimentam bilhões de transações nas áreas de e-commerce, envio, correspondência e serviços financeiros, experimentou crescimento significativo em seu negócio de e-commerce. Cada cliente da Pitney Bowes tem um conjunto único de itens que vendem, então a embalagem e marca em cada item variam muito, e os tipos de itens que a Pitney Bowes move através da cadeia de suprimentos mudam mensalmente.

A Pitney Bowes desejava encontrar uma solução de triagem automatizada e precisava que fosse adaptável para lidar com mudanças rápidas e diversidade em tipo de produto.

IA Sim2Real ajudou a Pitney Bowes a escalar rapidamente operações durante a temporada de compras de feriado de pico de 2020, quando a Pitney Bowes efetiva e precisamente triou centenas de milhares de pacotes únicos. A Pitney Bowes desde então expandiu o uso de robôs através de sua cadeia de suprimentos e usa os sistemas de triagem de diferentes maneiras em múltiplas instalações.