பொருள் கிடங்கில் உள்ளது. கணினியில் உள்ளது. அலமாரியில் இல்லை. உங்கள் வாடிக்கையாளர்களில் 30% ஏதும் வாங்காமல் வெளியேறிவிட்டனர்.
அலமாரியில் பொருட்கள் இல்லாமை உலகளாவிய சில்லறை தொழிலுக்கு ஆண்டுதோறும் சுமார் 634 பில்லியன் டாலர் விற்பனை இழப்பை ஏற்படுத்துகிறது, மொத்த இருப்பு சிதைவு 1.1 டிரில்லியன் டாலராக அதிகரிக்கிறது. வாங்கும் இடத்தில் சராசரி பொருள் இல்லாமை விகிதம் சுமார் 8%, காலியான அலமாரியை சந்திக்கும் 91% வாடிக்கையாளர்கள் மீள்நிரப்புதலுக்கு காத்திருக்க மாட்டார்கள் - அவர்கள் போட்டியாளரிடம் செல்கின்றனர். AI இயங்கும் புகைப்பட தணிக்கை மணி நேரங்களுக்கு பதிலாக நொடிகளில் இருப்புப் பற்றாக்குறையை கண்டறிகிறது, கையேடு அலமாரி சோதனைகளும் ERP அமைப்புகளும் தொடர்ந்து தவறவிடும் பிரச்சனைகளை பிடிக்கிறது.
கையேடு அலமாரி தணிக்கை ஏன் போதுமானதாக இல்லை
பெரும்பாலான சில்லறை விற்பனையாளர்கள் இன்னும் எளிய முறையில் அலமாரிகளை சோதிக்கின்றனர்: ஒரு பிராந்திய மேலாளர் அல்லது கடை ஊழியர் ஒவ்வொரு வழியிலும் நடந்து, அலமாரிகளை கண்ணால் பார்த்து, எது காலியாக தெரிகிறது என்பதை குறிப்பிடுகிறார். ஒரு சாதாரண கடையில் நாளொன்றுக்கு 1 முதல் 3 அலமாரி சோதனைகள் நடைபெறுகின்றன, சோதனைகளுக்கிடையே 3 மணி நேர இடைவெளி இருக்கும். இந்த இடைவெளிகளில் இருப்புப் பற்றாக்குறை கண்டறியப்படாமல் குவிகிறது.
கையேடு தணிக்கைகள் சிறந்த நிலையில் 60 முதல் 70% இருப்புப் பற்றாக்குறை நிகழ்வுகளை கண்டறிகின்றன. மீதமுள்ளவை கவனிக்கப்படாமல் போகின்றன: அலமாரியின் பின்புறம் தள்ளப்பட்ட பொருட்கள், தூரத்தில் இருந்து நிறைந்ததாக தோன்றும் ஒற்றை அலகுகள், அல்லது தவறான வழியில் இடமாற்றம் செய்யப்பட்ட பொருட்கள். முற்றிலும் காலியான ஃபேசிங்களை மனித சோதிப்பாளர்கள் விரைவாக கண்டறிவர், ஆனால் பகுதி இருப்புப் பற்றாக்குறை மற்றும் பிளானோகிராம் மீறல்களை கண்டறிவதில் பலவீனமாக உள்ளனர்.
பின்னர் பாண்டம் இன்வென்டரி உள்ளது - அமைதியான பிரச்சனை. பாண்டம் இன்வென்டரி என்பது கணினி கிடைக்கிறது என்று காட்டும் ஆனால் உண்மையில் அலமாரியில் இல்லாத இருப்பு. அது பின்அறையில் இருக்கலாம், வேறு வழியில் தவறாக வைக்கப்பட்டிருக்கலாம், அல்லது தவறாக எண்ணப்பட்டிருக்கலாம். ஆராய்ச்சி காட்டுகிறது பாண்டம் இன்வென்டரி 80% வரை பொருள் இல்லாமை நிகழ்வுகளுக்கு காரணமாக இருக்கலாம், சராசரி இருப்பு பதிவுகள் சுமார் 60% மட்டுமே துல்லியமானவை. எவ்வளவு கையேடு அலமாரி சோதனைகள் செய்தாலும் தரவில் ஒளிந்திருக்கும் பிரச்சனையை சரிசெய்ய முடியாது.
புகைப்பட அடிப்படையிலான அலமாரி தணிக்கை எப்படி செயல்படுகிறது
செயல்முறை எளிமையானது: ஒரு கடை ஊழியர் அலமாரி பகுதியை நோக்கி தொலைபேசியை திருப்பி ஒரு புகைப்படம் எடுக்கிறார். AI படத்தை செயலாக்குகிறது, தனிப்பட்ட பொருட்களை அடையாளம் காணுகிறது, காலியான ஃபேசிங்களை குறிக்கிறது, திட்டமிட்ட அலமாரி அமைப்புடன் (பிளானோகிராம்) இணக்கத்தை சரிபார்க்கிறது. முடிவுகள் நொடிகளில் தோன்றுகின்றன.
தைவானில் 7,000 க்கும் மேற்பட்ட கடைகளில் பயன்படுத்தப்பட்ட ஒரு பிளானோகிராம் இணக்க அமைப்பு அலமாரி கண்டறிதலில் 99.23% துல்லியமும் 98.93% நினைவுத்திறனும் அடைந்தது, பொருள் நிலை கண்டறிதல் 94.61% துல்லியமும் 93.02% நினைவுத்திறனும் எட்டியது. கையேடு தணிக்கைகளின் 60 முதல் 70% கண்டறிதல் விகிதத்துடன் ஒப்பிடுகையில் இது குறிப்பிடத்தக்க மேம்பாடு.
Edge AI கேமராக்கள் இதை மேலும் முன்னேற்றுகின்றன, 100 மில்லி விநாடிகளுக்குள் சாதனத்திலேயே கண்டறிதலை இயக்குகின்றன, கிளவுட் சர்வருக்கு படங்களை பதிவேற்ற வேண்டிய தேவையை நீக்குகின்றன. அலமாரி பகுதிகளுக்கு மேலே பொருத்தப்பட்ட இந்த கேமராக்கள் அவ்வப்போது எடுக்கும் ஸ்னாப்ஷாட்டுகளுக்கு பதிலாக தொடர்ச்சியான கண்காணிப்பை வழங்குகின்றன, இருப்புப் பற்றாக்குறை தோன்றும் தருணமே அதை குறிக்கின்றன.
AI கண்டுபிடிப்பது, மனிதர்கள் தவறவிடுவது
அலமாரி ஃபேசிங்கில் மீதமுள்ள ஒரு அலகு 3 மீட்டர் தொலைவில் இருந்து நன்றாக தெரிகிறது. AI துல்லியமான அளவுகளை எண்ணி, நிர்ணயிக்கப்பட்ட எல்லைக்கு கீழ் உள்ள ஃபேசிங்களை குறிக்கிறது.
தவறான இடத்தில் வைக்கப்பட்ட பொருட்கள் சரியான பொருளின் மீள்நிரப்புதலை தடுக்கின்றன. AI ஒவ்வொரு ஃபேசிங்கையும் திட்டமிட்ட அமைப்புடன் ஒப்பிடுகிறது.
கணினி 24 அலகுகள் இருப்பில் உள்ளன என்று காட்டுகிறது, ஆனால் அலமாரியில் 3 உள்ளன. AI உண்மையான அலமாரியிலிருந்து நிலவர தகவலை வழங்குகிறது, ERP அமைப்புகள் பார்க்க முடியாத தரவை வெளிக்கொணர்கிறது.
தவறான விலை லேபிள்கள் அல்லது காணாமல் போன குறிச்சொற்கள் வாடிக்கையாளர் நம்பிக்கையை குறைக்கின்றன. AI அதே அலமாரி ஸ்கேனின் போது முரண்பாடுகளை குறிக்கிறது.
விரைவான கண்டறிதலின் ROI
வேகம் தான் கணக்கை மாற்றுகிறது. வழக்கமான அலமாரி சோதனைகள் முழு கடையையும் கவர மணி நேரங்கள் எடுக்கும், இருப்புப் பற்றாக்குறை பதிவு செய்து, அறிக்கையிட்டு, நடவடிக்கை எடுக்கும் நேரத்தில் வாடிக்கையாளர்கள் ஏற்கனவே சென்றுவிடுவர். AI அந்த கண்டறிதல்-நடவடிக்கை சுழற்சியை மணி நேரங்களில் இருந்து நொடிகளாக குறைக்கிறது.
நிதி தாக்கம் நேரடியானது. அலமாரியில் பொருள் கிடைப்பதை சில சதவீத புள்ளிகள் மேம்படுத்தினாலும் அது அளவிடக்கூடிய வருவாய் வளர்ச்சியாக மாறுகிறது என்று ஆய்வுகள் காட்டுகின்றன. 200 கடைகள் கொண்ட ஒரு நடுத்தர அளவிலான மளிகைக் கடை சங்கிலி சிறந்த இருப்புப் பற்றாக்குறை கண்டறிதல் மூலம் இழந்த விற்பனையில் வெறும் 2% மீட்டாலும் ஆண்டு வருவாயில் பல மில்லியன்கள் சேர்க்கிறது - ஒரு புதிய பொருளை கூட விற்காமல்.
நடத்தை தரவும் சமமாக தெளிவானது: இருப்புப் பற்றாக்குறையை சந்திக்கும் 43% வாடிக்கையாளர்கள் போட்டி பிராண்டுக்கு மாறுகின்றனர், 20% தங்கள் முழு வண்டியையும் கைவிடுகின்றனர், 9% ஒரே ஒரு பொருள் இல்லாமை அனுபவத்திற்கு பிறகு நிரந்தரமாக சில்லறை விற்பனையாளரை மாற்றுகின்றனர். அலமாரி காலியாக இருக்கும் ஒவ்வொரு மணி நேரமும் இழப்பை பெருக்குகிறது.
புகைப்பட அலமாரி தணிக்கையை எப்படி தொடங்குவது
- உயர் மதிப்புள்ள வகைகளில் தொடங்குங்கள்: அதிகம் விற்பனையாகும் அல்லது உயர்-லாப அலமாரிகளில் AI தணிக்கையை முதலில் கவனம் செலுத்துங்கள்
- நிலையான புகைப்பட கோணத்தை பயன்படுத்துங்கள்: நேர்கோட்டில், நல்ல வெளிச்சத்தில், முழு அலமாரி பகுதியையும் படம்பிடிக்கும்படி
- பிளானோகிராம்களுடன் ஒப்பிடுங்கள்: உங்கள் திட்டமிட்ட அமைப்பை பதிவேற்றுங்கள், AI காலியான ஃபேசிங்கள் மட்டுமல்ல, விலகல்களையும் குறிக்கும்
- காலப்போக்கில் போக்குகளை கண்காணியுங்கள்: தினசரி புகைப்பட தணிக்கைகள் மீண்டும் மீண்டும் நிகழும் பிரச்சனைகளையும் முறையான இடைவெளிகளையும் வெளிப்படுத்தும் தரவுத்தொகுப்பை உருவாக்குகின்றன
- மீள்நிரப்புதலுடன் ஒருங்கிணையுங்கள்: இருப்புப் பற்றாக்குறை எச்சரிக்கைகளை பின்அறை பணிப்பாய்வுகளுடன் இணையுங்கள், குறிப்புக்கு பின் தீர்வு வரும்
முடிவுரை
அலமாரி தணிக்கை பல தசாப்தங்களாக கிளிப்போர்டு வேலையாக இருந்தது, ஏனெனில் அளவிடக்கூடிய மாற்று இல்லை. புகைப்பட அடிப்படையிலான AI அந்த சமன்பாட்டை மாற்றுகிறது: 95 முதல் 99% கண்டறிதல் துல்லியம், நொடிகளில் முடிவுகள், மற்றும் எந்த கையேடு சோதனையோ ERP அறிக்கையோ ஒருபோதும் வெளிக்கொணராத பாண்டம் இன்வென்டரியை கண்டறியும் திறன்.
அடுத்த முறை ஒரு பிராந்திய மேலாளர் கடைக்கு வந்து, ஒரு சிறந்த விற்பனையாளர் ஏன் அலமாரியில் இல்லை என்று யோசிக்கும்போது, பதில் ஏற்கனவே அவரது தொலைபேசியில் இருக்க வேண்டும்.