Jettainer 的 CEO 如何看待 Uld 管理中的 AI 和人为因素

快速阅读: 据《航空货运周》称，Jettainer CEO认为数字化应增强人力而非替代。AI助力提升效率与透明度，但预测性维护仍具挑战。自动化将优化后台，地面处理需加强培训与问责。

在向自动化的竞赛中，大多数货运领导者都谈论用机器取代人力。但在Jettainer，情况则不同。对于首席执行官Jan-Wilhelm Breithaupt来说，数字化和人工智能的真正价值不在于将人员从流程中移除，而在于为他们提供更锋利的工具和更清晰的洞察力。目标是通过数据驱动、基于运营的智能集装箱管理，弥合技术与仓库地面之间的差距。自2024年6月担任首席执行官以来，Jan-Wilhelm Breithaupt加快了Jettainer的数字化转型。“我们正在大力推进Jettainer的数字化，”他说。“我们的数据仓库已经完全更新，这是报告和管理数据的基础。我们最近在3月份推出了新的Jettainer NG平台，并已进行了增强。”

Jettainer最新的平台升级增加了可以深入到子位置级别的功能。Breithaupt解释说，这是一个重要的步骤，使ULD（机载单元）跟踪从被动功能转变为战术工具。“我们一直在寻求超越蓝牙低功耗（BLE）的进一步增强技术。我预计在秋季，我们可以在这方面做出报告。”

智能集装箱追踪的承诺在于规模。“你可以在整个机队中减少1个百分点的丢失单位，”他说，“这意义重大。”然而真正的收益来自于整体效率。“当我们接管一个机队时，我们可以实现机队规模约15%至20%的减少。在每月飞行段数方面，我们的效率提高了约25%至30%。”

技术起着作用，但Jettainer的人力资本同样重要。“这是非常有经验的ULD控制器、我们完善的NG平台以及来自航空公司处理系统的信息透明度相结合的结果，这些信息通过追踪技术得到了增强。”

人工智能：仍是一个人类的谜题

尽管人工智能开始重塑集装箱管理，但Breithaupt清楚地认识到其当前的局限性。借助人工智能的支持，ULD流程中的重复任务确实可以减轻操作员的工作负担。此外，随着更多数据和接口的生成，还有进一步提高效率的潜力。“但最重要的是改善我们从不同来源获得的数据，然后解读这些数据并增加透明度。例如，这让我们更好地了解单位所在的维修车间以及它们在那里停留的时间。”

预测性维护仍然是一个正在进行中的项目。“有很多影响因素会导致损坏，这取决于地面处理代理如何对待这些单元，”他说。“不像飞机发动机那样，损坏是可预测地累积的。对于ULD来说，叉车司机可能突然撞上一个全新的单元。”

人工智能可以建模趋势，但不能预测具体细节。“你可以预测大量数据范围内的损坏，但你无法对单个集装箱做出任何确定性的判断，”他解释道。“AI告诉我们的信息的解读相对复杂。我们认为在接下来的12到18个月内，这将成为我们看到显著优势的领域。但目前，它尚未完全整合到我们的系统中。”

自动化在适合的地方

Breithaupt对近期将传统机器人（类似于汽车工业中的机器人）应用于航空货运处理持怀疑态度。“货物的形状各不相同，有桶、大型机械、小物品。如果你为集成商工作，处理相同尺寸和重量的箱子，机器人是有意义的。但在航空货运中，情况不同。另一方面，我相信自动化引导车辆（AGVs）和自主移动机器人（AMR）将在未来航空货运处理中发挥重要作用。”

自动化主要会在幕后发展。“后台会有大量的数字化：例如行政职能、数据共享、库存管理，”他说。“但处理货物仍然主要是物理操作，至少在未来十年内如此。”

Jettainer已经开始考虑角色如何随着自动化的发展而演变。Breithaupt设想在客户现场有更紧密的存在。“某些ULD管理功能将被AI取代。但我们计划将一些员工从后台转移到客户的车间现场，”他说。“他们将帮助优化地面处理流程并实时管理ULD。”

这不是裁员，而是重新定位。“我们期望这些同事具备精益管理经验，并指导我们的客户通过小型培训会来提高效率，”他说。“这是一个多年的转变。一些员工将退休或转岗。剩下的将是经过更好培训、更加以客户为中心的专业人士。”

地面层面的责任

Jettainer面临的最大挑战之一是地面处理质量，尤其是在美洲地区。“在世界某些地方，比如美洲，ULD的处理相对较差，”Breithaupt说。“一些地面处理方用刀割橡胶门以更快地取出货物。这导致昂贵的维修，并使集装箱停运数天。”

“在欧洲和日本，损坏率要低得多。在美洲，有时甚至接受直接在地面上处理集装箱，这会显著增加损坏率。”这增加了客户的成本和机队规模需求。“任何损坏的集装箱都是系统中的浪费，”他说。“我们希望给客户提供最大的透明度，以便与他们的地面处理代理（GHA）谈判更好的条款或实施惩罚。”

培训和问责制是核心。“第一条规则：ULD绝不能直接存放在或处理在地面上。始终使用滚床或辅助托盘。如果钢制叉车撞上铝合金，就会造成损坏——有时是集装箱，有时是货物。”

尽管Jettainer提供了培训和指南，但一些GHA的高人员流动率削弱了连续性。“在某个阶段，地面处理代理必须能够自行继续培训其员工关于ULD相关主题，”他说。“当切割成为常态时，根本问题并不在基层操作。而是在于运营管理领导。”

人工智能与维修困境

为了应对不一致的服务评估，Jettainer正在现实环境中尝试人工智能。“我们是第一个派团队参加黑客马拉松并赞助一次ULD挑战赛的ULD管理提供商，”Breithaupt说。“在IATA One Record黑客马拉松上，我们挑战团队开发一个基于人工智能的应用程序，以支持地面处理人员评估集装箱损坏情况。”

获胜的应用程序使用人工智能语言模型和图像识别技术来指导用户进行正确的检查。“它会获取特定集装箱类型的评估说明，提示用户拍摄损坏的照片，并利用图像识别技术来判断是否严重到需要声明不可用。”

(以上内容均由Ai生成)