Tổng quan các nghiên cứu về ứng dụng trí tuệ nhân tạo (AI) trong

ngành logistics
Theo tác giả Selminaz Adıgüzel của nghiên cứu mang tên “Use of Artificial Intelligence In Logistics
Management” cho rằng mục tiêu chính của nghiên cứu này là phân tích các vấn đề trong lĩnh vực
logistics thông qua các phương pháp giải quyết vấn đề. Trọng tâm là những thách thức liên quan đến
công nghệ trong lĩnh vực hậu cần, xác định những vấn đề này và sử dụng các kỹ thuật trí tuệ nhân
tạo (AI) để giải quyết chúng. Bài viết nhằm mục đích khám phá các chương trình và phần mềm AI
được thiết kế cho các ứng dụng hậu cần, làm sáng tỏ những thách thức hiện tại trong lĩnh vực này.
Những tiến bộ nhanh chóng trong Trí tuệ nhân tạo mang đến những cơ hội chưa từng có để cải thiện
các ngành công nghiệp khác nhau, bao gồm cả vận tải. Những đổi mới về AI kết hợp các phương
pháp tính toán tiên tiến mô phỏng các quá trình của não con người. Trong lĩnh vực giao thông vận
tải, các ứng dụng AI nhằm giải quyết các thách thức như nhu cầu đi lại ngày càng tăng, lượng khí thải
CO2, các vấn đề an toàn và suy thoái môi trường. Tận dụng sự phong phú của dữ liệu định lượng và
định tính trong kỷ nguyên kỹ thuật số, việc giải quyết những mối lo ngại này trở nên khả thi hơn. Việc
triển khai thành công AI đòi hỏi sự hiểu biết sâu sắc về sự tương tác giữa AI, dữ liệu, đặc điểm hệ
thống giao thông và các biến số. Hơn nữa, việc sử dụng các công nghệ này mang lại một con đường
đầy hứa hẹn cho các cơ quan vận tải nhanh chóng giảm bớt tắc nghẽn, nâng cao độ tin cậy về thời
gian di chuyển và tối ưu hóa tính kinh tế cũng như năng suất của các tài sản quan trọng. Bài viết này
cung cấp cái nhìn tổng quan toàn cầu về các kỹ thuật AI được áp dụng để giải quyết các vấn đề giao
thông, đặc biệt là trong quản lý giao thông, an toàn, giao thông công cộng và di chuyển trong đô thị.
Phần tổng quan kết thúc bằng cách nêu bật những thách thức và hạn chế liên quan đến ứng dụng AI
trong lĩnh vực giao thông vận tải. Từ khóa: trí tuệ nhân tạo, an toàn, môi trường, năng suất.

https://www.researchgate.net/publication/
354640465_Use_of_Artificial_Intelligence_In_Logistics_Management

Ngoài ra, theo Arjun Sharma, tác giả của bài “ Unleashing the Power of AI: Transforming the Supply
Chain for the Future” đã cho rằng lĩnh vực logistics đang chứng kiến sự gia tăng ứng dụng trí tuệ
nhân tạo (AI), giúp hợp lý hóa các hoạt động, tăng cường tự động hóa và nâng cao hiệu suất. Chuỗi
cung ứng rất cần thiết cho thế giới thương mại quốc tế hiện đại, nhịp độ nhanh vì nó liên kết các
nguồn lực thô với khách hàng cuối cùng. Mọi ngành công nghiệp đều đang chứng kiến sự gia tăng sử
dụng trí tuệ nhân tạo (AI) và quản lý chuỗi cung ứng cũng không ngoại lệ. Những công cụ này đang
thay đổi chuỗi cung ứng trong các tổ chức như FedEx, UPS và DHL khi chúng trao quyền cho các
doanh nghiệp cải thiện hoạt động, đơn giản hóa quy trình và suy nghĩ lại cách tiếp cận quản lý chuỗi
cung ứng của họ. Giá trị toàn cầu của AI trong ngành ước tính đạt 17,5 tỷ USD vào năm 2028. Trên
thực tế, trí tuệ nhân tạo (AI) đã dự đoán được nhu cầu của khách hàng, sử dụng robot để vận chuyển
sản phẩm qua kho và tối ưu hóa lộ trình giao hàng theo thời gian. khách hàng nhận được một hộp
Amazon tại nhà.https://supplychainconnect.com/supply-chain-technology/article/21271995/
unleashing-the-power-of-ai-transforming-the-supply-chain-for-the-future?
fbclid=IwAR1d1xTsCdHu49F2svk8XVOFHllWF9BuqcCDkDZod14Msfngw5kxUQd3zws

Trong bài nghiên cứu có tựa đề “Global Artificial Intelligence in Supply Chain Management Market by
Technology, Processes, Solutions, Management Function (Automation, Planning & Logistics,
Inventory, Risk), Deployment Model, Business Type, and Industry Verticals 2023-2028” (2023) đã
cung cấp phân tích chuyên sâu về các cân nhắc khác nhau trong quá trình bắt đầu vận hành và triển
khai thị trường liên quan đến Trí tuệ nhân tạo (AI) trong Quản lý chuỗi cung ứng (SCM). Nó bao gồm
quản lý danh tính, theo dõi vị trí theo thời gian thực, các loại AI, công nghệ, nền tảng, kết nối, tích
hợp IoT và các mô hình triển khai, bao gồm AI-as-a-Service (AIaaS).
Báo cáo đưa ra dự báo từ năm 2023 đến năm 2028, tập trung vào doanh thu AIaaS ở Trung Quốc. Nó
đánh giá tác động toàn cầu, khu vực và quốc gia cụ thể của AI trong SCM, nêu bật mười quốc gia
hàng đầu mỗi khu vực dựa trên thị phần. Phân tích bao gồm các công ty hàng đầu tận dụng AI trong
chuỗi cung ứng của họ, đánh giá điểm mạnh và điểm yếu của họ.

Hơn nữa, báo cáo còn xem xét AI trong SCM trên các ngành dọc và ứng dụng trong ngành, chẳng hạn
như theo dõi chuyển động nguyên vật liệu trong sản xuất và quản lý cung ứng thuốc trong chăm sóc
sức khỏe. Nó cung cấp cái nhìn sâu sắc về tương lai của AI trong SCM, nhấn mạnh vào các cải tiến
hiệu suất như tối ưu hóa doanh thu, nâng cao sự hài lòng của chuỗi cung ứng và giảm chi phí.

 AI toàn cầu trong thị trường SCM được dự đoán sẽ đạt 17,5 tỷ USD vào năm 2028.
 Khu vực Châu Á Thái Bình Dương dẫn đầu cả về quy mô và tốc độ tăng trưởng trong việc áp
dụng AI trong SCM.
 Dịch vụ AI dựa trên đám mây dành cho SCM dự kiến sẽ vượt 3,7 tỷ USD trên toàn cầu vào
năm 2028.
 AI trong SCM dành cho điện toán biên trong các giải pháp hỗ trợ IoT được dự đoán sẽ đạt
6,12 tỷ USD vào năm 2028.
 Việc tích hợp Trí tuệ nhân tạo vạn vật được xác định là động lực quan trọng để tối ưu hóa
SCM.
 Di chuyển và theo dõi nguyên liệu tạo thành phân khúc phụ lớn nhất trong AI trong SCM
dành cho sản xuất.
 Chuỗi cung ứng hỗ trợ AI chứng minh hiệu quả hơn 67%, góp phần giảm rủi ro và tiết kiệm
chi phí tổng thể.

Global Artificial Intelligence in Supply Chain Management Market by Technology, Processes,

Solutions, Management Function (Automation, Planning & Logistics, Inventory, Risk),
Deployment Model, Business Type, and Industry Verticals 2023-2028 (researchandmarkets.com)

Tác giả của bài nghiên cứu “ The Future of Supply Chain Management: How AI is Transforming the
Industry” ông Larry Sherrod (2023) đã nhắc trong bài nghiên cứu rằng một trong những trách nhiệm
quan trọng nhất trong lĩnh vực hậu cần là tổ chức và giám sát các tuyến vận tải. Các công ty hậu cần
có thể sử dụng AI để tối ưu hóa các tuyến đường của họ tùy thuộc vào nhiều biến số khác nhau, bao
gồm giao thông, thời tiết và lịch trình giao hàng. Bạn có thể tìm thấy đường dẫn hiệu quả nhất về
mặt chi phí cho mỗi lần giao hàng bằng cách sử dụng phần mềm tối ưu hóa lộ trình do AI cung cấp,
phần mềm này cũng giúp tăng tốc độ giao hàng. Hơn nữa, trong môi trường kinh doanh hiện nay,
tính bền vững và nguồn cung ứng có đạo đức ngày càng trở nên quan trọng hơn. Thông qua việc xác
định các cơ hội giảm chất thải, cải thiện hiệu quả sử dụng năng lượng và giảm thiểu tác động môi
trường của chuỗi cung ứng, trí tuệ nhân tạo (AI) có thể hỗ trợ các công ty đạt được các mục tiêu bền
vững của họ.

John Deere đang sử dụng AI để tăng cường khả năng bảo trì dự đoán của mình. Doanh nghiệp đã tạo
ra một hệ thống có thể nhận ra các vấn đề có thể xảy ra với máy móc của mình trước khi chúng gây
ra trục trặc. John Deere đã có thể cắt giảm 20% chi phí bảo trì nhờ điều này.

Boeing đang sử dụng AI để tăng cường kiểm soát chất lượng. Doanh nghiệp đã tạo ra một hệ thống
có thể tìm ra sai sót trong hàng hóa của mình trước khi người mua nhận được chúng. Kết quả là
Boeing đã có thể giảm chi phí bảo hành và nâng cao chất lượng sản phẩm của mình.

General Electric cũng đang sử dụng AI để nâng cao quy trình mua sắm của mình. Doanh nghiệp đã
tạo ra một hệ thống có thể tự động nhận ra các nhà cung cấp hàng đầu cho hàng hóa của mình. Nhờ
đó, General Electric đã có thể cắt giảm 10% chi phí mua sắm của mình.
Siemens đang tăng cường quản lý rủi ro bằng AI. Doanh nghiệp đã tạo ra một hệ thống có thể nhận
biết các mối nguy hiểm có thể xảy ra trong chuỗi cung ứng. Kết quả là khả năng gặp rủi ro của
Siemens đã giảm và khả năng chống chọi với sự gián đoạn của công ty đã tăng lên.

Intel đang tăng cường quá trình phát triển sản phẩm của mình bằng AI. Doanh nghiệp đã tạo ra một
hệ thống có thể tự mình đưa ra các ý tưởng sản phẩm mới. Kết quả là Intel đã có thể tung ra các sản
phẩm mới nhanh hơn và hợp lý hóa quy trình phát triển sản phẩm của
mình.https://www.linkedin.com/pulse/how-ai-can-transform-logistics-industry-salih-cakir?
fbclid=IwAR04AcnBksN5VvK5GjFID-9KuyIextmXEdbn-nrQLnDG8KDk6Fzh1mMzYAk

Tác giả Larry Sherrod (2023) trong cùng tác phẩm ngoài ra còn nhắc đến việc dự báo chính xác nhu
cầu của khách hàng và kiểm soát mức tồn kho để đáp ứng nhu cầu đó là một trong những vấn đề lớn
nhất của SCM. Khi cần theo kịp hành vi thay đổi của khách hàng và xu hướng thị trường, các kỹ thuật
dự báo truyền thống thường thất bại. Trí tuệ nhân tạo (AI) cung cấp một phương pháp dự báo nhu
cầu chính xác và năng động hơn nhờ khả năng đánh giá khối lượng dữ liệu khổng lồ.

Để dự báo nhu cầu trong tương lai, thuật toán học máy có thể phân tích dữ liệu bán hàng trong quá
khứ, xu hướng truyền thông xã hội, kiểu thời tiết và các yếu tố bên ngoài khác. Kết quả là sẽ có ít tình
trạng hết hàng và tồn kho quá mức do các quyết định quản lý hàng tồn kho được đưa ra chính xác và
kịp thời hơn. Kết quả là giảm chất thải, chi phí lưu trữ được tối ưu hóa và nâng cao sự hài lòng của
khách hàng.

Bằng cách cung cấp cái nhìn thực về toàn bộ chuỗi cung ứng, trí tuệ nhân tạo (AI) có thể tăng cường
hợp tác và giao tiếp giữa những người tham gia chuỗi cung ứng. Các nền tảng được hỗ trợ bởi AI có
thể kết hợp thông tin từ các nhà phân phối, nhà sản xuất, nhà cung cấp và nhà bán lẻ cùng với các
nguồn khác để cung cấp một nguồn sự thật duy nhất cho tất cả các bên liên quan.

Do khả năng hiển thị tăng lên, các bên liên quan có khả năng phát hiện tốt hơn những điểm kém hiệu
quả, tắc nghẽn và các lĩnh vực cần cải thiện, tạo điều kiện thuận lợi cho việc ra quyết định và hợp tác
tốt hơn. AI cũng có khả năng phân tích dữ liệu này để đưa ra những hiểu biết sâu sắc và đề xuất có
thể được đưa vào sử dụng nhằm tối đa hóa hiệu suất của chuỗi cung ứng.

Mối quan hệ tốt với nhà cung cấp là điều cần thiết cho sự thành công của bất kỳ chuỗi cung ứng nào.
Mặt khác, những gián đoạn không lường trước được như bất ổn tài chính, thiên tai hoặc khủng
hoảng địa chính trị có thể gây nguy hiểm nghiêm trọng cho hoạt động của công ty. AI giám sát và
phân tích dữ liệu từ nhiều nguồn khác nhau, bao gồm các bài báo, báo cáo tài chính và mạng xã hội,
để hỗ trợ doanh nghiệp chủ động xác định và giảm thiểu những rủi ro này.

AI có thể dự báo những gián đoạn trong tương lai và đề xuất các chiến thuật tìm nguồn cung ứng
khác nhau bằng cách phát hiện các mẫu và xu hướng trong dữ liệu này. Bằng cách này, các doanh
nghiệp có thể giảm bớt tác động của sự gián đoạn đối với chuỗi cung ứng của mình và đưa ra những
quyết định sáng suốt về mối quan hệ của họ với các nhà cung
cấp.https://www.linkedin.com/pulse/future-supply-chain-management-how-ai-transforming-
industry-sherrod?fbclid=IwAR3WEi--7amdfMjqhePX8kJimyuiaDfdzLIVP_3j7JtoiE9NI_u20MDhb6I

Trong bài nghiên cứu mang tên “The role of AI in logistics and supply chain” của tác giả Akash Takyar
Giám đốc điều hành và người sáng lập LeewayHertz đã nhắc lại rằng trong quản lý chuỗi cung ứng và
logistics, Trí tuệ Nhân tạo (AI) đã trở thành một yếu tố biến đổi mạnh mẽ, mang đến các giải pháp tự
động hóa cho các nhiệm vụ lặp lại, tối ưu hóa đường đi, tăng cường an ninh, giảm chi phí và cải thiện
trải nghiệm khách hàng. Bằng cách sử dụng AI, doanh nghiệp có thể tối ưu hóa hoạt động, tăng
cường sự hài lòng của khách hàng và tăng cường lợi nhuận. Theo nghiên cứu thị trường đã được xác
minh, thị trường AI trong quản lý chuỗi cung ứng và hậu cần đạt 3.037,98 triệu USD vào năm 2022.
Dự đoán cho thấy rằng thị trường này dự kiến sẽ đạt mức 64.459,38 triệu USD vào năm 2030, phản
ánh một tốc độ tăng trưởng đáng kể với tỷ lệ CAGR là 46,50% từ năm 2023 đến
2030.https://www.leewayhertz.com/ai-in-logistics-and-supply-chain/?
fbclid=IwAR0wC1I_XdEcO3tih3d_z33ip8NfbJ14IjWfKXkqq0fO8DLbN4Sm7XNJSr4#:~:text=AI%20can
%20help%20improve%20delivery,increase%20speed%2C%20and%20improve%20efficiency

AI phân tích dữ liệu về việc trả lại, sửa chữa và tân trang để đẩy nhanh quá trình logistics ngược và
quản lý trả lại. Nó tăng hiệu quả bằng cách hỗ trợ xác định đường đi tối ưu cho hàng hóa bị trả lại,
đưa ra các lựa chọn về bảo trì hoặc thải bỏ và phân bổ hàng tồn kho cho các mặt hàng tân trang một
cách tối ưu.

Rogers và Tibben-Lembke (2001) ước tính rằng logistics ngược là một phần quan trọng trong chi phí
logistics của Mỹ và chi phí logistics chiếm khoảng 9,9% nền kinh tế Mỹ. Phương pháp trí tuệ nhân tạo
và học máy mang lại kết quả nhanh hơn và chính xác hơn trong các tập dữ liệu phức tạp (Alpaydın,
2014: Ngoài ra, học máy là một trong những lĩnh vực nghiên cứu hiệu quả nhất trong cả việc ứng
dụng các kỹ thuật mới và thuật toán lý thuyết cũng như áp dụng chúng Đối với các vấn đề trong đời
thực, hãy xác định các bộ phân loại theo từng cách tiếp cận của cộng đồng trong bối cảnh điểm tín
dụng, vì mục đích này, hiệu suất ước tính của cây quyết định C4.5, cảm biến nhiều lớp, hồi quy
logistic, hàng xóm gần nhất và các bộ phân loại Bayes ngây thơ đã được đánh giá. Lamrini và cộng sự
(2016) đã trình bày một mô hình động của quy trình dựa trên mạng lưới thần kinh nhân tạo nhằm
ước tính nhiệt độ của bột bánh mì và công suất cần thiết để nhào. của nhiều đồ vật hoặc đồ vật.
Những đồ vật hoặc đồ vật này bao gồm cảm biến, bộ truyền động, RFID, điện thoại di động, v.v.,
chúng cộng tác với nhau thông qua cơ chế đánh địa chỉ với bạn bè và bạn của bạn bè chúng để đạt
được nhiệm vụ mong muốn. Internet trong tương lai sẽ bao gồm hàng triệu đối tượng. lIoT sẽ mang
đến cơ hội cho người dùng, nhà sản xuất và nhà cung cấp dịch vụ và biến tất cả thành ảo thực sự. Ở
mức độ phát triển hiện tại của công nghệ, hợp đồng thông minh có thể được lập trình để thực hiện
các chức năng đơn giản. Ví dụ: một công cụ phái sinh có thể được thanh toán khi Công cụ tài chính
đáp ứng một tiêu chuẩn nhất định, với việc sử dụng công nghệ chuỗi khối và Bitcoin cho phép thanh
toán được tự động hóa. Với việc Etherum là mạng hợp đồng thông minh lớn nhất, một số sàn giao
dịch tiền điện tử hàng đầu như OKEx cũng đang triển khai mạng hợp đồng thông minh phi tập trung
như OKEx Chain, nơi người dùng có thể khởi chạy các ứng dụng phi tập trung của họ, tạo các cặp
giao dịch mã thông báo và giao dịch tự do mà không bị giới hạn về thời gian và địa điểm

https://www.researchgate.net/publication/
354640465_Use_of_Artificial_Intelligence_In_Logistics_Management

Trong cùng bài nghiên cứu ông Akash Takyar ngoài những vấn đề về reverse logistics việc áp dụng AI
vào các trường hợp thực tiễn cũng được nhắc đến một cách chi tiết:
 Link hình nha PA (The role of AI in logistics and supply chain (leewayhertz.com))

Tìm nguồn cung ứng nguyên liệu:

 AI phân tích độ tin cậy của nhà cung cấp, biến động giá cả, tiêu chuẩn chất lượng và khoảng
cách địa lý để có nguồn nguyên liệu thô tối ưu.
 Giám sát liên tục các điều kiện thị trường và hiệu suất của nhà cung cấp giúp giảm thiểu sự
gián đoạn và nâng cao hiệu quả thu mua.

Phòng chống trộm cắp hàng hóa:

 AI, được minh họa bằng RiskGPT của Overhaul, cải thiện thời gian ứng phó sự cố và tính bảo
mật trong chuỗi cung ứng.
 Phân tích dữ liệu theo thời gian thực, mô hình trộm cắp lịch sử và thông tin GPS cho phép
thực hiện các biện pháp chủ động để ngăn ngừa tổn thất hàng hóa.

Cập nhật lưu lượng truy cập theo thời gian thực và định tuyến lại:

 AI giám sát tình trạng giao thông trực tiếp, xem xét thời tiết, đường bị đóng và tai nạn, để
định tuyến lại việc giao hàng và giảm thiểu sự chậm trễ.
 Cho phép các công ty hậu cần đưa ra quyết định nhanh chóng, nâng cao hiệu quả giao hàng
tổng thể.

Quản lý hàng tồn kho tự động:

 Các hệ thống được hỗ trợ bởi AI giám sát mức tồn kho, tự động bổ sung và hợp lý hóa quy
trình chọn đơn hàng.
 Giảm lỗi, nâng cao tốc độ và tối ưu hóa việc sử dụng lực lượng lao động để vận hành kho
hiệu quả hơn.
Tối ưu hóa cách bố trí kho và sử dụng không gian:

 AI phân tích dữ liệu về nhu cầu sản phẩm, mức tồn kho và các yếu tố khác để tối ưu hóa cách
bố trí kho và sử dụng không gian.
 Cải thiện khả năng lưu trữ, giảm thời gian lấy hàng và đóng gói, đồng thời nâng cao hiệu quả
hoạt động tổng thể.

Theo dõi và Giám sát Lô hàng:

 AI đảm bảo theo dõi lô hàng hiệu quả, cung cấp cảnh báo theo thời gian thực về sự chậm trễ
và phân tích dữ liệu vận chuyển để chủ động giải quyết vấn đề.
 Tối ưu hóa lộ trình và lịch trình giao hàng, giảm thời gian giao hàng và nâng cao sự hài lòng
của khách hàng.

Phòng chống hiệu ứng Bullwhip:

 Các công cụ dự báo được hỗ trợ bởi AI làm giảm biến động về cung và cầu bằng cách tận
dụng dữ liệu từ các bên liên quan khác nhau trong chuỗi cung ứng.
 Giúp kiểm soát hiệu ứng bullwhip, giảm tồn kho và tồn đọng.

Định giá động:

 AI cho phép các công ty logistics dự đoán chi phí vận chuyển và điều chỉnh giá theo thời gian
thực, nâng cao khả năng cạnh tranh.
 Các ví dụ bao gồm việc Uber Freight sử dụng thuật toán do AI điều khiển để điều chỉnh giá
dựa trên nhu cầu thị trường và tình trạng sẵn có của tài xế.

Lập kế hoạch tải:

 AI phân tích dữ liệu về khối lượng lô hàng, điểm đến và lịch trình giao hàng để tối ưu hóa
việc phân bổ hàng hóa cho xe tải hoặc container.
 Thích ứng với những thay đổi theo thời gian thực, nâng cao hiệu quả, giảm chi phí vận
chuyển và đảm bảo giao hàng kịp thời.

Phân tích dự đoán:

 Học máy trong quản lý chuỗi cung ứng cung cấp các dự đoán có độ chính xác cao để dự báo
nhu cầu, tối ưu hóa hàng tồn kho và ngăn chặn hiệu ứng roi da.
 Ví dụ bao gồm IKEA sử dụng AI để dự báo nhu cầu chính xác.

Lựa chọn nhà cung cấp và quản lý mối quan hệ:

 AI phân tích dữ liệu sâu rộng để lựa chọn nhà cung cấp dựa trên hiệu suất, chất lượng, giá cả
và các yếu tố địa lý.
 Tăng cường quản lý mối quan hệ nhà cung cấp bằng cách đánh giá các tương tác trong quá
khứ, điều khoản hợp đồng và đề xuất chiến lược đàm phán.

Tính bền vững và tác động môi trường:

 AI tối ưu hóa các tuyến đường vận chuyển để giảm thiểu mức tiêu thụ nhiên liệu và khí thải,
thúc đẩy tính bền vững.
  Hỗ trợ các hoạt động thân thiện với môi trường bằng cách tối ưu hóa vật liệu đóng gói và
giảm chất thải trong chuỗi cung ứng.

Quản lý nguồn tài nguyên:

 AI tối ưu hóa việc phân bổ nhiệm vụ dựa trên dữ liệu khối lượng công việc, giảm tắc nghẽn
và cải thiện năng suất.
 Phân tích dự đoán dự báo các giai đoạn có nhu cầu cao nhất, cho phép doanh nghiệp lên kế
hoạch bố trí nhân sự phù hợp.

Phát hiện gian lận:

 AI, sử dụng các thuật toán tiên tiến, phát hiện gian lận trong chuỗi cung ứng bằng cách xem
xét kỹ lưỡng các bộ dữ liệu khổng lồ để tìm các mô hình và sự bất thường.
 Các hệ thống phát hiện gian lận theo thời gian thực, như của Convoy, chủ động ngăn chặn
các hoạt động gian lận trong giao dịch chuỗi cung ứng.

The role of AI in logistics and supply chain (leewayhertz.com)