Mercato dell’intelligenza artificiale generativa nella logistica: per tipo (codificatore automatico variazionale (VAE), reti generative avversarie (GAN), reti neurali ricorrenti (RNN), reti di memoria a lungo termine (LSTM), per componente, per modello di implementazione, per applicazione, Per previsione utente finale 2024-2032
Published on: 2024-07-07 | No of Pages : 240 | Industry : Media and IT
Publisher : MRA | Format : PDF&Excel
Mercato dell’intelligenza artificiale generativa nella logistica: per tipo (codificatore automatico variazionale (VAE), reti generative avversarie (GAN), reti neurali ricorrenti (RNN), reti di memoria a lungo termine (LSTM), per componente, per modello di implementazione, per applicazione, Per previsione utente finale 2024-2032
AI generativa nel mercato della logistica - Per tipo (Variational Autoencoder (VAE), Generative Adversarial Networks (GAN) ), Reti neurali ricorrenti (RNN), Reti di memoria a lungo termine (LSTM), per componente, per modello di implementazione, per applicazione, per previsione utente finale 2024 - 2032
Dimensioni del mercato dell'AI generativa nella logistica
Le dimensioni del mercato dell'AI generativa nella logistica sono state valutate a 864,3 milioni di dollari nel 2023 e si stima registreranno un CAGR di oltre 33,2% tra il 2024 e il 2032.
L'intelligenza artificiale generativa aiuta a ottimizzare le catene di approvvigionamento prevedendo la domanda, identificando potenziali interruzioni e suggerendo percorsi o soluzioni alternativi, migliorando l'efficienza e riducendo i costi.< /p>
Per ottenere le principali tendenze del mercato
Scarica campione gratuito
L'automazione basata sull'intelligenza artificiale nella gestione del magazzino, incluso il monitoraggio dell'inventario, l'utilizzo dello spazio e la manutenzione predittiva, semplifica le operazioni e migliora la precisione. Gli algoritmi di intelligenza artificiale generativa consentono una pianificazione e un'ottimizzazione del percorso più efficienti, riducendo i tempi di consegna e il consumo di carburante analizzando i modelli di traffico, le condizioni meteorologiche e altre variabili.
Attributo report | Dettagli th> |
---|---|
Anno base | 2023 |
L'intelligenza artificiale generativa nelle dimensioni del mercato logistico nel 2023 | 864,3 milioni di dollari |
Periodo di previsione | 2024-2032< /td> |
CAGR previsto per il periodo 2024-2032 | 33,2% |
032 Proiezione del valore | 10,9 miliardi di dollari |
Dati storici per | 2021-2023 | tr>
No. di pagine | 270 |
Tabelle, grafici e amp; Cifre | 350 |
Segmenti coperti | Tipo, componente, modello di distribuzione, applicazione,Utente finale |
Fattori di crescita |
|
Insidie e problemi Sfide |
|
Quali sono le opportunità di crescita in questo mercato?
Scarica campione gratuito
Avanzato l'analisi predittiva basata sull'IA generativa fornisce previsioni della domanda più accurate, aiutando le aziende di logistica a gestire l'inventario, ridurre gli sprechi e migliorare efficienza complessiva dei costi. I chatbot e gli assistenti virtuali basati sull'intelligenza artificiale migliorano il servizio clienti fornendo aggiornamenti in tempo reale, gestendo le richieste e risolvendo tempestivamente i problemi. Ad esempio, nel febbraio 2024, IBM ha lanciato Maximo MRO Inventory Optimization, uno strumento innovativo basato sull’intelligenza artificiale volto a ottimizzare la gestione dell’inventario. Analizzando i dati storici e utilizzando l'analisi predittiva, questa soluzione aiuta le aziende a gestire i livelli di inventario in modo più efficiente, riducendo le scorte in eccesso e migliorando le prestazioni finanziarie.
Una limitazione significativa è la disponibilità di dati di qualità. L’intelligenza artificiale generativa fa molto affidamento su dati completi e di alta qualità per previsioni e processi decisionali accurati. Dati incoerenti, incompleti o distorti possono portare a risultati non ottimali. L’intelligenza artificiale generativa può perpetuare o amplificare i pregiudizi presenti nei dati di addestramento, portando a risultati ingiusti o non etici. Affrontare questi pregiudizi e garantire pratiche etiche di intelligenza artificiale è fondamentale.
L'integrazione dell'intelligenza artificiale generativa nei sistemi logistici può essere complessa. Molte aziende logistiche utilizzano sistemi legacy che potrebbero non integrarsi perfettamente con le nuove tecnologie di intelligenza artificiale. L'aggiornamento o la sostituzione di questi sistemi può essere costoso e richiedere molto tempo. L’implementazione dell’intelligenza artificiale generativa richiede conoscenze e competenze specializzate. Formare la forza lavoro per utilizzare e gestire in modo efficace i sistemi di intelligenza artificiale può rappresentare una sfida e un investimento significativi.
L'intelligenza artificiale generativa nelle tendenze del mercato logistico
L'intelligenza artificiale generativa nel settore della logistica sta assistendo a una tendenza notevole con l’emergere di soluzioni innovative da parte di vari attori del settore. Queste iniziative innovative stanno rimodellando il panorama dell’intelligenza artificiale generativa nella logistica sfruttando le partnership con attori consolidati per offrire soluzioni uniche e su misura.L’intelligenza artificiale generativa è sempre più utilizzata per prevedere la domanda con maggiore precisione. Analizzando vasti set di dati, i modelli di intelligenza artificiale possono prevedere le tendenze della domanda, consentendo alle aziende di logistica di ottimizzare la gestione dell'inventario e ridurre sia le scorte in eccesso che quelle esaurite.
L'intelligenza artificiale generativa sta trasformando l'ottimizzazione dei percorsi elaborando dati in tempo reale su traffico, meteo, e orari di consegna. Ciò consente ai fornitori di logistica di identificare i percorsi più efficienti, riducendo il consumo di carburante e i tempi di consegna. L’automazione basata sull’intelligenza artificiale nei magazzini è una tendenza in crescita, con l’intelligenza artificiale generativa che consente operazioni robotiche più sofisticate. Ciò include attività come lo smistamento, l'imballaggio e persino la gestione dei resi, il miglioramento dell'efficienza operativa e la riduzione dei costi di manodopera. L’intelligenza artificiale generativa viene sfruttata per offrire servizi più personalizzati ai clienti. Ciò include la fornitura di informazioni di tracciamento in tempo reale, opzioni di consegna su misura e comunicazione proattiva sullo stato della spedizione, migliorando così la soddisfazione del cliente.
Ad esempio, nel febbraio 2024, Maersk, un attore nel settore delle navi portacontainer, ha testato modelli di IA generativa per la previsione della domanda, con l'obiettivo di aumentare l'accuratezza delle previsioni e consentire la pianificazione della capacità.
AI generativa nell'analisi del mercato logistico
Scopri di più sui segmenti chiave che plasmano questo mercato< /p>
Scarica campione gratuito
In base al tipo, il mercato è suddiviso in Encoder variazionali (VAE), Reti generative avversarie (GAN), Reti neurali ricorrenti (RNN) e Long Short reti di memoria a termine (LSTM) e altre. Si prevede che il segmento VAE deterrà oltre il 30% della quota di mercato entro il 2032. I VAE possono ottimizzare l’allocazione delle risorse generando dati sintetici per l’addestramento di modelli logistici, riducendo la necessità di ampi dati del mondo reale. Le anomalie nelle operazioni logistiche possono essere rilevate apprendendo la distribuzione dei dati normali e segnalandone le deviazioni.
I VAE possono simulare vari scenari di rischio nella logistica, consentendo alle aziende di prepararsi meglio e mitigare rischi come interruzioni della fornitura catene o eventi imprevisti. I VAE possono prevedere le richieste logistiche aiutando nella gestione delle scorte e nelle operazioni efficienti della catena di approvvigionamento. Gli algoritmi di ottimizzazione del percorso possono essere ottimizzati dai VAE con conseguente risparmio sui costi e tempi di consegna più rapidi.
Scopri di più sui segmenti chiave che plasmano questo mercato
Scarica campione gratuito
< p> In base alla modalità di implementazione, l'intelligenza artificiale generativa nel mercato della logistica è classificata in cloud e on-premise. Nel 2023, il segmento cloud deteneva oltre il 57,5% della quota di mercato. L’implementazione del cloud consente un’infrastruttura scalabile, consentendo alle aziende logistiche di gestire grandi volumi di dati in modo efficiente, il che è fondamentale per i modelli di intelligenza artificiale generativa. Le soluzioni basate sul cloud offrono spesso modelli a consumo,ridurre i costi iniziali per le aziende logistiche e rendere più accessibile l’adozione dell’intelligenza artificiale. L’implementazione del cloud offre flessibilità per sperimentare diversi modelli e algoritmi di intelligenza artificiale, consentendo alle aziende di logistica di adattarsi rapidamente alle mutevoli dinamiche del mercato. È possibile accedere alle soluzioni IA basate sul cloud da qualsiasi luogo tramite una connessione Internet, consentendo il processo decisionale e la collaborazione in tempo reale attraverso reti logistiche distribuite.Cerchi dati specifici per regione?
;Scarica campione gratuito
Il Nord America ha dominato il mercato dell'intelligenza artificiale generativa nel mercato della logistica, generando oltre 274 milioni di dollari di entrate nel 2023. L'infrastruttura IT sviluppata del Nord America supporta l'implementazione di complessi modelli di intelligenza artificiale generativa nella logistica , consentendo il processo decisionale e l'ottimizzazione in tempo reale. Le rigorose norme sulla privacy e sulla sicurezza dei dati guidano l’adozione di soluzioni di intelligenza artificiale generativa che garantiscono la conformità nelle operazioni logistiche. Il settore in forte espansione dell'e-commerce in Nord America alimenta la domanda di soluzioni logistiche basate sull'intelligenza artificiale, inclusa l'intelligenza artificiale generativa per la gestione dell'inventario e l'ottimizzazione delle consegne dell'ultimo miglio.
La regione dell'Asia del Pacifico, compresi paesi come il Giappone, La Cina e l’India stanno lentamente diventando un hub per l’intelligenza artificiale generativa nel settore della logistica, alimentata dalla crescita economica e dall’aumento dei redditi disponibili. Cina e Giappone guidano gli investimenti nell’intelligenza artificiale, guidando innovazioni nell’intelligenza artificiale generativa per la logistica, come l’ottimizzazione dei percorsi basata sull’intelligenza artificiale e la manutenzione predittiva. Il variegato panorama della catena di fornitura indiana stimola l’adozione dell’intelligenza artificiale generativa per semplificare i processi logistici, migliorare la visibilità della catena di fornitura e mitigare i rischi. L'Asia Pacifico abbraccia le tecnologie emergenti, come blockchain e IoT, integrandole con l'intelligenza artificiale generativa per creare solide soluzioni logistiche per una maggiore efficienza e risparmi sui costi.
L'attenzione dell'Europa alla sostenibilità guida lo sviluppo dell'intelligenza artificiale soluzioni logistiche potenziate, inclusa l’intelligenza artificiale generativa per la pianificazione dei percorsi ecologica e la riduzione delle emissioni. Le iniziative dell’Industria 4.0 in Germania guidano l’integrazione dell’intelligenza artificiale generativa nei sistemi logistici intelligenti, ottimizzando le operazioni di magazzino e la gestione delle scorte. Nel Regno Unito, le sfide logistiche post-Brexit spingono all'adozione dell'intelligenza artificiale generativa per l'ottimizzazione dello sdoganamento e della resilienza della catena di approvvigionamento.
Le iniziative per le città intelligenti degli Emirati Arabi Uniti guidano l'adozione dell'intelligenza artificiale generativa nella logistica per sistemi di trasporto intelligenti, gestione del traffico e ottimizzazione della logistica urbana. La posizione strategica della regione come hub per il commercio transfrontaliero spinge alla necessità di soluzioni di intelligenza artificiale generativa per ottimizzare le operazioni logistiche internazionali e i processi di sdoganamento.
AI generativa nella quota di mercato della logistica
Google Cloud e IBM dominano l'intelligenza artificiale generativa nel settore della logistica,detenendo una quota di mercato superiore al 15%. Le funzionalità AI e ML di Google Cloud, tra cui TensorFlow e AutoML, consentono alle aziende di logistica di sviluppare sofisticati modelli di AI generativa. La sua infrastruttura cloud offre scalabilità e agilità, consentendo l'elaborazione e l'analisi dei dati in tempo reale per l'ottimizzazione della logistica. L'esperienza di Google nell'analisi dei dati e negli insight basati sull'intelligenza artificiale aiuta le aziende di logistica a migliorare la visibilità della catena di fornitura, la previsione della domanda e l'ottimizzazione dei percorsi.
Le offerte di intelligenza artificiale di IBM, come Watson AI e IBM Cloud Pak for Data fornisce funzionalità avanzate di intelligenza artificiale generativa su misura per il settore della logistica. Le sue soluzioni basate sull'intelligenza artificiale consentono analisi predittive, rilevamento di anomalie e processi decisionali intelligenti nei processi logistici. L'esperienza di IBM nel cloud ibrido e nell'edge computing facilita l'implementazione dell'AI nelle reti logistiche distribuite, garantendo bassa latenza e privacy dei dati.
Generative AI in Logistics Market Company
Principali attori operativi nell'intelligenza artificiale generativa nel settore della logistica sono
- Blue Yonder
- CH Robinson
- FedEx Corp
- Google Cloud
- International Business Machines (IBM)
- Microsoft
- PackageX
- Salesforce
AI generativa nel settore della logistica Novità
- Nel gennaio 2024, IBM ha introdotto "LogiGen AI", " una nuova soluzione di intelligenza artificiale generativa progettata specificamente per i settori della logistica e dei trasporti. Questa soluzione incorpora funzionalità di ottimizzazione dei percorsi basate sull'intelligenza artificiale, previsione della domanda e rilevamento di anomalie, consentendo alle aziende di logistica di migliorare l'efficienza operativa e la soddisfazione dei clienti.
- Nel dicembre 2023, UPS ha implementato algoritmi di intelligenza artificiale generativa in la sua rete logistica, nota come "UPS AI Logistics Engine", per ottimizzare lo smistamento dei pacchi e i percorsi di consegna. Questo approccio basato sull'intelligenza artificiale migliora l'efficienza delle consegne, riduce i tempi di transito e minimizza l'impatto ambientale, allineandosi agli obiettivi di sostenibilità di UPS e alle aspettative dei clienti.
- Nel giugno 2023, Microsoft ha lanciato " ;Toolkit per la logistica dell'intelligenza artificiale di Azure," un toolkit di intelligenza artificiale generativa su misura per il settore della logistica. Offre modelli predefiniti per l'ottimizzazione dei percorsi, la previsione della catena di fornitura e l'analisi dei rischi, consentendo alle aziende di logistica di accelerare l'adozione dell'intelligenza artificiale e promuovere l'eccellenza operativa attraverso approfondimenti basati sui dati.
L'intelligenza artificiale generativa in Il rapporto sulle ricerche di mercato della logistica include una copertura approfondita del settore con stime e amp; previsioni in termini di ricavi (miliardi di dollari) dal 2021 al 2032,per i seguenti segmenti
Fai clic qui per accedere alla sezione Acquista di questo rapporto
Mercato, per tipo
- Autoencoder variazionale (VAE)
- Reti generative avversarie (GAN)
- Reti neurali ricorrenti (RNN)
- Memoria a breve termine (LSTM) reti
- Altri
Mercato, per componente
- Software
- Servizi
Mercato, per modalità di distribuzione
- Cloud
- On-premise ul>
- Ottimizzazione del percorso
- Autoencoder variazionale (VAE)
- Reti avversarie generative (GAN)
- Ricorrenti Reti neurali (RNN)
- Reti con memoria a lungo termine e breve termine (LSTM)
- Altro
- Previsione della domanda
- < li>Autoencoder variazionale (VAE)
- Reti generative avversarie (GAN)
- Reti neurali ricorrenti (RNN)
- Reti di memoria a breve termine (LSTM) < /li>
- Altro
- Gestione del magazzino e dell'inventario
- Autoencoder variazionale (VAE)
- Reti generative avversarie (GAN)
- Reti neurali ricorrenti (RNN)
- Reti di memoria a breve termine (LSTM)
- Altro
< li>Automazione della catena di fornitura - Autoencoder variazionale (VAE)
- Reti avversarie generative (GAN)
- Reti neurali ricorrenti (RNN)
- Long Reti di memoria a breve termine (LSTM)
- Altro
- Manutenzione predittiva
- Autoencoder variazionale (VAE)
- Reti generative avversarie (GAN)
- Reti neurali ricorrenti (RNN)
- Reti di memoria a breve termine (LSTM)
- Altro ul>
- Gestione del rischio
- Autoencoder variazionale (VAE)
- Reti avversarie generative (GAN)
- Reti neurali ricorrenti (RNN) li>
- Reti di memoria a lungo termine (LSTM)
- Altro
- Soluzioni logistiche personalizzate
- Autoencoder variazionale (VAE )
- Reti generative avversarie (GAN)
- Reti neurali ricorrenti (RNN)
- Reti di memoria a breve termine (LSTM)
- Altri
- Altri
- Autoencoder variazionale (VAE)
- Reti avversarie generative (GAN)
- Neurale ricorrente Reti (RNN)
- Reti con memoria a lungo termine e breve termine (LSTM)
- Altro
Mercato,Per applicazione
Mercato, per utente finale
- Trasporto stradale
- Trasporto ferroviario
- Aviazione
- Spedizioni,e porti
Le informazioni di cui sopra sono fornite per le seguenti regioni e paesi
- Nord America
- Stati Uniti
- Canada
- Europa
- Regno Unito
- Germania
- Francia
- Italia li>
- Spagna
- Russia
- Nordici
- Resto d'Europa
- Asia Pacifico < ul>
- Cina
- India
- Giappone
- Corea del Sud
- ANZ
- Sud-est asiatico li>
- Resto dell'Asia Pacifico
- Brasile
- Messico
- Argentina
- Resto dell'America Latina
- EAU
- Arabia Saudita
- Sud Africa
- Resto del MEA
Sommario
< p>Contenuto del rapporto
Capitolo 1 Metodologia & Ambito
1.1Progettazione della ricerca
1.1.1 Approccio alla ricerca
1.1.2 Metodi di raccolta dati
1.2 Stime e calcoli di base
1.2.1 Calcolo dell'anno base
1.2.2 Tendenze chiave per le stime di mercato
1.3 Modello di previsione
1.4 Ricerca primaria & convalida
1.4.1 Fonti primarie
1.4.2 Fonti di data mining
1.5 Definizioni del mercato
Capitolo 2 Sintesi di Industry 3600
2.1 Sinossi di Industry 3600, 2021-2032
Capitolo 3 Approfondimenti di settore
3.1 Analisi dell'ecosistema industriale
3.2Panorama dei fornitori
3.2.1 Fornitori di assicurazioni
3.2.2 Canali di distribuzione
3.2.3 Utenti finali
3.3 Analisi del margine di profitto
3.4 Tecnologia & panorama dell'innovazione
3.5 Analisi dei brevetti
3.6 Principali novità e opportunità iniziative
3.7 Panorama normativo
3.8 Forze di impatto
3.8.1 Fattori di crescita
3.8.1.1 Ottimizzazione della catena di fornitura e della pianificazione dei percorsi
3.8.1.2 Aumento della domanda di gestione del magazzino
3.8.1.3 Precisione nella previsione della domanda
3.8.1.4 Raggiungimento dell'efficienza in termini di costi
3.9 Insidie e problemi del settore sfide
3.9.1.1Qualità e disponibilità dei dati
3.9.1.2Complessità nell'integrazione
3.10 Analisi del potenziale di crescita
3.11 Analisi di Porter
3.12 Analisi PESTEL
Capitolo 4Panorama competitivo, 2023
4.1Introduzione
4.2Analisi delle quote di mercato delle aziende< /p>
4.3 Matrice del posizionamento competitivo
4.4 Matrice delle prospettive strategiche
Capitolo 5 Stime di mercato e analisi Previsioni, per tipo, 2021-2032 (miliardi di dollari)
5.1 Tendenze principali
5.2 Variational Autoencoder (VAE) )
5.3 Reti avversarie generative (GAN)
5.4 Reti neurali ricorrenti (RNN)
5.5 Reti con memoria a breve termine (LSTM)
5.6 Altri
Capitolo 6 Stima e analisi del mercato Previsioni, per componente, 2021-2032 (miliardi di dollari)
6.1 Tendenze principali
6.2 Software
6.3 Servizi
Capitolo 7 Stime di mercato e analisi Previsioni, per modalità di implementazione, 2021-2032 (miliardi di dollari)
7.1 Tendenze chiave
7.2 Cloud p>
7.3 Locale
Capitolo 8 Stime di mercato e analisi Previsioni, per applicazione, 2021-2032 (miliardi di dollari)
8.1 Tendenze chiave
8.2 Ottimizzazione del percorso p>
8.2.1 Codificatore automatico variazionale (VAE)
8.2.2 Reti avversarie generative (GAN)
8.2.3 Reti neurali ricorrenti (RNN)
8.2.4 Reti di memoria a breve termine (LSTM)
8.2.5 Altri
8.3 Previsione della domanda
8.3.1 Codificatore automatico variazionale (VAE)
8.3.2 Reti avversarie generative (GAN)
8.3.3 Reti neurali ricorrenti (RNN)
8.3.4 Reti di memoria a breve termine (LSTM)
8.3.5 Altro
8.4 Gestione del magazzino e dell'inventario
8.4.1 Codificatore automatico variazionale (VAE)
8.4.2 Reti avversarie generative (GAN)
8.4.3 Reti neurali ricorrenti (RNN)
8.4.4 Reti di memoria a breve termine (LSTM)
8.4.5 Altri
8.5 Automazione della catena di fornitura
8.5.1 Codificatore automatico variazionale (VAE)
8.5.2 Reti avversarie generative (GAN)
8.5.3 Reti neurali ricorrenti (RNN)
8.5.4 Reti di memoria a breve termine (LSTM)
8.5.5 Altri
8.6 Manutenzione predittiva
8.6.1 Codificatore automatico variazionale (VAE)
8.6.2 Reti avversarie generative (GAN)
8.6.3 Reti neurali ricorrenti (RNN)
8.6.4 Reti di memoria a breve termine (LSTM)
8.6.5 Altri
8.7 Gestione del rischio
8.7.1 Codificatore automatico variazionale (VAE)
8.7.2 Reti avversarie generative (GAN)
8.7.3 Reti neurali ricorrenti (RNN)
8.7.4 Reti di memoria a breve termine (LSTM)
8.7.5 Altro
8.8 Soluzioni logistiche personalizzate
8.8.1 Codificatore automatico variazionale (VAE)
8.8.2 Reti avversarie generative (GAN)
8.8.3 Reti neurali ricorrenti (RNN)
8.8.4 Reti di memoria a breve termine (LSTM)
8.8.5 Altri
8.9 Altri
8.9.1 Codificatore automatico variazionale (VAE)
8.9.2 Reti avversarie generative (GAN)
8.9.3 Reti neurali ricorrenti (RNN)
8.9.4 Reti di memoria a breve termine (LSTM)
8.9.5 Altri
Capitolo 9 Stime di mercato e analisi Previsioni, per utente finale, 2021-2032 (miliardi di dollari)
9.1 Tendenze chiave
9.2 Trasporti stradali< /p>
9.3 Trasporti ferroviari
9.4 Aviazione
9.5 Spedizioni e porti
p>Capitolo 10 Stime di mercato e analisi Previsioni, per regione, 2021-2032 (miliardi di dollari)
10.1 Tendenze chiave
10.2 Nord America p>
10.2.1 Stati Uniti
10.2.2Canada
10.3Europa
10.3.1Regno Unito
10.3.2 ; Germania
10.3.3Francia
10.3.4Italia
10.3.5 ;Spagna
10.3.6 Russia
10.3.7 Nordici
10.3.8 Resto dell'Europa
10.4 Asia Pacifico
10.4.1 Cina
10.4.2 India
10.4.3 Giappone
10.4.4 Corea del Sud
10.4.5 ANZ< /p>
10.4.6 Sud-est asiatico
10.4.7 Resto dell'Asia Pacifico
10.5 Latino America
10.5.1 Brasile
10.5.2 Messico
10.5.3 Argentina< /p>
10.5.4 Resto dell'America Latina
10.6 MEA
10.6.1 Sud Africa
10.6.2 Arabia Saudita
10.6.3 Emirati Arabi Uniti
10.6.4 Resto di MEA
Capitolo 11 Profili aziendali
11.1 Blue Yonder
11.2 CH Robinson
11.3 DHL
11.4 FedEx Corp
11.5 ;Google Cloud
11.6 IBM
11.7 LeewayHertz
11.8 Microsoft
p>11.9 Nexocode
11.10 PacchettoX
11.11 Salesforce
11.12 SAP SE
11.13 Schneider Electric
11.14 UPS (United Parcel Services)
11.15 XenonStack
11.16 XPO Logistics