Implementation of RPA Bots in Cold Supply Chain Logistics

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Due to the significant use of low-temperature logistics in the transportation of perishable goods, the demand for the cold chain has increased. To ensure delivery efficiency and reduce damage, logistics companies should monitor the status of deliveries over short time intervals. Tracking the delivery status is a time-consuming, resource-intensive, inefficient and repetitive process. Therefore, robotic Process Automation (RPA) applications have attracted the attention of practitioners in the cold chain logistics industry. By studying the workflow of cold chain logistics, this study helps to identify possible areas that require automation. As part of the case study, the performance of two automatic RPA robots used in a forwarding company to check the condition of cargo and temperature conditions was tested and evaluated. The results showed that the introduction of RPA into the workflow significantly reduces data processing time.

About the authors

Alexander V. Medvedev

Russian Biotechnological University (ROSBIOTECH)

Author for correspondence.
Email: medvedevav@mgupp.ru
ORCID iD: 0000-0003-1918-1967
SPIN-code: 6369-3593

Cand. Sci. (Econ.), associate professor, Department of Computer Science and Computer Engineering of Food Production

Russian Federation, Moscow

Artem A. Medvedev

Russian Biotechnological University (ROSBIOTECH)

Email: medvedevav@mgupp.ru
ORCID iD: 0009-0001-5215-7427
SPIN-code: 8498-0024

postgraduate student, Department of Computer Science and Computer Engineering of Food Production

Russian Federation, Moscow

Nikita S. Kireychenkov

Russian Biotechnological University (ROSBIOTECH)

Email: medvedevav@mgupp.ru
ORCID iD: 0009-0001-8048-3705

Department of Computer Science and Computer Engineering of Food Production

Russian Federation, Moscow

References

  1. Chaudhuri A., Dukovska-Popovska I., Subramanian N. et al. Decision-making in cold chain logistics using data analysis: Literature review. International Logistics Management. 2018. No. 29 (3). Pp. 839-861.
  2. Arvianto A., Sofa B.M., Asih A.M.S. et al. Problems of urban logistics and innovative solutions in developed and developing countries: A systematic review of the literature. Int. J. Eng. Bus. Manag. 2021. No. 13. Pp. 1–18.
  3. Ali I., Nagalingam S., Gurd B. A sustainability model for perishable food logistics in the cold chain. International Logistics Management. 2018. No. 29 (3). Pp. 922–941.
  4. Ribeiro J., Lima R., Eckhardt T. et al. Robotic process automation and artificial intelligence in Industry 4.0: Literature review. Procedia Comput. Sci. 2021. No. 181. Pp. 51–58.
  5. Santos F., Pereira R., Vasconcelos H.B. Towards the introduction of robotic process automation: A cross-cutting perspective. Bus. Process. Manag. J. 2019. No. 26 (2). Pp. 405-420.
  6. Medvedev A.V., Gobareva Ya.L., Gorodetskaya O.Yu. Balanced scorecard as a tool for implementing the company's strategy. RISK: Resources, Information, Supply, Competition. 2022. No. 2. Pp. 108–117. (In Rus.)
  7. Li C., Feng W.X., Han S. et al. Digital adaptive management, digital transformation and quality of service in logistics enterprises. J. Glob. Inf. Manag. 2022. No. 30 (1). Pp. 1–26.
  8. Ivanchich L., Susha Vugets D., Bosil Vuksic V. Robotic automation of processes: Matic review of the literature. In: Business process management: Blockchain and the forum of Central and Eastern Europe. BPM 2019. Lecture notes on business information processing. Vol. 361. Cham: Springer, 2019.
  9. Medvedev A.V., Romashevskaya S.V. Continuation of evolution: ERP system Integration. Scientific Review. 2016. No. 9. Pp. 270–277. (In Rus.). EDN: WBMJYB.
  10. Medvedev A.V., Medvedev A.A. Factors of production in assessing the results of economic activity. In: Advances in science and technology: Collection of articles of the LII International Scientific and Practical Conference. Moscow, April 30, 2023. Moscow: Actualnost.RF, 2023. Pp. 281–287. EDN: RWYOZW.
  11. Gorodetskaya O.Yu., Gobareva Ya.L., Medvedev A.V. Innovative technologies for distance learning in conditions of quarantine restrictions. Problems of Economics and Legal Practice. 2021. Vol. 17. No. 3. Pp. 118–125. (In Rus.). EDN: EASCCR.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Program command Lod to Excel

Download (39KB)
Indexing metadata
3. Fig. 2. Program command: Loop

Download (27KB)
Indexing metadata
4. Fig. 3. Program command Keystrokes

Download (36KB)
Indexing metadata
5. Fig. 4. Outbound process for managing temperature-sensitive products

Download (87KB)
Indexing metadata
6. Fig. 5. Improved process

Download (81KB)
Indexing metadata


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».