Sztuczna inteligencja w logistyce

Sztuczna inteligencja (AI) w branży TSL

Branża Transport-Spedycja-Logistyka to jeden z najprężniej rozwijających się sektorów polskiej gospodarki. Proporcjonalnie do rozwoju, branża logistyczna inwestuje w technologie cyfrowe, które pozwalają na automatyzację i optymalizację procesów oraz przynoszą wymierne oszczędności. W obszarze gospodarki magazynowej Polska znajduje się w czołówce krajów europejskich i aspiruje do roli jednego z centrów logistycznych Europy. Dlatego w ostatnim czasie sztuczna inteligencja w logistyce to symbol najwyższego poziomu rozwoju technologicznego. Jest ona w kręgu głębokiego zainteresowania inwestorów logistycznych, którzy mają świadomość, że stanowi dla TSL kolejny etap cyfryzacji i automatyzacji.

Czwarta rewolucja przemysłowa

AI (z ang. Artificial Inteligence) to inteligencja realizowana w sposób inżynieryjny. Zajmuje się tworzeniem modeli zachowań inteligentnych oraz systemów i komputerowych symulujących te zachowania. Polega na konstruowaniu maszyn i programów komputerowych, które są zdolne do realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się numerycznej algorytmizacji. Dziedzina nauki zajmująca się problematyką sztucznej inteligencji to ML (z ang. Machine Learning), czyli uczenie się maszynowe.

Logistyka 4.0, Przemysł 4.0., AI, IoT, robotyzacja, rozwój aplikacji mobilnych to wszystko składowe czwartej rewolucji przemysłowej, która na dobre już zagościła w logistyce magazynowej i transporcie, zapewniając ścisłą współpracę i integrację wszystkich systemów informatycznych, urządzeń, maszyn oraz innych zewnętrznych źródeł danych. Dzięki tym rozwiązaniom jesteśmy w stanie zautomatyzować wiele istotnych funkcji, ważnych w procesie logistycznym. Warto zauważyć, że na obecnym poziomie rozwoju te elementy nie likwidują całkowicie stanowisk pracy, ale pozwalają na przyspieszenie i poprawienie efektywności pewnych czynności i działań, zostawiając człowiekowi więcej czasu na działania wymagające większego zaangażowania.

Zastosowanie AI w logistyce

Elementy sztucznej inteligencji możemy obserwować powszechnie w logistyce magazynowej od planowania zakupów, poprzez monitorowanie łańcucha dostaw, aż do zarządzania logistyką wewnętrzną.

Zaawansowane technologicznie przedsiębiorstwa działają na dopasowanych, zintegrowanych systemach informatycznych, które potrafią się samodoskonalić za pomocą zgromadzonych danych (jak dane historyczne dotyczące czasu kompletacji w kontekście danego Klienta, obsługi produkcji, czy informacji o dostawcach usług logistycznych). Na ich podstawie nabywają nową wiedzę, i budują swoje „doświadczenie”.  Uczenie się maszynowe pozwala dodatkowo na ustalenie w czasie rzeczywistym dostępności produktów z wpływających od Klientów zamówień, z uwzględnieniem wielu mało przewidywalnych z punktu widzenia przedsiębiorstwa elementów, takich jak np. pogoda, czy korki na ulicach.

AI W MAGAZYNIE

W samym magazynie, dzięki sztucznej inteligencji, możliwe jest przeanalizowanie bardzo dużej ilości danych (liczba zamówień, poziom zwrotów i reklamacji, obecne i historyczne stany magazynowe, niezgodności czasu realizacji zadań), które generowane są w systemach WMS i powiązanych. Pozwala to na wykrycie pewnych modeli i wzorców zachowań zarówno Klientów, jak i dostawców oraz uzyskanie informacji o tym, które towary są najczęściej zamawiane, które kompletuje się zazwyczaj razem, w jakie dni tygodnia itp.

Sztuczna inteligencja pomaga w magazynach w obsłudze zaawansowanych algorytmów rozkładania i kompletacji towarów z wykorzystaniem Multi-Order-Picking, czy Zone-Picking, jak i w sprawdzaniu, które towary są pobierane najczęściej. Działanie człowieka ograniczone jest do dostarczenia potrzebnych danych, które system będzie odpowiednio przetwarzał, a my mamy pełną kontrolę nad tym, jakie dane zostaną przekazane oraz w jaki sposób będą przechowywane (obecnie najczęściej w tzw. chmurze).

W celu usprawnienia procesów wewnętrznych w firmach stosuje się też różne techniki dla uzyskania lepszej identyfikacji towarowej i sprawniejszego poruszania się w gąszczu regałów i pól odkładczych. Tutaj zastosowanie odnajdują rozpoznawania typu Voice Picking, gdzie pracownicy wyposażeni w słuchawki i mikrofon otrzymują wskazówki, gdzie znajduje się dany towar oraz instrukcję, jak się do niego dostać, czy rozwiązanie z wykorzystaniem okularów rozszerzonej rzeczywistości, gdzie pracownik magazynowy wszelkie niezbędne informacje potrzebne mu do pracy widzi na soczewce okularów.

W zakresie składowania oraz transportu wewnętrznego coraz częściej stosowane są wózki typu AVG (z ang. Automated Guided Vehicles), które mogą „nauczyć się” poruszania po magazynie, w sposób automatyczny dostosowywać do zmian w otoczeniu magazynowym oraz symultanicznie na nie reagować.

AI w spedycji

Rewolucja technologiczna nie omija też transportu drogowego – wykorzystanie sztucznej inteligencji jest już widoczne w transporcie i spedycji. Dzięki technologii uczenia się maszynowego powstają algorytmy zdolne do prowadzenia pojazdów, czy upłynnienia ruchu drogowego.

Branża TSL czeka tylko na autonomiczne samochody ciężarowe, które kontrolują swoją pracę, uczą się i reagują na warunki zewnętrzne. Pozwoli to uniezależnić się operatorom drogowym od mocno fluktuującego rynku kierowców samochodowych, ograniczyć koszty transportu, czy skrócić czas dostawy.

A co dalej…?

Zalety wykorzystania sztucznej inteligencji w e-commerce

Dzisiaj maszyny uczące się często są wykorzystywane w sklepach internetowych. Na podstawie dotychczasowej historii zakupów, historii przeglądania produktów, na podstawie analizy zakupów innych osób, które kupiły ten sam produkt i cech wspólnych wybranej rzeczy z innymi towarami dostępnymi w asortymencie, zaawansowane algorytmy są w stanie coraz trafniej przewidywać reakcje zakupowe i podpowiadać, co Klient powinien jeszcze dołożyć do swojego koszyka. U operatorów logistycznych systemy działające na podobnych zasadach mogą sugerować sposób, w jaki towary powinny być ułożone w regałach, prognozując również termin i czas pojawienie się zamówienia, które jeszcze nie wpadło do systemu nadrzędnego (ERP). Całkiem prawdopodobne, że w niedalekiej przyszłości system, analizując zaistniałe wcześniej sytuacje i przykłady, będzie mógł sam generować zamówienia i zlecać je do przygotowania w celu wyrównania i ujednolicenia obciążenia pracy w centrach logistycznych.

SZTUCZNA INTELIGENCJA W DATACONSULT

Firma DataConsult proponuje wiele rozwiązań bazujących na uczeniu się maszynowym i sztucznej inteligencji. Nasz dział badań i rozwoju od wielu lat pracuje nad innowacyjnymi projektami z zakresu logistyki magazynowej, również z wykorzystaniem AI.

Projekt nad którym przez ostatni czas pracowaliśmy, i na pewno warto o nim wspomnieć, to System ExpertPack, czyli zautomatyzowany, półautonomiczny system kompletacji i pakowania oparty o mechanizmy sztucznej inteligencji oraz technologię rozszerzonej rzeczywistości. Efekty tego projektu, a w szczególności algorytmy Expert-Bin-Packing, można poznać odwiedzając dedykowaną stronę internetową.

System ExpertPACK

System ExpertPack umożliwia inteligentne przydzielanie i realizację zadań kompletacyjnych i pakujących. Oparty jest o moduł uczący się, personalizujący zadania dla operatora oraz moduł pakujący, optymalizujący położenie towarów w opakowaniach.

Jest to rozwiązanie dedykowane dla:

• Przemysłu i branży produkcyjnej – automatyzacja logistyki wewnętrznej, optymalizacja kosztów, wsparcie kontroli jakości, poprawa bezpieczeństwa pracy.
• Sklepów internetowych – optymalizacja wypełnienia zawartości pudełka, wzrost wydajności i dostosowanie procesów kompletacji i pakowania do zmieniających się parametrów towarów.
• Centrów logistycznych i dystrybucyjnych – automatyzacja logistyki wewnętrznej, optymalizacja kosztów, szybszy proces szkolenia pracowników, poprawa zarządzania, wsparcie kontroli jakości.

System ExpertPack składa z zintegrowanych ze sobą modułów: Wizualnej Realizacji Procesów,  Bin-Pack,  Inteligentnego Przydziału Zadań, Sterowania, Komunikacji, Archiwizacji, Wymiany Danych, Przetwarzania Danych oraz Bezpieczeństwa.

Dzięki zastosowaniu rozwiązań z zakresu sztucznej inteligencji (np. algorytmów ewolucyjnych, sieci neuronowych) na podstawie historii pracy operatora System ExpertPack specyfikuje parametry pakowania, takie jak procent wypełnienia paczki, maksymalną nośność paczki, czas do końca pakowania. Na podstawie tych danych decyduje o kolejności podjętego zlecenia pakowania. Tak przygotowane dane przekazuje do Modułu Bin-Pack. Z komponentu operatora moduł Inteligentnego Przydziału Zadań otrzymuje informacje o sposobie realizacji pakowania dla wytypowanych zadań i na tej podstawie uczy się lepiej dobierać zlecenia pakujące pod konkretnego operatora i czas, w którym pracuje, np. na godzinę przed końcem zmiany wyznacza tylko pakowania do jednej paczki w celu uniknięcia porzucenia pakowania przez operatora z końcem zmiany.

Moduł Expert BIN-PACKING

Moduł Bin-Pack natomiast wylicza ilości opakowań do spakowania, kolejności podawania towarów, pozycji umieszczenia towarów w paczce. Moduł zawiera zestaw algorytmów klasy bin-packing, dla których wylicza zadanie pakowania, klasyfikuje rozwiązania i przesyła je do kolejnych modułów, takich jak Moduł Wymiany Danych w celu przesłania wyniku do innych komponentów produktu ExpertPack oraz do Modułu Inteligentnego Przydzielania Zadań w celu uczenia sztucznej inteligencji tego modułu w zakresie przydzielania parametrów pakujących.

Stanowisko pakujące ExpertPACK

W ramach projektu zaprojektowaliśmy także ergonomiczne stanowisko pakującego w 3 wariantach:

1. Stanowisko pakowania obsługiwane manualnie przez operatora wyposażonego w okulary AR
2. Stanowisko mieszane obsługiwane częściowo przez człowieka, z wykorzystaniem w części procesu elementów automatyki magazynowej.
3. Stanowisko z robotem towarzyszącym tzw. Cobot, który pozwoli ograniczyć ilość pracy fizycznej, jaka musi zostać wykonana przez operatora w celu kompletacji.