Možnosti využití umělé inteligence (AI) v logistice

Umělá inteligence (AI) každému zní jako technologie budoucnosti a u některých lidí dokonce nevzbuzuje pouze pozitivní pocity. Tato technologie, která je založena na samoučících se algoritmech, je však již dnes v mnoha aplikacích a produktech, které používáme každý den. Příkladem jsou: hlasoví asistenti, systémy inteligentní domácnosti, streamování hudby, zobrazovaný obsah sociálních sítí a reklamy, algoritmus navrhování produktů na Amazonu, jazykové překlady, tvorba / rozpoznávání obrázků, asistované i autonomní řízení v automobilech nebo navigace. Jednotlivé oblasti umělé inteligence (1) nyní zahrnují mnoho odvětví, jejichž počet neustále roste: roboty, prediktivní údržba, datamining, neuronové sítě, strojové učení, hluboké učení a mnoho dalších ... Hluboké učení s pomocí neuronových sítí je v současné době nejslibnějším přístupem v oblasti umělé inteligence a přístupem v rámci strojového učení.

McKinsey Global Institute (MGI) považuje umělou inteligenci za důležitou hnací sílu ekonomického růstu v globálním měřítku. U studie „Artificial Intelligence - The next digital Frontier“ (2017, 2) bylo dotazováno 3 000 společností ze 14 průmyslových odvětví. Podle studie je pět technologií AI, které budou společnosti v budoucnu nejčastěji využívat - automatické rozpoznávání obrazu, přirozený jazyk, virtuální asistenti, automatizace procesů pomocí robotů a pokročilé strojové učení. Do roku 2030 přibližně sedmdesát procent společností použije alespoň jednu z těchto AI technologií. Podle autorů studie mohou společnosti, které mezi prvními implementují technologie umělé inteligence, zdvojnásobit svůj obrat, zatímco u pozdnímch osvojitelů by došlo k poklesu jejich peněžních toků o přibližně dvacet procent oproti dnešní úrovni. Německé společnosti také pochopily nezastavitelný pokrok. Podle digitální asociace Bitkom každá druhá německá společnost nyní předpokládá, že strojové učení nebo umělá inteligence trvale změní současné obchodní modely. Devadesát procent společností uvádí, že Big data a analýza dat mají výrazný význam pro budoucí konkurenceschopnost německých společností. Před rokem to bylo jen 83 procent. Následuje Internet věcí s 81 procenty (2019: 79 procent) a 3D tisk se 72 procenty (2019: 68 procent). Rovněž došlo k významnému nárůstu u autonomních vozidel z 57 na 68 procent a obecně také v případě umělé inteligence ze 60 na 67 procent. Avšak pouze jedna ze čtyř společností (24 procent) plánovala na začátku roku konkrétní vývoj digitálních obchodních modelů. Tři největší překážky ve využívání nových digitálních technologií jsou podle společností požadavky na ochranu dat (79 procent, 2019: 74 procent), technické bezpečnostní požadavky (63 procent, Subscribe to DeepL Pro to edit this document. Visit www.DeepL.com/Pro for more information. 2019: 57 procent) a nedostatek kvalifikovaných pracovníků (55 procent, 2019: 48 procent). Na značnou vzdálenost následuje nedostatek času v každodenním podnikání (33 procent), nedostatek finančních zdrojů (25 procent) a nedostatek obchodovatelných řešení (18 procent).

„Coronavirová krize nám jasně ukázala důležitost digitálních technologií pro ekonomiku, správu i celou společnost. Krize je budíčkem, abychom nezaspali a masivně pokračovali v digitalizaci. V minulosti jsme digitalizaci věnovali hodně času, “řekl prezident společnosti Bitkom Achim Berg. Dodal: "Musíme přemýšlet o době po pandemické krizi a plošně nastavit směr digitalizace. V současné době vidíme velmi jasně, že společnosti s rozvinutou digitalizací a digitální ekonomika jsou mnohem více než jen motorem růstu. Jsou méně zranitelné a v době krize stabilizují ekonomiku a trh práce. “ Podle studie TCS a Bitcom (3) již většina společností (75 procent) kvůli pandemii zvýšila své investice do digitalizace. Pouze menšina (7 procent) prozatím zpomaluje digitální transformaci kvůli nedostatku financí.

I když je pojem a oblast výzkumu „umělé inteligence“ známý již od 50. let, současný rozmach umělé inteligence je důsledkem dostupnosti výkonného hardwaru za nízkou pořizovací cenu. Teprve nyní jsou k dispozici procesory, vysokorychlostní sítě a úložiště pro Big Data, které umožňují praktickou implementaci mnoha dříve jen teoretických úvah. AI a její algoritmy jsou zvláště vhodné pro použití v logistice, protože široce rozvětvené logistické sítě nabízejí ideální podmínky její aplikace. Vztahy příčin a následků v těchto sítích lze velmi dobře vypočítat a předvídat. „Logistika je již jedním z nejvíce digitalizovaných odvětví. Ale s dostupností dronů, autonomních systémů a umělé inteligence nyní logistika nejen čelí optimalizaci obchodních procesů, ale zažívá skutečnou revoluci,“ řekl generální ředitel společnosti Bitkom Dr. Bernhard Rohleder. Výsledky reprezentativního průzkumu (4) mezi 508 společnostmi s logistickými procesy, zadanými digitální asociací Bitkom ukazují, že dvě třetiny (65 procent) dotázaných společností věří, že samoučící se systémy AI převezmou řadu úkolů v logistice, například jako plánování nejlepší trasy nebo spuštění procesů objednávek. 75 procent očekává, že datové brýle pomohou zaměstnancům v logistice. Šest z deseti (58 procent) společností očekává, že autonomní drony převezmou inventarizaci skladu a zásob. Podobný počet (57 procent) očekává, že bude zboží přepravováno autonomními vozidly. Čtyři z deseti (42 procent) věří, že drony a doručovací roboty budou dokonce doručovat zboží zákazníkovi. Společnosti oceňují mnoho výhod digitalizace a umělé inteligence. 89 procent očekává z dlouhodobého hlediska snížení logistických nákladů a zrychlení dopravy (86 procent). 72 procent předpokládá méně chyb v dopravním řetězci a 58 procent ekologičtější dopravu. Digitalizace jako celek je vnímána jako příležitost pro 88 procent společností a jako riziko ji vnímá pouze jedenáct procent. Níže jsou uvedeny některé příklady použití AI v logistice a intralogistice.

Využití umělé inteligence v oblasti logistiky je zvláště užitečné pro předpovídání budoucích stavů logistické sítě. Algoritmy AI se samoučením lze použít k vyhodnocení velkého množství dat (Big data), která popisují chování zákazníka v minulosti. Prostřednictvím rozpoznaných vzorců v těchto datech je možné předpovědět výskyt určitých událostí (chování při objednávání atd.) s určitou pravděpodobností (prediktivní analýza). Díky této prediktivní analýze mohou být pro budoucnost vytvořeny počítačem generované modely logistického systému (např. dodavatelského řetězce). Z toho lze odvodit inteligentní rozhodování o budoucím vývoji v této oblasti. Lze například předvídat, které položky budou více nebo častěj objednávány. Z toho lze dělat závěry a plány pro logistiku o požadované kapacitě skladu, manipulační technice, personálu skladu atd. a lze také odvodit určité žádoucí akce. Zboží lze například před objednáním skladovat ve skladech blíže k zákazníkovi a tím zkrátit dodací lhůtu. Lze také předvídat a korigovat rizika v celém dodavatelském řetězci. Například do datových modelů lze začlenit živá data z dodavatelského řetězce, která sledovací senzory poskytují o stavu přepravovaného zboží, nebo dopravní zprávy a lze přijmout vhodná opatření. Jedná se tedy o inteligentní plánování založené na simulaci, které již přináší revoluci nejen v logistice, ale také v mnoha dalších odvětvích.

Roboty vybavené umělou inteligencí nebo algoritmy hlubokého učení mohou provádět inteligentní autonomní rozhodnutí týkající se identifikace, analýzy a počítání zboží, jakož i jejich manipulace a přepravy. Například pomocí robotiky lze sledovat, lokalizovat a přesouvat zásoby ve skladech. Vychystávací roboty, naskladňovací roboty a coboty (spolupracující roboty) budou formovat budoucnost intralogistiky. Autonomní vychystávací roboty jsou zvláště užitečné pro malé šarže - např. v online maloobchodu. Coboty stále více pomáhají personálu ve skladu při jejich práci. Mimo jiné existují i coboty, kteří navedou zaměstnance ke zboží ve vychystávací zóně. Řešení založené na AI nejen zvyšuje rychlost vychystávání o 200 až 300 procent, ale také pomáhá vychystávačům pracovat rychleji a přesněji.

Autonomní řízení označuje plně automatizovanou jízdu vozidla bez řidiče. V intralogistice se autonomní vozidla nazývají automaticky vedená vozidla (AGV). AGV mohou masivně snížit počet prázdných a chybných jízd, protože vozidla automaticky jedou na správnou pozici. Při tom se řídí různými technologiemi, jako jsou indikační proužky, naváděcí lasery, reflektory nebo jednoduché trasy z lepicí pásky. Zatímco většina skladů dnes stále spoléhá na pozemní manipulační techniku, jako jsou vysokozdvižné vozíky, jejichž řidiči jezdí na dohled a na zavolání, AGV sledují automaticky naprogramovanou cestu. K tomuto účelu lze například použít vizuální stopu, kterou může AGV automaticky sledovat. Tím lze téměř úplně vyloučit úzká či kolizní místa nebo jiné překážky v pracovním postupu. Díky tomu je intralogistika společnosti rychlejší a efektivnější. Výzva zde spočívá pouze ve vytvoření otevřené infrastruktury. V dopravní logistice lze mimo jiné použít autonomní vozidla a drony pro doručování balíků.

K detekci a klasifikaci poškození lze použít takzvanou vizuální umělou inteligenci. Je mnohem rychlejší a přesnější než odhadování rozsahu škod lidskými smysly. Jedním z příkladů je použití vizuální umělé inteligence u internetového giganta Amazon, kde jsou kontejnery s položkami k posouzení vyloženy ve velmi krátké době a jejich obsah je kategorizován. Technologie Visual Artificial Intelligence nebo Deep Learning lze použít k rozpoznávání objektů bez čárových kódů, k počítání a měření produktů. To lze použít například k automatizaci příjmu zboží nezávislou identifikací produktů, určením rozměrů a hmotnosti produktu a v případě potřeby přečtením dalších informací. Balicí procesy lze urychlit, například odstraněním nutnosti skenování produktů a zobrazením 3D balicího schématu nebo automatickým skenováním mnoha čárových kódů a QR kódů najednou. Objekty lze počítat a měřit současně pomocí AI a počítačového vidění.

Srdcem inteligentního skladu je inteligentní systém správy skladu (WMS), který zvyšuje produktivitu a efektivitu. Důsledně vizualizuje a používá data o logistických objektech, detekuje anomálie dříve, než nastanou problémy, a zpracovává informace k dosažení účinné optimalizace, jako je například zkrácení přepravního času. Do inteligentního WMS jsou integrována automatizační řešení, jako jsou AI roboty, AGV, vizuální umělá inteligence, RFID, řešení pro vychystávání, brýle s rozšířenou realitou a mnoho dalších. Energii lze také výrazně ušetřit integrací inteligentních sítí k úspoře elektřiny a inteligentních chladicích a topných systémů.

Literature:

1 How artificial intelligence is revolutionising logistics, Bito Expertise, Link

2 Bughin Jacques et al., Artificial Intelligence - The next digital frontier, McKinsey Global Institute, 2017, San Francisco Amsterdam Shanghai

3 Germany learns AI - How companies use digital technologies, Bitkom Research GmbH and Tata Consultancy Services, 2020, Frankfurt, www.studie-digitalisierung.de

4 Dr Rohleder Bernhard, Digitalisierung in der Logistik, Presentation, March 2017, Bitkom e.V., Berlin, download