Możliwe zastosowania sztucznej inteligencji w logistyce

Sztuczna inteligencja jest na ustach wszystkich jako technologia przyszłości i są tacy, u których wzbudza nie tylko pozytywne uczucia. Jednak technologia ta, oparta na samouczących się algorytmach, znajduje się już w wielu codziennych zastosowaniach i produktach. Przykłady to: asystenci głosowi, inteligentne domy, streaming muzyki, feed i reklamy na Facebooku, algorytm sugerowania produktów Amazona, tłumaczenie języków, tworzenie/rozpoznawanie obrazów, wspomagana i autonomiczna jazda oraz nawigacja. Dziedziny sztucznej inteligencji (1) obejmują obecnie wiele poddziedzin, których liczba stale rośnie: boty, konserwacja predykcyjna, eksploracja danych, eksploracja procesów, sieci neuronowe, uczenie maszynowe, głębokie uczenie (deep learning) i wiele innych. Głębokie uczenie z pomocą sieci neuronowych jest obecnie najbardziej obiecującym podejściem w sztucznej inteligencji i ponownie podejściem w ramach uczenia maszynowego.

McKinsey Global Institute (MGI) postrzega sztuczną inteligencję jako ważny czynnik napędzający globalny wzrost gospodarczy. W ramach badania „Artificial Intelligence – The next digital frontier” (2017, 2) przebadano 3000 firm z 14 branż. Według badania pięć technologii opartych na sztucznej inteligencji, które będą najczęściej wykorzystywane przez firmy w przyszłości, to automatyczne rozpoznawanie obrazu, język naturalny, wirtualni asystenci, automatyzacja procesów oparta na robotach oraz zaawansowane uczenie maszynowe. Do 2030 r. około 70 proc. firm będzie korzystać z co najmniej jednej z tych technologii. Według autorów badania firmy, które wcześnie wdrożą technologie oparte na sztucznej inteligencji, mogą podwoić swoje przepływy pieniężne, podczas gdy w przypadku spóźnialskich przepływy pieniężne spadną o około 20 proc. w stosunku do dzisiejszych poziomów. Upływ czasu dostrzegły również niemieckie przedsiębiorstwa. Według cyfrowego stowarzyszenia Bitkom co druga niemiecka firma zakłada obecnie, że uczenie maszynowe lub sztuczna inteligencja trwale zmienią dotychczasowe modele biznesowe. Dla 90 proc. firm big data i analiza danych mają bardzo duże lub raczej duże znaczenie dla przyszłej konkurencyjności niemieckich przedsiębiorstw. Rok temu było to tylko 83 proc. Na drugim miejscu plasuje się Internet Rzeczy z wynikiem 81 proc. (2019 r.: 79 proc.) oraz druk 3D z 72 proc. (2019 r.: 68 proc.). Znacząco wzrósł również odsetek wskazań pojazdów autonomicznych – z 57 do 68 proc. oraz sztucznej inteligencji – z 60 do 67 proc. Mimo to tylko co czwarta firma (24%) planowała na początku roku konkretny rozwój cyfrowych modeli biznesowych. Trzy największe przeszkody w korzystaniu z nowych technologii cyfrowych według firm to wymogi dotyczące ochrony danych (79 proc., 2019 r.: 74 proc.), wymogi bezpieczeństwa technicznego (63 proc., 2019 r.: 57 proc.) oraz brak wykwalifikowanych pracowników (55 proc., 2019 r.: 48 proc.). W dalszej kolejności plasują się: brak czasu w codziennej pracy (33 proc.), brak środków finansowych (25 proc.) oraz brak rozwiązań rynkowych (18 proc.).

„Kryzys COVID-19 pokazał nam bardzo wyraźnie, jak ważne dla gospodarki, administracji i społeczeństwa są technologie cyfrowe. Kryzys jest sygnałem ostrzegawczym, aby teraz na szeroką skalę przyspieszyć cyfryzację. W przeszłości zbyt długo zwlekaliśmy z cyfryzacją” – powiedział Achim Berg, prezes Bitkom. Dodał: „Musimy pomyśleć o tym, co będzie po kryzysie COVID-19 i wszędzie wyznaczyć kierunek dla cyfryzacji. Obecnie widzimy wyraźnie, że bardziej cyfrowe przedsiębiorstwa i gospodarka cyfrowa są czymś więcej niż tylko motorem wzrostu. Są mniej podatne na zagrożenia w czasach kryzysu, stabilizują gospodarkę i rynek pracy”. Według badania przeprowadzonego przez TCS i Bitcom (3) większość firm (75 proc.) już zwiększyła swoje inwestycje w związku z pandemią. Tylko niewielka część (7 proc.) spowalnia na razie cyfrową transformację z powodu braku środków finansowych.

Chociaż termin i obszar badań „sztuczna inteligencja” jest znany już od lat 50., obecny boom w dziedzinie sztucznej inteligencji jest konsekwencją pojawienia się potężnego sprzętu komputerowego, który jest obecnie dostępny po niskich kosztach. Dopiero teraz dostępne są procesory, szybkie sieci i możliwości przechowywania big data, które umożliwiają praktyczną realizację wielu teoretycznych rozważań. Sztuczna inteligencja i jej algorytmy szczególnie dobrze nadają się do zastosowania w logistyce, ponieważ szeroko rozgałęzione sieci logistyczne stanowią idealne pole do popisu dla sztucznej inteligencji. Związki przyczynowo-skutkowe w tych sieciach mogą być bardzo dobrze obliczane i przewidywane. „Logistyka już teraz jest jednym z najbardziej zdigitalizowanych sektorów biznesu. Jednak dzięki dronom, systemom autonomicznym i sztucznej inteligencji logistykę czeka nie tylko optymalizacja procesów biznesowych, ale prawdziwa rewolucja” – powiedział dr Bernhard Rohleder, prezes Bitkom. Wyniki reprezentatywnego badania (4) 508 firm prowadzących procesy logistyczne, zleconego przez stowarzyszenie cyfrowe Bitkom, pokazują, że dwie trzecie (65 proc.) ankietowanych firm uważa, że samouczące się systemy oparte na sztucznej inteligencji przejmą wiele zadań w logistyce, takich jak planowanie najlepszej trasy czy uruchamianie procesów zamówień. Spośród badanych firm 75 proc. spodziewa się, że pracowników w logistyce będą wspierać inteligentne okulary. Sześć na dziesięć (58 proc.) firm przewiduje, że inwentaryzację zapasów będą przeprowadzać autonomiczne drony. Podobna liczba (57 proc.) oczekuje, że towary będą transportowane przez pojazdy autonomiczne. Cztery na dziesięć firm (42 proc.) uważa, że drony i roboty dostawcze będą nawet dowozić produkty do klienta. Firmy doceniają liczne korzyści płynące z cyfryzacji i sztucznej inteligencji. Zdaniem 89 proc. pozwoli ona w dłuższej perspektywie obniżyć koszty logistyki, a także przyspieszyć transport (86 proc.). Spośród ankietowanych firm 72 proc. wskazuje mniejszą liczbę błędów w łańcuchu transportowym, a 58 proc. – bardziej przyjazny dla środowiska transport. Cyfryzacja jako całość jest postrzegana jako szansa przez 88 proc., a jako ryzyko tylko przez 11 proc. Poniżej przedstawiono kilka przykładów zastosowania sztucznej inteligencji w logistyce i intralogistyce.

Zastosowanie sztucznej inteligencji w dziedzinie logistyki jest szczególnie przydatne do przewidywania przyszłych stanów sieci logistycznej. Samouczące się algorytmy oparte na sztucznej inteligencji mogą być wykorzystywane do oceny dużych ilości danych (big data), które opisują zachowania klientów w przeszłości. Dzięki rozpoznaniu wzorców w tych danych można z pewnym prawdopodobieństwem przewidzieć wystąpienie określonych zdarzeń, np. zachowań zamawiających (analiza predykcyjna). Dzięki analizie predykcyjnej można tworzyć generowane komputerowo modele systemu logistycznego (np. łańcucha dostaw) na przyszłość. Na tej podstawie można podejmować inteligentne decyzje dotyczące przyszłych działań w tej dziedzinie. Na przykład można przewidzieć, w którym regionie dany artykuł będzie zamawiany szczególnie często. Na tej podstawie można sporządzić zestawienia dla logistyki dotyczące potrzebnej powierzchni magazynowej, ciężarówek czy pracowników magazynowych oraz określić konieczne działania. Przykładowo artykuły, jeszcze zanim zostaną zamówione, mogą być przechowywane w magazynie blisko domu klienta, co skraca czas dostawy. Również zarządzanie ryzykiem w całym łańcuchu dostaw może stać się bardziej przewidujące. Do modeli danych można na przykład włączyć raporty o ruchu drogowym lub dane dotyczące stanu przewożonych towarów, dostarczane na żywo przez czujniki śledzące, co pozwala podjąć odpowiednie działania. Jest to zatem inteligentne planowanie oparte na symulacji, które już teraz rewolucjonizuje nie tylko branżę logistyczną, ale także wiele innych sektorów.

Roboty wyposażone w sztuczną inteligencję lub algorytmy głębokiego uczenia się mogą podejmować inteligentne, autonomiczne decyzje dotyczące identyfikacji, analizy i liczenia towarów, a także ich przenoszenia i transportu. Robotyka może być wykorzystywana na przykład do śledzenia, lokalizowania i przemieszczania zapasów w magazynach. Roboty kompletujące, roboty ładujące i coboty (roboty współpracujące) będą kształtować przyszłość intralogistyki. Autonomiczne roboty kompletujące są szczególnie przydatne w przypadku małych partii towaru, np. w handlu detalicznym online. Coboty w coraz większym stopniu wspierają człowieka w jego pracy w magazynie. Są to między innymi coboty, które prowadzą pracowników do artykułów w strefie kompletacji. Rozwiązanie oparte na sztucznej inteligencji nie tylko zwiększa szybkość kompletacji o 200 do 300 procent, ale także pomaga pracownikom kompletującym pracować szybciej i dokładniej.

Termin „autonomiczna jazda” odnosi się do w pełni zautomatyzowanego prowadzenia pojazdu bez udziału kierowcy. W intralogistyce pojazdy autonomiczne nazywane są automatycznymi pojazdami kierowanymi (automated guided vehicles, AGV). AGV mogą znacznie zmniejszyć liczbę pustych i nieprawidłowych przejazdów, ponieważ pojazdy automatycznie podjeżdżają do właściwego regału. W tym celu są one prowadzone za pomocą różnych technologii, takich jak paski wskazujące, precyzyjne lasery, reflektory lub zwykłe tory z taśmy klejącej. Podczas gdy większość współczesnych magazynów intralogistycznych nadal opiera się na wózkach jezdniowych, takich jak wózki widłowe, których kierowcy wzrokowo oceniają drogę i jeżdżą na wezwanie, AGV poruszają się po automatycznie zaprogramowanej ścieżce. W tym celu można na przykład wykorzystać wizualny tor jazdy, po którym AGV może się poruszać. Dzięki temu można prawie całkowicie wyeliminować wąskie gardła, kolizje lub inne przeszkody w przebiegu pracy. Pozwala to przyspieszyć intralogistykę w firmie i zwiększyć jej efektywość. Wyzwanie polega tu wyłącznie na stworzeniu otwartej infrastruktury. W logistyce transportu pojazdy autonomiczne i drony mogą być wykorzystywane m.in. do dostarczania paczek.

Do wykrywania i klasyfikacji uszkodzeń można wykorzystać tak zwaną wizualną sztuczną inteligencję. Jest ona znacznie szybsza i dokładniejsza niż ocena uszkodzeń przez człowieka. Jednym z przykładów jest zastosowanie wizualnej sztucznej inteligencji w internetowym gigancie Amazon. Kontenery z towarami są tam rozładowywane w bardzo krótkim czasie, a ich zawartość jest kategoryzowana. Wizualna sztuczna inteligencja lub technologia deep learning może być używana do rozpoznawania obiektów bez kodów kreskowych, do liczenia i mierzenia produktów. Można to wykorzystać na przykład do automatyzacji odbioru towarów poprzez niezależną identyfikację produktów, określanie ich wymiarów i wagi oraz odczytywanie dodatkowych informacji w razie potrzeby. Procesy pakowania można przyspieszyć, np. eliminując konieczność skanowania produktów i wyświetlając schemat pakowania 3D lub automatycznie skanując wiele kodów kreskowych i kodów QR jednocześnie. Obiekty mogą być liczone i mierzone jednocześnie dzięki sztucznej inteligencji i wizji komputerowej.

Sercem inteligentnego magazynu jest inteligentny system zarządzania magazynem (WMS), który zwiększa produktywność i wydajność. System konsekwentnie wizualizuje i wykorzystuje dane o obiektach logistycznych, wykrywa anomalie zanim pojawią się problemy i przetwarza informacje w celu osiągnięcia efektywnych optymalizacji, takich jak skrócenie czasu przejazdu. Z inteligentnym systemem WMS zintegrowane są rozwiązania z zakresu automatyzacji, takie jak roboty wykorzystujące sztuczną inteligencję, AGV, sztuczna inteligencja wizualna, RFID, rozwiązania pick-by, okulary do rzeczywistości rozszerzonej i wiele innych. Poprzez wdrożenie inteligentnych sieci do oszczędzania energii elektrycznej oraz inteligentnych systemów chłodzenia i ogrzewania można również w znacznym stopniu zaoszczędzić energię.

Literatura:

1 Jak sztuczna inteligencja rewolucjonizuje logistykę, Bito Expertise, link

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

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, Prezentacja, marzec 2017, Bitkom e.V., Berlin, pobierz