الاختناق الخفي: لماذا تبدأ المرحلة الأخيرة من رفوف المستودع

أغلى مهمة يدوية في المستودع: لماذا ستصبح الخدمات اللوجستية مستحيلة قريباً بدون الذكاء الاصطناعي

لم يعد التوصيل في نفس اليوم ترفًا، بل أصبح معيارًا أساسيًا. ومع ذلك، فبينما يتوقع العملاء وصول طلباتهم إلى منازلهم في وقت قياسي، يعاني قطاع الخدمات اللوجستية من نقص هيكلي غير مسبوق في العمالة الماهرة. غالبًا ما تكمن نقطة الضعف في هذا التضارب بين الأهداف في المرحلة التي وصلت فيها الأتمتة إلى حدودها القصوى: انتقاء الطلبات، أو ما يُعرف بـ"الخطوة الأخيرة". وهنا تحديدًا يُبشّر جيل جديد من الروبوتات الذكية المُزوّدة بالذكاء الاصطناعي بتحقيق طفرة نوعية. فبدلًا من عمليات التحديث الشاملة والمكلفة، تتكيف هذه الأنظمة الذكية مع البنية التحتية الحالية للمستودعات، وتتعلم بشكل مستقل مع كل عملية انتقاء، وتُخفف من نقص العمالة دون الاستغناء عن العنصر البشري. تعرّف على أسباب تقادم الأنظمة الجامدة، وكيف تُؤتي هذه التقنية ثمارها عمليًا، ولماذا ستُحدد روبوتات الانتقاء الذكية القدرة التنافسية في قطاع خدمات التوصيل في المستقبل.

هل تستطيع عملية تجهيز الطلبات لديكم مواكبة الطلب المتزايد؟

بحلول عام 2026، لن يكون التوصيل في نفس اليوم ميزة تنافسية، بل سيصبح هو المعيار الجديد. في الولايات المتحدة، يتم توصيل أكثر من 80% من طلبات البقالة الإلكترونية في نفس اليوم، وضمن هذا القطاع، ارتفعت نسبة الطلبات التي يتم توصيلها في أقل من ثلاث ساعات من ما يزيد قليلاً عن النصف إلى ما يقارب ثلثي إجمالي الطلبات في ربع سنة واحد. وقد تحقق هذا النمو السوقي خلال تلك الفترة بفضل الطلبات التي تم إنجازها في غضون ساعة واحدة. في الوقت نفسه، شكّلت خدمة التوصيل فائق السرعة التي تستغرق أقل من ساعة 18% من إجمالي طلبات التوصيل و10% من طلبات التوصيل المنزلي.

يُحوّل هذا التسارع نقطة الاختناق في سلسلة القيمة إلى موقعٍ أقل وضوحًا ولكنه الأكثر تأثيرًا: منطقة التجميع. فكل تقليل في وقت التسليم في المرحلة الأولى يُولّد ضغطًا إضافيًا على العمليات داخل المستودع، لا سيما في ما يُسمى "الخطوة الأخيرة"، أي إخراج المنتجات من الحاويات وتغليفها للشحن. بالنسبة لشركات البقالة الإلكترونية وشركات التوزيع، يعني هذا في الوقت نفسه زيادة في الطلبات، وتنوعًا أكبر في المنتجات، وتقليصًا مستمرًا في أوقات التسليم، بينما يكاد هامش الخطأ ينعدم.

الحمل الهيكلي بدلاً من الاختناق المؤقت

لم يعد نقص العمالة الماهرة في مجال الخدمات اللوجستية للمستودعات ظاهرة موسمية، بل أصبح سمة هيكلية للقطاع. فبحسب إحصاءات معهد IAB، ظلّ أكثر من 60 ألف وظيفة شاغرة في هذا المجال في ألمانيا عام 2025، وهو ارتفاع ملحوظ مقارنةً بالسنوات السابقة. في المقابل، خلال الربع الأخير من عام 2024، أفادت نحو 45% من شركات التخزين التي شملها الاستطلاع بأن عملياتها التجارية تعاني حاليًا من نقص العمالة الماهرة، بينما كانت هذه النسبة أقل من 10% في بداية الاستطلاع عام 2009. ورغم أن النقص قد انخفض قليلًا عن ذروته الأخيرة، إلا أنه لا يزال عند مستوى مرتفع تاريخيًا.

يعود هذا إلى مجموعة من العوامل التي يصعب حلها على المدى القريب. فنحو ثلث العاملين في مجال الخدمات اللوجستية تزيد أعمارهم عن 50 عامًا، بينما يتجه الشباب بشكل متزايد إلى المسارات الأكاديمية بدلًا من التدريب المهني في مجال التخزين أو الشحن. يُضاف إلى ذلك المهام الشاقة بدنيًا، والعمل بنظام المناوبات، وانخفاض الأجور مقارنةً بالقطاعات الأخرى، مما يقلل من جاذبية العمل في المستودعات. ورغم أن غالبية العاملين في مجال الخدمات اللوجستية (63.3%) يعتقدون أن تغيير المسار المهني من قطاعات أخرى قد يُخفف جزئيًا على الأقل من النقص، إلا أن هذا التأثير وحده غير كافٍ لسد الفجوة الهيكلية.

يُؤدي هذا المزيج من تزايد الطلب وتناقص عدد الموظفين المتاحين إلى تضارب الأهداف الذي يعرفه العديد من مديري العمليات من واقع خبرتهم: فمن المتوقع زيادة الإنتاجية والدقة، بينما تتضاءل الموارد اللازمة لتحقيق هذه الأهداف. ونتيجةً لذلك، يؤدي تذبذب أداء عمليات انتقاء الطلبات، بسبب الإجازات المرضية أو ارتفاع معدل دوران الموظفين أو ذروة المواسم، إلى تأخيرات تؤثر بشكل مباشر على تجربة العملاء.

الروبوتات كحل لمشكلة عملية، وليس كغاية في حد ذاتها

هنا يبرز دور جيل جديد من روبوتات الانتقاء المدعومة بالذكاء الاصطناعي، والتي تختلف اختلافًا جذريًا عن حلول الأتمتة القديمة الجامدة. كانت روبوتات الانتقاء السابقة تتطلب برمجة معقدة ونقاط إمساك ثابتة لكل منتج جديد، مما جعلها غير عملية لتشكيلات المنتجات المتنوعة للغاية، كما هو الحال في قطاع التجارة الإلكترونية. أما الأنظمة الحديثة، فتستخدم معالجة الصور ثلاثية الأبعاد مع خوارزميات التعلم العميق المدربة مسبقًا للتعرف على المنتجات والإمساك بها بغض النظر عن شكلها أو حجمها أو شفافيتها أو ملمس سطحها، دون الحاجة إلى تدريب منفصل لكل منتج على حدة.

يُعدّ مثال شركة OPO Oeschger السويسرية المتخصصة في تجهيزات المنازل مثالًا بارزًا، إذ اختارت نهجًا معاكسًا تمامًا عند دمج حلول انتقاء المنتجات المدعومة بالذكاء الاصطناعي: فبدلًا من تكييف المستودع مع الروبوت، تمّ تكييف الروبوت مع المستودع القائم. دُمج روبوت الانتقاء مباشرةً في محطة عمل انتقاء الطلبات الحالية، ويتولى تحديدًا خطوات العمل التي كانت تُنفّذ يدويًا سابقًا: إزالة الحصائر المانعة للانزلاق من حاويات الوجهة، واستخراج المنتجات المطلوبة من حاويات المصدر، ووضعها في كرتونة الشحن قبل أن يتولى نظام النقل الحالي نقل المواد. يتعرّف الذكاء الاصطناعي تلقائيًا على المنتجات ويحدّد كيفية وضعها وتكديسها في حاوية الوجهة.

يُعدّ هذا النهج التكاملي بالغ الأهمية من الناحية الاقتصادية، لأنه يُفنّد الاعتقاد السائد بأنّ الأتمتة تتطلب بالضرورة تغييرًا جذريًا في بنية المستودعات. إذ يُمكن دمج الأنظمة الروبوتية تدريجيًا في محطات العمل الحالية لعمليات الانتقاء، وتقنيات النقل، وأنظمة التخزين مثل AutoStore، بدلًا من الحاجة إلى إعادة تصميم كاملة للمنشأة. وهذا يُخفّض بشكل كبير من تكلفة الاستثمار، مما يسمح للمشغلين بإدخال الأتمتة تدريجيًا بدلًا من إحداث تغيير جذري.

كيف أثبتت هذه التقنية نفسها عملياً

تتجلى فوائد هذه الأنظمة بوضوح في عمليات التشغيل واسعة النطاق. فقد وسّعت مجموعة روهليك، التي تدير منصتي توصيل الطعام عبر الإنترنت "كنوسبر" و"غوركيرل"، نطاق استخدام 24 روبوتًا مُتحكَّمًا بها بالذكاء الاصطناعي في مركزها اللوجستي ببرلين في منطقة شونيفيلد، وذلك بعد إطلاق روبوت واحد في الموقع نفسه. وتقوم هذه الروبوتات حاليًا بتجميع الطلبات في مراكز التوزيع في برلين وفيينا، مع خطط لإضافة مواقع أخرى، مثل فرانكفورت، خلال الأشهر القادمة. بل وتخطط الشركة لزيادة عدد الروبوتات إلى مئات على المدى البعيد. وتتولى هذه الروبوتات إحدى آخر الخطوات اليدوية المتبقية في عمليات المستودعات: وهي الإمساك الدقيق بالمنتجات وتغليفها في بيئات التبريد وغير التبريد.

يؤكد رئيس قسم الأتمتة والتوسع في مجموعة روهليك أن برنامج الروبوتات هذا طُوّر من الصفر لإحداث نقلة نوعية في توصيل الطعام، حيث يُرسي توسعه في أسواق متعددة الأساس لمستقبل الخدمات اللوجستية الآلية في قطاع التجارة الإلكترونية. ويمكن ملاحظة آثار مماثلة خارج قطاع الأغذية أيضًا. ففي منشأة تصنيع تعتمد على نظام الطلب المسبق، والتي تحولت إلى نظام عمليات مدعوم بالذكاء الاصطناعي في الخدمات اللوجستية الداخلية، انخفض إجمالي وقت التسليم بنسبة 84%، وانخفض وقت التسليم من الطلب إلى الشحن بنسبة 77%. وفي حالة موثقة أخرى، انخفض معدل الخطأ بنسبة 68%، وزادت الإنتاجية بنسبة كبيرة، حيث تم تحويل عملية التجميع بالكامل في غضون أسبوع واحد فقط.

تُعزز شركات الأتمتة الرائدة في قطاع الهندسة الميكانيكية مكانتها في هذا المجال. فقد طورت شركة سيمنز، بالتعاون مع شركة ميكالوكس المتخصصة في الخدمات اللوجستية الداخلية، برنامجًا لمعالجة الصور مدعومًا بالذكاء الاصطناعي يُسمى Simatic Robot Pick AI، والذي يمكّن الروبوتات من التقاط أي عنصر بغض النظر عن شكله وحجمه، مما يُتيح أنظمة عالية الإنتاجية تصل إلى 1000 عملية التقاط في الساعة على مدار الساعة. وفي تعاون آخر، جمعت سيمنز، ويونيفرسال روبوتس، وشركة زيفيد لتصنيع الكاميرات، تقنياتها الخاصة لاكتشاف الأجسام الشفافة بدقة عالية، وهو ما كان يُمثل تحديًا تقنيًا كبيرًا في السابق، لا سيما مع العبوات المصنوعة من الزجاج أو الأغشية الشفافة.

شركة LTW Intralogistics – مهندسو التدفق - الصورة: LTW Intralogistics GmbH

لا تقدم LTW لعملائها مكونات منفردة، بل حلولاً متكاملة وشاملة. الاستشارات، والتخطيط، والمكونات الميكانيكية والكهربائية، وتقنيات التحكم والأتمتة، بالإضافة إلى البرمجيات والخدمات - كل ذلك متصل بشبكة واحدة ومنسق بدقة.

يُعدّ الإنتاج الداخلي للمكونات الرئيسية ميزةً بالغة الأهمية، إذ يسمح بالتحكم الأمثل في الجودة وسلاسل التوريد والواجهات.

يرمز اختصار LTW إلى الموثوقية والشفافية والشراكة التعاونية. وتُعد قيم الولاء والصدق راسخة في فلسفة الشركة - فالمصافحة لا تزال تحمل معنىً عميقاً هنا.

ذو صلة بهذا الموضوع:

• حلول LTW

من الأتمتة الجامدة إلى نظام التعلم

من منظور اقتصادي، لا يكمن التطور الحاسم لهذا الجيل التكنولوجي في الأتمتة بحد ذاتها فحسب، بل في التحول من الأتمتة القائمة على القواعد إلى الأتمتة القائمة على التعلم. تُصنّف الصناعات حاليًا مراحل تطوير متعددة لأتمتة انتقاء الطلبات، بدءًا من الأنظمة شبه الآلية البسيطة ذات معالجة الصور الثابتة ومسح الرموز الشريطية، مرورًا بالروبوتات شبه المستقلة، وصولًا إلى انتقاء الروبوتات الذكية القادرة على التعلم، والتي تُعتبر حاليًا المرحلة الأكثر تقدمًا. في هذا المستوى الأعلى، تُعدّ قدرة الروبوت على التحسين الذاتي المستمر أمرًا جوهريًا، مما يُمكّن النظام من العمل ليس فقط بشكل مستقل، بل أيضًا بشكل تكيفي وتحسين ذاتي.

يُعالج هذا المكون التعليمي مشكلة اقتصادية رئيسية واجهتها الأجيال السابقة من أنظمة الأتمتة، ألا وهي افتقارها إلى قابلية التوسع عند تغير نطاق المنتجات أو نموه. فمع الأنظمة التي تتمتع بقدرات ذكاء اصطناعي مُدرَّبة مسبقًا، لم تعد هناك حاجة لتدريب المنتجات الجديدة بشكل فردي، لأن القدرات الأساسية تغطي بالفعل طيفًا واسعًا من المنتجات. ويُعد هذا الأمر بالغ الأهمية للصناعات ذات نطاقات المنتجات الديناميكية للغاية، مثل الأدوية والأزياء والتجارة الإلكترونية ومعالجة المرتجعات. وقد تم تدريب روبوت متنقل ذاتي القيادة، يتنقل بين ممرات المستودع حاملًا عربة تسوق كالإنسان، ويقوم بانتقاء الطلبات وتجميعها، على أكثر من مليار عملية انتقاء. ويُحسّن التعلم الآلي من دقة الروبوت مع كل عملية انتقاء لاحقة، بينما تضمن محطة نقل البضائع إلى الشخص، المُخصصة للعناصر الثقيلة أو التي يصعب الوصول إليها، موثوقية انتقاء ثابتة بنسبة 100%.

علاوة على ذلك، لا تتطلب هذه الأنظمة بنية تحتية ثابتة كالأرفف أو السيور الناقلة، بل تعمل باستخدام أرفف وحاويات قياسية، مما يتيح نشرها بسرعة وأتمتة سلسلة التوريد بالكامل دون تغيير جذري في عمليات الخدمات اللوجستية الحالية. يختلف هذا النهج المرن للبنية التحتية اختلافًا كبيرًا عن أنظمة التخزين المكعبة أو حلول النقل المكوكية، التي تتطلب هياكل شبكية ثابتة، وبالتالي يوفر للمشغلين مرونة أكبر بكثير في الأتمتة التدريجية لمنشآتهم الحالية.

يظل العامل البشري محورياً

على الرغم من التطورات التكنولوجية المذهلة، فإن استخدام الروبوتات المدعومة بالذكاء الاصطناعي لا يعني بأي حال من الأحوال الاستغناء التام عن العمالة البشرية في المستودعات. بل يبرز نموذج هجين بشكل متزايد، حيث تتولى الروبوتات مهام الانتقاء المعيارية والمتكررة أو التي تتطلب جهدًا بدنيًا كبيرًا بكفاءة وسلاسة، بينما يُعفى الموظفون من هذه المهام ويتفرغون للتركيز على الحالات الاستثنائية، أو مراقبة الجودة، أو إدارة العمليات الشاملة. وقد أثبت هذا التقسيم للعمل جدواه بشكل خاص في ظل النقص المستمر في العمالة الماهرة، إذ يوجه الموارد البشرية المتاحة تحديدًا نحو المهام التي تتطلب بالفعل حُكمًا بشريًا.

من منظور اقتصادي، يُمكن اعتبار هذا التطور استجابةً للتغيرات الديموغرافية. ففي ظل قوة عاملة يتجاوز ثلث موظفيها سن الخمسين، وتناقص أعداد الشباب الملتحقين بها، يبدو أن أتمتة المهام الشاقة والمتكررة أقل تهديدًا للوظائف، وأكثر ضرورةً لتعويض اختناق هيكلي لا يُمكن حله بالتوظيف وحده. ويُقرّ الموردون بهذا الارتباط صراحةً أيضًا: إذ يُمكن التخفيف من آثار نقص العمالة باستخدام روبوتات انتقاء تعمل بالذكاء الاصطناعي، مع زيادة الكفاءة التشغيلية في المستودعات في الوقت نفسه.

التقييم الاقتصادي للاستثمار مقابل الفائدة

لا يتعلق السؤال التجاري الرئيسي عند إدخال هذه الأنظمة بالجدوى التقنية، التي يمكن اعتبارها محسومة إلى حد كبير، بقدر ما يتعلق بالحسابات الاقتصادية في كل حالة على حدة. والأهم من ذلك، أن حلول الروبوتات الحديثة القائمة على الذكاء الاصطناعي يمكن دمجها في محطات انتقاء الطلبات الحالية بدلاً من الحاجة إلى نظام جديد كلياً، مما يقلل بشكل كبير من فترة استرداد التكاليف مقارنةً بالاستثمارات التقليدية واسعة النطاق في أنظمة التخزين الآلية. بالنسبة للمشغلين الذين لديهم تقنية نقل أو أنظمة تخزين آلية، فهذا يعني إمكانية تحديث الخطوة الأخيرة، التي كانت يدوية سابقاً، دون تعطيل تدفق المواد الحالي.

في الوقت نفسه، تُظهر مكاسب الكفاءة الموثقة الفائدة الاقتصادية الكبيرة. فخفض معدل الخطأ بنسبة 68%، إلى جانب زيادة الإنتاجية بنسبة تتجاوز 10% خلال أسبوع واحد فقط من التطبيق، يُمثل مستوىً يصعب تحقيقه باستخدام أساليب تحسين العمليات التقليدية. علاوة على ذلك، يُوضح معدل إنتاجية يصل إلى 1000 عملية انتقاء طلبات في الساعة، مع التشغيل المتواصل على مدار الساعة، أن هذه الأنظمة لا تُعوض فقط نقص الموظفين، بل تُوفر أيضًا طاقة إنتاجية إضافية، وهو أمر ضروري لتلبية ذروة الطلب على خدمات التوصيل في نفس اليوم والتوصيل فائق السرعة.

مع ذلك، من المهم مراعاة أن ليس كل مجموعة منتجات ولا كل بنية مستودعات مناسبة بنفس القدر للأتمتة الآلية. فالأنظمة التي تعتمد على نقاط تثبيت ثابتة وأشياء مُهيكلة مسبقًا توفر مرونة أقل من الحلول التكيفية والتعلمية. لذا، يعتمد اختيار مستوى الأتمتة المناسب على مجموعة المنتجات المحددة، وحجم الطلبات، والبنية التحتية القائمة. الشركات التي تستثمر مبكرًا في أنظمة غير مناسبة تُخاطر بعدم تحقيق مكاسب الكفاءة المتوقعة، بل وتُضيف تعقيدات إضافية إلى عملياتها.

مشهد تحقيق الذات في السنوات القادمة

إنّ اجتماع عوامل النقص الهيكلي في العمالة الماهرة، وارتفاع تكاليف التشغيل، وتوقعات العملاء المتزايدة باستمرار نحو التوصيل في نفس اليوم أو حتى في أقل من يوم، يجعل من أتمتة عمليات انتقاء الطلبات أحد أهم قرارات الاستثمار في قطاع الخدمات اللوجستية خلال السنوات القادمة. ويتطور الذكاء الاصطناعي في مجال الخدمات اللوجستية بشكل متزايد من مجرد مشروع أتمتة إلى منهجية شاملة قائمة على الذكاء الاصطناعي، تدمج الأمن وجودة البيانات والامتثال للعمليات في الأتمتة، بدلاً من تشغيل حلول معزولة ومنفصلة. وتؤكد مؤسسات بحثية مثل معهد فراونهوفر لتدفق المواد والخدمات اللوجستية أيضاً على أن تحسين مواقع التخزين باستخدام الذكاء الاصطناعي، والتعرف التلقائي على ناقلات الشحن، ونقل عمليات الروبوتات المحاكاة إلى بيئات العالم الحقيقي، كلها عوامل تتكامل بشكل متزايد لتمكين التخطيط الاستباقي وإطلاق إمكانات إضافية لرفع الكفاءة.

بالنسبة للمشغلين الذين يفكرون حاليًا في الاستثمار في روبوتات انتقاء المنتجات المدعومة بالذكاء الاصطناعي، يوفر السوق بالفعل معايير موثوقة: بدءًا من التكامل الموجه في محطة عمل انتقاء واحدة، وصولًا إلى التوسع ليشمل أساطيل من الروبوتات المتعددة، وربما المئات، في عدة دول. لذا، لم يعد السؤال المحوري هو ما إذا كان الذكاء الاصطناعي سيغير عملية انتقاء الطلبات، بل مدى سرعة استفادة الشركات من هذا التغيير قبل أن تتسع الفجوة بينها وبين المنافسين الذين يستخدمون أنظمة آلية بالفعل.

Konrad Wolfenstein

يسعدني أن أكون مستشارك الشخصي.

يمكنكم التواصل معي عبر البريد الإلكتروني wolfenstein∂xpert.digital أو

اتصل بي على الرقم +49 7348 4088 965 .

لينكد إن
 

تقديم الاستشارات والتخطيط والتنفيذ لحلول متكاملة للمستودعات ذات الرفوف العالية وأنظمة التخزين الآلية - الصورة: Xpert.Digital

للمزيد من المعلومات، انقر هنا:

• استشارات وتخطيط المستودعات ذات الرفوف العالية: مستودع آلي ذو رفوف عالية - تحسين تخزين المنصات بشكل آلي بالكامل - تحسين المستودع