Интеграция ИИ и машинного обучения в складской логистике - Глобальные разработки в Германии, ЕС, США и Японии

Будущее логистики склада: контролируемые ИИ процессы для максимальной производительности

Искусственный интеллект (ИИ) описывает способность машин или программного обеспечения выполнять задачи, которые обычно требуют человеческого интеллекта, таких как логическое мышление, обучение, планирование или творческое решение проблем. По сути, речь идет о компьютерных системах из данных и может принимать решения, а не только строго предопределенные правила. Машинное обучение (ML) -это подразделение AI, в котором алгоритмы независимо идентифицируют закономерности и адаптируют их поведение, анализируя большие объемы данных. Проще говоря, система ML учится на опыте: она «обучена» с историческими данными, а затем может предсказать или принимать решения с новыми, неизвестными данными. В результате ИИ может постоянно улучшать свои собственные прогнозы и услуги, не будучи явно запрограммированным людьми для каждого отдельного случая.

В логистике - и особенно в складской логистике - AI и ML открывают огромные возможности. Индустрия логистики имеет обширные сети и генерирует огромные объемы данных, что делает его идеальным полетом применения для ИИ. Например, интеллектуальные алгоритмы могут предсказать количество в будущем, рассчитать оптимальные маршруты или управлять сложными складскими процессами. Самоучительные системы могут принимать решения быстрее и часто более точно, чем люди, особенно когда речь идет о обработке больших объемов данных в режиме реального времени. Поэтому на современных складах технологии искусственного интеллекта используются в различных областях от управления запасами для выбора (сборка заказов) для транспортировки контроля на складе.

В целом, применяется следующее: ИИ в лагере подражает «мышлению» очень опытного менеджера лагеря, только что она может получить гораздо больше данных. Например, системы ИИ могут распознавать, какие предметы хорошо продаются, когда, как хранить товары наиболее эффективно, или какие пути к вилочному погрузчику следует поехать, чтобы сэкономить время. Эти автоматизированные решения, основанные на данных, составляют основу для того факта, что ИИ и ML все чаще проникают в логистику склада.

Оптимизация складских процессов с помощью ИИ

Одним из самых больших преимуществ ИИ в складской логистике является оптимизация существующих процессов. Склады зависят от постоянного тока информации - например, данные о запасах, данные заказа или информацию о местоположении от товаров. Однако там, где люди склонны к ошибкам или могут обрабатывать только ограниченную информацию, KI обеспечивает точность и скорость. Например, ИИ может предоставлять и анализировать данные в режиме реального времени, что означает, что ошибки распознаются и исправляются быстрее, прежде чем вызовать проблемы. Рутинные задачи, такие как проверка инвентаризации или сборы товаров, могут быть автоматизированы, что освобождает от сотрудников.

Системы ИИ также могут распознавать закономерности на складских процессах, которые могут пропустить человеческий взгляд. Благодаря этим анализу данных система лучше понимает текущую ситуацию на складе, определяет узкие места или неэффективность и предлагает улучшения. Практическим примером является оптимизация: алгоритмы могут анализировать и оптимизировать пути ходьбы складов или промышленных грузовиков (например, вилочные погрузчики). Например, списки выбора отсортированы таким образом, что сотрудники проходят максимально короткий путь через склад. Это уменьшает термины, и заказы собираются быстрее. Аналогичным образом, функции искусственного интеллекта могут определять наилучшее пространство для хранения для каждого продукта, основанную на его размере, охвате и других факторах, чтобы сделать месторождение и аутсорсинг более эффективным.

Другим важным аспектом является уменьшение ошибок и улучшить качество. Системы идентификации изображений, поддерживаемые AI, могут, например, сканировать пакеты и проверять их состояние и размеры при получении. Это немедленно признается, если есть ущерб или статья была неправильно помечена. Такие автоматизированные элементы управления качеством гарантируют, что проблемы решаются в начале процесса и не проходят через всю цепочку поставок. Кроме того, ИИ учится с течением времени: изначально могут возникнуть ошибки, но благодаря методам машинного обучения распознавание изображений непрерывно улучшается и еще больше снижает частоту ошибок.

Все эти оптимизации в конечном итоге приводят к повышению производительности и снижению затрат на складские операции. Роботы и системы ИИ могут выполнять некоторые задачи намного быстрее и точнее, чем люди, что повышает производительность. В то же время алгоритмическая оценка складских данных обеспечивает лучшие стратегические решения- например, в планировании персонала и ресурсов, что делает всеобъемлющие процессы более эффективными. Решения искусственного интеллекта могут постоянно контролировать процессы, анализировать риски и действовать активно (например, распознавание и противодействие угрожающему месту). В целом, прозрачность на складе улучшается, и проблемы часто узнают еще до того, как они возникают. Все это способствует снижению затрат, потому что более эффективный склад вызывает меньше отходов, меньше затрат на ошибки и оптимально использует рабочее время. Согласно прогнозам экспертов, технологии искусственного интеллекта могут повысить эффективность в логистической промышленности в ближайшие годы, например, на значительную магнитудируемость, оценивая повышение эффективности более чем на 40 % до 2035 года.

Таким образом, ИИ увеличивает скорость, точность и гибкость складских процессов. Это варьируется от более быстрого вывода и отправки продуктов, минимизации различий в инвентаре, до лучшей координации с другими областями цепочки поставок. Для компаний это означает более высокую производительность их склада, одновременно освобождая сотрудников монотонки или сложных задач.

Подходит для:

• Запас на пределе? Автоматизация склада: оптимизация склада или модернизация – правильное решение для вашего склада

Прогноз спроса и управление запасами с ML

Центральной областью применения машинного обучения в складской логистике является прогноз требований. Это означает прогноз будущего спроса - вопрос: какой продукт необходим, когда и в какой сумме? Точный ответ на этот вопрос стоит золота, потому что он позволяет оптимально контролировать инвентарь. Слишком много товаров в складе связывают капитал и помещение для хранения ненужных, слишком мало товаров приводят к узким месту доставки и недовольным клиентам. Системы на основе ИИ могут разрядить эту дилемму, делая очень точные прогнозы на основе больших объемов данных.

Современные модели машинного обучения анализируют исторические продажи, сезонные колебания, текущие заказы, маркетинговые кампании, тенденции в социальных сетях и многие другие влиятельные факторы. Из этого они изучают закономерности и отношения. Такая система может, например, признать, что абзац увеличивает определенные элементы, как только определенное событие неизбежно (например, спрос на увеличение углерода в гриле до летних выходных). Основываясь на таких моделях, ИИ автоматизирует, какое количество товаров должно быть доставлено, в каком месте, в какое время. Эти прогнозы помогают компаниям адаптировать свой инвентарь к их инвентаризации. В частности, это означает, что если продукт будет все чаще востребован, ИИ гарантирует, что поставки заказаны вовремя и доступны на складе. И наоборот, она предупреждает, может ли продукт будет востребован, так что избыточные акции и перепроизводство избегают.

Немецкий онлайн -ритейлер Отто приводит практическое пример. Компания использует саморазвитую систему ИИ для прогноза продаж с 2019 года. Эта система изучает будущее продаж, так сказать, и поддерживает все задействованные процессы - от закупок до складов до доставки. Прогнозы искусственного интеллекта показывают Otto, какие предметы прибывают на складе и насколько высоким ожидаемый абзац будет в определенный момент времени. Исходя из этого, Отто решает, является ли и в какой сумме купленность статьи и как ее следует продавать. Например, ИИ определяет, хранится ли продукт в наличии в наличии в качестве в наличии или, при необходимости, отправляется непосредственно клиенту производителю. Прогноз оказывает прямое влияние на закупки, склад и распространение. Результат: на складе всегда есть только товары, которые действительно необходимы, что снижает дорогие избыточные запасы, а затем ссылки на скидки. В то же время прогнозы гарантируют, что предметы доступны, как только спрос привлекает спрос, чтобы не упустить возможности продаж. С Otto, благодаря этому ИИ, 35 % диапазона теперь автоматически переупорядочивается без необходимости вручную запускать заказы - доказательство того, насколько хорошо работают прогнозы.

Другие компании также используют такие оптимизации инвентаризации на основе искусственного интеллекта. DHL сообщает, что системы ИИ могут сравнивать спрос и существовать в режиме реального времени и автоматически организовать повторный порядок. Они даже могут заранее рассчитать советы по спросу, чтобы не создавать какие-либо неправильные акции (вне наставки) или избыточные стенды. Это гарантирует быстрое доставку клиентам, потому что на складе всегда достаточно товаров, но на складе нет ненужных буферов, которые бы вызвали расходы.

Прогноз спроса через ML не только влияет на ваш собственный склад, но и всю цепочку поставок (цепочка поставок). Например, хорошие прогнозы позволяют заранее отправлять региональные распределительные центры до получения заказов. Например, Otto создает региональные прогнозы, чтобы предсказать, какие продукты упорядочены, в каком числе. Соответственно, эти предметы уже доставляются в ближайший депо в качестве меры предосторожности. Это сокращает время доставки и уменьшает транспортные маршруты, что также снижает выбросы CO₂.

Таким образом, планирование спроса, поддерживаемое AI, приводит к более эффективному складированию: всегда подходящий продукт в нужное время в подходящей сумме на складе. Это позволяет компаниям избегать узких мест доставки, повысить удовлетворенность клиентов и в то же время снижать затраты на хранение. Для логистики склада это означает меньше «вставки пожарной бригады», чтобы исправить внезапные узкие места, потому что ИИ распознает и любит такие ситуации на ранних этапах. Во времена все больше и больше нестабильного поведения клиентов (бум электронной коммерции ключевых слов, сезонные пики через онлайн-действия и т. Д.), Этот прогнозный контроль становится решающим конкурентным фактором.

Автоматизация и робототехника на складе

Особенно привлекательной областью интеграции ИИ является автоматизация с помощью робототехники на складах. Современные подшипники все чаще полагаются на интеллектуальные машины, которые могут перемещаться, поднимать, сортировать или упаковывать, часто контролируются или поддерживаются ИИ. Эти складские роботы освобождают работников, особенно в физически изнурительных, монотонных или критических задачах.

Одним из примеров являются автономные транспортные средства на складе, также известные как FTS (транспортные системы без водителя) или AMR (автономный мобильный робот). Такие транспортные средства - от небольших плоских транспортных роботов до автоматизированных вилочных погрузчиков - могут транспортировать поддоны, коробки или отдельные статьи от A в B полностью независимо. Это стало возможным благодаря датчикам, камерам и навигационным системам в сочетании с алгоритмами ИИ для планирования маршрута. Роботы «видят» их окружение, распознают препятствия и ищут лучший способ к цели. ИИ позволяет этим транспортным средствам реагировать на изменения в режиме реального времени, например, обход препятствия, которое внезапно возникает в коридоре, и все же сохраняет оптимальный маршрут. Такие автономные носители нагрузки уже являются реальностью во многих лагерях: они транспортируют товары между хранилищами, доставляют расходные материалы на полку, собирают статьи для заказов клиентов (автоматизированный выбор) или пропагандируют готовые заказы на транспортную станцию. Это освобождает работников от долгих маршрутов ходьбы и транспортных задач и может сконцентрироваться на более требовательных мероприятиях.

Другим роботизированным применением являются роботы, контролируемые ИИ. Это стационарные или мобильные роботы с руками, которые можно найти на полках. С помощью обработки изображений (камеры и программного обеспечения для искусственного интеллекта) такой робот определяет правильную статью и упаковывает необходимую сумму. Уже есть растения, в которых роботы выбирают отдельные детали: робот получает заказ от системы управления складом, например, 5 частей статьи X. Он перемещается (если мобильный) к соответствующему предмету, визуально распознает статью и точно обращается. Датчики веса проверяют, была ли правильное количество удалено, и ИИ снова подтверждает идентичность статьи посредством распознавания изображения. Такие системы часто работают в отдельных областях или ночью, чтобы иметь возможность готовить заказы вокруг часов. Также используются более сложные системы автоматизации, такие как сборы (автоматические хранилища) - в контейнерах или валах есть различные статьи, а по запросу система автоматически транспортирует желаемый элемент в выходной контейнер.

В этом контексте Amazon стал знаменитым: компания массово была на складских роботах около десяти лет. В лагерях Амазонки тысячи небольших апельсиновых роботов (ранее из Kiva Systems) транспортируют целые модули полки через склад непосредственно на сборщики человека. Интеллектуальный контроль искусственного интеллекта координирует эти роботы настолько эффективно, что пути сотрудников минимизируются. Внутреннее исследование Amazon показало, что эта A-оптимизированная координация приводит к огромным сбережениям в полмиллиарда долларов США в год экономит Amazon, принося роботов для сотрудников быстрее и эффективнее. ИИ всегда рассчитывает, какие модули шельфа рядом с работником должны будут быть привлечены к тому, какого сотрудника оптимально обрабатывать заказы. Результат: более быстрое выполнение заказов клиентов одновременно.

Роботы сортировки и упаковки также движутся. Например, в некоторых центрах упаковки DHL роботы уже берут пакеты из конвейерной ленты и отсортируют их по предметам для соответствующих маршрутов доставки. Благодаря ИИ, эти так называемые DHLBots способны обучаться и оснащены гибкими 3D-камерами, вы можете увидеть размер и форму программ, сканировать штрих-коды и автономно решать, какой предмет включает в себя пакет. Таким образом, они гораздо больше, чем жесткие промышленные роботы; Вы можете обрабатывать широкий спектр размеров пакетов и адаптироваться к измененным процессам. На практике это означает, что пакеты предварительно сортируются быстрее и более ошибки, что ускоряет доставку в «последнюю милю».

Есть много интересных примеров на международном уровне. В логистическом центре китайского гиганта электронной коммерции Alibaba (точнее, ее логистическая дочь Cainiao) был создан высоко автоматизированный склад, на котором роботы выполняют около 70 % работы. Около 60 мобильных роботов, также называемых «Zhu Que» на местном уровне, транспортируется в лагере 3000 м² на упаковочные станции и утроили производительность. Человеческий работник обычно создает 1500 выбранных предметов на смену - при поддержке роботов насчитывается 3000 статей, со значительно меньшим количеством ходьбы. ИИ гарантирует, что роботы эффективно работают вместе, не мешают и всегда приносят следующие товары в точку снятия в нужный момент. Этот склад Alibaba демонстрирует, что технически возможно, если вы почти полностью автоматизируете логистику склада: сотрудникам вряд ли придется пройти через серию полков, потому что роботы приносят полки или товары напрямую, и пропускная способность значительно увеличивается.

Такие умные склады часто интегрируют несколько технологий: автономные транспортные средства, гимнастика роботов, автоматизированные конвейерные ленты, датчики IoT для мониторинга условий окружающей среды и акций, а также системы искусственного интеллекта как «мозг», который контролирует все. Цель - высоко автоматизированный склад, который работает эффективно, безопасно и прозрачно. В этих средах человеческие работники часто работают рука об руку с совместными роботами (коботами), которые они поддерживают в тяжелых процессах подъема или приносят их им. Внедрение этого робота приводит к измененному профилю задачи для сотрудников, но в целом повышает производительность склада.

В начале этого развития все еще есть много лагерей - согласно оценкам, около 20 % складов автоматизированы только в Германии и Соединенных Штатах, остальные все еще в значительной степени эксплуатируются вручную. Но крупные игроки, такие как Amazon, Alibaba или DHL, сняли его и постепенно оснащены своими лагерями технологиями ИИ и роботами. В ближайшие годы ожидается все больше и больше складских процессов - будь то через транспортные системы без водителя, автоматизированные системы сортировки или системы интеллектуальной помощи для сотрудников.

Подходит для:

• Эффективная автоматизация склада: 25 важных вопросов и ответов для вашей оптимизации – советы по оптимизации и модернизации склада

ИИ в цепочке поставок и корпоративном программном обеспечении (SCM, DCM, ERP)

Не только отдельные роботы, но и программное обеспечение на заднем плане играет решающую роль в интеграции ИИ в логистике склада. Современные системы управления цепочками поставок (SCM) и решения для планирования ресурсов предприятия (ERP) все чаще оснащены функциями ИИ для улучшения планирования, управления и администрирования вдоль цепочки поставок. Термин «Управление цепочкой спроса» (DCM) также появляется в этом контексте-особенно сосредоточено на спросе клиентов, и на основе его цепочки поставок. Во всех этих системах ИИ может служить своего рода интеллектуальным слоем, который значительно улучшает классические функции.

Центральным примером является система управления складами (WMS)-программное обеспечение, которое управляет всеми процессами на складе (от получения товаров до хранения и выбора до выпуска товаров). В прошлом WMS работал в соответствии с твердо запрограммированными правилами. В то же время, однако, производители интегрируют модули ИИ, которые делают WMS «умнее». Например, польский розничный продавец моды LPP внедрил решение AI (PSIWMS AI) в своей системе управления складами, которая использует механизмы машинного обучения для оптимизации процесса. Результатом был значительно более короткий сборов, и в целом более высокая эффективность на складе. Это показывает: ИИ может добавлять существующее логистическое программное обеспечение таким образом, что он учится на своих собственных операционных данных и независимо улучшает процессы. Например, WMS на основе AI может распознавать, какие элементы часто упорядочиваются вместе, а места для хранения движутся ближе (автоматическая оптимизация макета). Или он расставляет приоритеты динамически заказы в зависимости от доступных ресурсов, условий движения или дат доставки.

Системы управления цепочками поставок

Системы управления цепочками поставок с поддержкой ИИ идут на шаг вперед, просмотрев всю цепочку поставок за пределы отдельного подшипника. Они используют ИИ для создания сквозных оптимизаций: чтобы компенсировать акции в нескольких местах хранения, для оптимального использования транспортных способностей и гибко реагировать на расстройства. Инструменты SCM на основе AI могут предоставить большие объемы данных из разных источников-E.G. Например, Oracle описывает, что компании используют ИИ для баланса акций и нахождения маршрутов с эффективными топливами, гораздо более эффективными, чем это было бы возможно при обычном программном обеспечении. Например, такая система может автоматически рассчитать альтернативный маршрут для последующих грузовиков в случае внезапно заблокированного маршрута трафика и затронутых поставок. Или он замечает проблемы с качеством с определенным поставщиком и предупреждает вовремя, прежде чем неисправные части попадут в лагерь.

Управление цепочкой спроса (DCM)

Управление цепочкой спроса (DCM), которое фокусируется на стороне спроса, также получает выгоду от ИИ. Речь идет о оптимальном использовании потребностей клиентов - в основном интеграции маркетинга/продаж с цепочкой поставок. Например, в DCM ИИ может анализировать заказы клиентов и улучшать прогнозы, чтобы адаптировать производство и складки еще более точно к фактическому спросу. На практике SCM и DCM часто размываются, но оба стремятся примирить спрос и предложение с ИИ максимально эффективно.

Крупные поставщики ERP, такие как SAP или Oracle, уже интегрировали функции ИИ в свои продукты. SAP говорит о «Business AI» в модулях ERP, которые должны оптимизировать склады, обработка и транспорт заказа со знаниями, поддерживаемыми ИИ. Oracle подчеркивает, что системы ИИ могут распознавать закономерности в цепочках поставок, которые остаются скрытыми для людей, например, для более точно предсказать спрос клиентов и, таким образом, обеспечить более экономически эффективное управление запасами. Microsoft и специализированные поставщики программного обеспечения для логистики также предлагают модули искусственного интеллекта, которые входят в существующие процессы. Стандартные интерфейсы часто предоставляются с помощью ERP -систем, так что модели ИИ (например, для прогнозов) могут работать относительно быстро с данными компании. Например, модель ИИ для прогноза продаж может быть интегрирована непосредственно в обработку заказа ERP: система автоматически создает предложения заказа для поставок при покупке, основанную на прогнозе ML.

Легко понятное использование программного обеспечения - это чат -боты ИИ для логистики. Эти цифровые помощники могут быть интегрированы в системы управления складами или системы управления транспортом и помочь сотрудникам, таким как внешние партнеры, быстро получить информацию. В контексте хранения чат -боты могли ответить на вопросы, например, à la «Где статья XY?» или «Насколько высоко в настоящее время существование продукта Z?» - и в считанные секунды, вокруг часов. Вы можете принять запросы на заказ или предсказать время доставки. Внутренне такие помощники освобождают сотрудников по времени, требующей исследовательской работы, внешне улучшают обслуживание клиентов (например, информация о статусе склада заказа).

Таким образом, ИИ проникает в ландшафт программного обеспечения в логистике на всех уровнях. От WMS до SCM/DCM до ERP классические системы дополняются ИИ для разрешения автоматических решений. Интеграция важна: решения ИИ должны легко вписаться в существующие процессы. Благодаря облачной технологии и стандартизированным интерфейсам, это становится проще. Сегодня компании часто могут добавлять функции искусственного интеллекта в свои существующие системы в качестве расширения. Тем не менее, успешная реализация остается задачей, которая требует ноу-хау-правильные данные должны быть доступны, модели обучены и непрерывно контролируются. Как только это было освоено, программные системы на основе искусственного интеллекта предлагают значительную добавленную стоимость: прозрачность, скорость и проактивное управление становятся новой нормативностью в логистике склада.

Проблемы реализации искусственного интеллекта: именно так компании освоит инвестиции и это с барьерами: xpert.digital

Практические примеры от компаний

Многие компании по всему миру уже успешно используют ИИ в своих складах и логистических процессах. Вот несколько практических примеров, которые показывают, насколько разнообразны приложения:

Amazon (США)

Как один из пионеров, Amazon использует ИИ и робототехнику в больших масштабах. В центрах выполнения (логистические центры) гиганта электронной коммерции десятки тысяч роботов переходят к сотрудникам. ИИ постоянно оптимизирует процесс, который на полках приводит к удалению статьи, чтобы удалить статью. Этот интеллектуальный контроль выбора значительно повысил эффективность Amazon. Исследования поставили сбережения от оптимизации Amazon AI на основе AIS «выбора» со скоростью около 470 миллионов евро в год. Кроме того, Amazon Ki использует во многих других областях, например, в планировании маршрутов для транспортных средств, динамическом планировании персонала в зависимости от объема заказа или для прогнозного обслуживания (прогнозное обслуживание) его объектов на складе.

Алибаба (Китай)

Alibaba работает с высоким уровнем склада со своей логистической дочерью Cainiao, в котором роботы выполняют большую часть физической работы. В хорошо известном лагере в Гуандуне умные транспортные роботы выполняют 70 % от работы по складке и повышают производительность на тройной. Роботы - контролируемые ИИ - приносят человеческим коллегам, которые в основном принимают упаковку. Из -за координации искусственного интеллекта сотрудник сортирует до 3000 пакетов на смену вместо ~ 1500 без поддержки. Alibaba также использует KI для доставки беспилотников и автономных транспортных средств для доставки в местном транспорте и, с ML, оптимизирует распределение акций по многочисленным распределительным центрам. Результатом являются молниеносные поставки (иногда в день семян или в течение нескольких часов), несмотря на огромное количество заказа, с поддержкой A-оптимизированных процессов.

Deutsche Post DHL (Германия)

Как поставщик глобальных логистических услуг, DHL инвестирует в различные сферы деятельности в области искусственного интеллекта. При доставке посылок тесты DHL, например, автономные беспилотники и уличные боты, но решения ИИ также используются на самом складе. В некоторых лагерях DHL или в центрах посылок роботы на основе искусственного интеллекта автоматически сортируют в целевом регионе. Эти роботы распознают каждое шоу, используя 3D-камеру и ИИ, захватите и помещают их в правильный объект доставки, намного быстрее, чем человек. DHL также использует инструменты AI для оптимизации маршрутов автопарков, для перспективного обслуживания своих систем финансирования и для управления запасами для клиентов по контракту. Пример последнего: DHL KI использует в Contract Logistics (Warehouse Logistics для промышленных клиентов) для мониторинга акций своих клиентов и запускает автоматические заказы на поставку до создания узкого места. Таким образом, DHL повышает надежность доставки и привязывает клиентов более внимательно.

Отто (Германия)

Как упомянуто выше, Отто Ки успешно использует прогноз продаж и контроль хранения. Система заказала автономно и оптимизирует инвентарь. В результате Отто смог уменьшить избыточные стенды и в то же время улучшить способность доставлять. Otto является примером того, как немецкая компания разрабатывает ИИ внутренне и использует продуктивно, чтобы оставаться конкурентоспособным на высококонкурентном рынке (онлайн -торговля).

Hitachi (Япония)

В Японии, где многие процессы традиционно работают вручную, в настоящее время также начинается широкая интеграция ИИ в складской логистике. Примером является Хитачи, который исследует ИИ для улучшения выбора в своих распределительных центрах. Стареющая рабочая сила должна поддерживаться с распознаванием изображения и захватом. Другие японские компании - например, в индустрии автомобильных поставок - также все чаще полагаются на автоматизированные складские системы с ИИ. Правительство Японии продвигает такие проекты как часть «Общества 5.0» и специальных программ по смягчению нехватки квалифицированных работников в секторе логистики. В целом, робототехника в Японии пользуется высоким уровнем принятия, и новые стратегии направлены на автоматизацию складов и цепочек поставок.

Walmart (США)

Крупнейшая в мире розничная сеть также инвестирует в ИИ для ее цепочки поставок. Walmart использует анализ ИИ, чтобы продолжить инвентарь в режиме реального времени в своих распределительных центрах и для прогнозирования, когда филиалы нуждаются в пополнении. Кроме того, Walmart проверил роботов инвентаризации в некоторых ветвях, которые едут вдоль полки и распознают, какие продукты необходимо пополнить. Автоматизированные системы сортировки используются в крупных логистических центрах электронной коммерции группы, а ИИ оптимизирует распределение пакетов на маршрутах грузовиков. Вместе с такими компаниями, как Walmart, торговые гиганты США управляют принятием ИИ в логистике.

В упомянутых примерах показывают, что как технологические группы, так и поставщики классических логистических услуг, поставщики ИИ, используются продуктивно в своих лагерях. Amazon и Alibaba, в частности, устанавливают стандарты, на которых ориентированы другие. Но также в Германии и в других местах, ИИ Партитно разработали внутренние (как и в случае с Отто), частично в сотрудничестве с технологическими партнерами или закупая стартапов. Важно, чтобы эти успехи делали школу: многие мелкие и средние логистические компании наблюдали, что именно делают крупные, и теперь также начинают питать решения искусственного интеллекта в некоторых областях.

Экономические последствия ИИ на складе

Внедрение ИИ и ML в складской логистике является не только техническим, но и экономическим решением. Компании надеются на ощутимые деловые преимущества, но также должны инвестировать и принимать во внимание возможные побочные эффекты.

Сначала до положительных экономических последствий

Как уже объяснялось, ИИ значительно повышает эффективность на складе - процессы работают быстрее и с меньшими ошибками. Это влияет на затраты напрямую. Например, благодаря AI-оптимизированному планированию маршрутов для работников склада или роботов время, чтобы опустить заказ, может быть резко сокращено, что означает, что может быть обработано больше заказов на уровень (более высокая пропускная способность). Расходы на персонал могут быть сэкономлены или лучше использоваться, потому что сотрудники облегчены автоматизацией, и более продуктивные в других местах могут использоваться в другом месте. Управление инвентаризацией, поддерживаемое ИИ, снижает затраты на запасы, поскольку меньше капитала связана с ненужными товарами и амортизацией из-за уменьшения порчи или устаревших продуктов. Опрос показал, что многие логистические компании в ИИ видят возможность значительно повысить качество и производительность - даже в качестве новаторской отрасли оцифровки, более половины компаний оценили логистику. Это означает, что отрасль ожидает, что ИИ внесет свой вклад в дополнительную стоимость.

Конкретные числа лежат в основе сберегательного потенциала

Анализ Accenture предсказывает, что использование ИИ может повысить эффективность логистики к 2035 году более чем на 40 %. Это будет означать огромное снижение затрат, поскольку повышение эффективности обычно означает больший выход (работа заказа) с тем же или меньшим входом (время, персонал, область). Уже сегодня возврат инвестиций (ROI) часто является относительно быстрой в конкретных проектах. Например, системы ИИ, которые оптимизируют транспорты или грузовые грузы, могут сэкономить затраты на топливо и избежать пустых поездок, чтобы инвестиции в программное обеспечение окупаются в течение нескольких лет. KI также способствует экономии затрат, избегая простоя (расстройства, которые приводят к задержкам доставки), например, если прогнозная главная глава не позволяет системам предотвратить дорогие световые стойки машины на складе.

Пилотные проекты и бизнес -кейсы: когда ИИ оплачивается на складской логистике

Тем не менее, инвестиционные затраты и проблемы также компенсируются возможностями. Покупка складских роботов, датчиков и программного обеспечения для искусственного интеллекта изначально дорого. Не каждая компания имеет финансовые силы Amazon, чтобы поместить сотни миллионов автоматизации. Многие лица, принимающие решения в области логистики из-за высоких инвестиционных затрат или отсутствия ИТ-инфраструктуры. Особенно в малых и средних магазинах цифровые основы (например, непрерывное сборы данных) часто отсутствуют, чтобы полностью использовать ИИ. Кроме того, реализация требует ноу-хау: эксперты в области искусственного интеллекта и анализ данных востребованы, но редки и дорого. Первоначально проекты искусственного интеллекта могут увеличить сложность того, что делает необходимым обучением сотрудников и управления изменениями.

В краткосрочной перспективе также могут быть смены затрат. Например, с помощью более его использования усилия по обеспечению безопасности данных и обслуживанию систем увеличиваются. Бюджеты для регулярных обновлений программного обеспечения, обучения моделям (в случае ML) или систем резервного копирования должны быть запланированы. Затраты на интеграцию-I.E. Например, Oracle подчеркивает, что реализация часто может быть сложной и дорогой, особенно когда модели ML, созданные адаптированием, должны быть обучены своим собственным данным.

Однако в долгосрочной перспективе большинство экспертов ожидают, что потенциал сбережений перевешивает инвестиции. Если компания преодолела первоначальные препятствия, склад, поддерживаемый AI, обычно работает значительно более экономически. Существуют также мягкие факторы: современный автоматизированный склад может реагировать на более масштабируемый на рост (справиться с большим количеством заказов без необходимости пополнить линейный персонал). Это повышает конкурентоспособность - вы остаетесь конкурентоспособным с сроком поставки и затрат или даже можете дифференцировать себя от особенно быстрого обслуживания. Кроме того, AI-оптимизированные процессы помогают сократить время доставки, что, в свою очередь, может повысить лояльность и продажи клиентов (пожалуйста, закажите удовлетворенных клиентов).

Интересным аспектом является устойчивость, которая также экономически актуальна. KI помогает работать более экологически чистым (например, путем оптимального использования грузовых возможностей, что экономит поездки или избегая избыточных стендов, что снижает перепроизводство). Поскольку устойчивость в настоящее время также вознаграждается инвесторами и клиентами, это может косвенно принести финансовые выгоды (ключевое слово «зеленая логистика» в качестве аргумента продаж).

Таким образом, ИИ влияет на затраты на хранение во многих отношениях: затраты на персонал, затраты на запасы, затраты на ошибки, затраты на убыток - все это может быть сокращено с помощью ИИ. Это сталкивается с инвестиционными и эксплуатационными затратами для систем ИИ. Компании должны взвесить, когда и где ИИ окупается за них. На практике мы испытываем, что пилотные проекты часто начинаются с самого начала получить конкретные фигуры. Обычно они показывают, стоит ли масштабирование. Поскольку технология становится все более доступной и дешевле (облачные сервисы, стандартные решения), порог входа падает.

В общей сложности можно сказать: ИИ является конкурентным фактором в логистике. Если вы инвестируете рано и разумно, вы можете получить лидерство в затратах или достичь лидерства в обслуживании. Компании, которые ждут, с другой стороны, рискуют работать более неэффективно в долгосрочной перспективе и потери рынка. Тем не менее, введение не является тривиальным-это убедительное деловое обоснование, хорошее планирование, а также поддержку управления, потому что речь идет о стратегическом курсе.

Подходит для:

• Эффективное планирование и внедрение: искусственный интеллект, робототехника и автоматизация в современных складских структурах

Региональные различия: Германия, ЕС, США и Япония

Развитие и распространение ИИ в складской логистике различны на региональном уровне, под влиянием экономических условий, технологических пионеров и политических рамок. Взгляд на важные регионы:

Германия и ЕС

В Германии логистическая индустрия традиционно очень важна и считается сравнительно инновационной. Исследования показывают, что 22 % немецких логистических компаний уже используют ИИ, а еще 26 % имеют конкретные планы на это. Немецкие компании считают, что немецкие компании KI полезны, особенно в области прогноза спроса, планирования продаж и оптимизации транспорта. Тем не менее, около 20 % склада в Германии в настоящее время в основном автоматизированы. Это означает, что большинство по -прежнему работает с преимущественно ручными процессами. Проблемы часто лежат в сложности системы и нехватке квалифицированных работников, что препятствует реализации новых технологий. Тем не менее, немецкие компании сильно инвестируют в ИИ, чтобы оптимизировать процессы и оставаться конкурентоспособными.

Политически как Германия и Европейский союз массово продвигают технологии ИИ. Германия запустила стратегию ИИ и предоставила миллиарды исследований. Такие учреждения, как Институты Фраунхофера (например, IML в Дортмунде), нацелены на решения искусственного интеллекта для логистики. Такие термины, как Industry 4.0 и Logistics 4.0, формируют видение, в котором ИИ также играет ключевую роль. ЕС планирует продвигаться с такими программами, как Horizon Europe и специальные проекты поддержки, ИИ и робототехника в промышленности. В то же время, в Европе вы обращаете внимание на этические руководящие принципы и правила-ключевое слово в ЕС Комиссии и Европейский проект по регулированию ИИ (Закон об ИИ). Это предназначено для обеспечения того, чтобы ИИ использовался достоверным и безопасным, что также важно для логистики (например, защита данных для данных сотрудников, стандарты безопасности для автономных систем).

США

Соединенные Штаты были давними лидерами в области автоматизации и исследований искусственного интеллекта и приспосабливали такие технологические гиганты, как Google, Amazon, IBM, Microsoft, которые сильно управляют ИИ. Однако в практике складской логистики Соединенные Штаты не намного больше автоматизированы, чем Европа. По оценкам, только около 20 % складов США очень автоматизированы. Тем не менее, высокие затраты на рабочую силу и растущая нехватка рабочей силы в Соединенных Штатах в настоящее время значительно увеличивают инвестиции в автоматизацию. Крупные компании, такие как Amazon, Walmart или UPS, внедряют системы AI и служат в качестве черновых лошадей. Соединенные Штаты понимают, что технология ИИ необходима, чтобы не отставать от глобальной конкуренции (особенно по сравнению с Азией).

Политически в Соединенных Штатах есть и другие приоритеты - здесь доминируют частные инвестиции и инициативы. Государственное финансирование является менее центральным, чем в ЕС или Китае, но существуют программы Министерства обороны или Министерства энергетики косвенно поддерживают исследования ИИ (например, для автономных транспортных средств, которые также приносят пользу логистике). В последнее время, однако, стратегии ИИ также обсуждаются на национальном уровне, в частности, для укрепления промышленной основы. В целом, можно сказать: американские компании прагматично управляют AI в логистике, в то время как политика постепенно пытается создать основу для национального национального.

Япония

Япония является одним из пионеров в области робототехники и автоматизации - в промышленности (например, автомобильное производство), в Японии плотность роботов в 399 роботов на 10 000 работников и находится в лучшем по всему миру. Однако в складской логистике Япония до сих пор была более сдержанной. Традиционные методы работы и высокая оценка человеческой работы давно привели к тому, что автоматизация склада оставалась сравнительно низкой. Но это сейчас быстро меняется, потому что Япония сталкивается с острыми демографическими проблемами: меньше и меньше молодых работников, а уставные временные ограничения заставляют компании устанавливать решения для автоматизации для поддержания производительности. Поэтому все больше и больше японских компаний обращаются к современным решениям с искусственным искусством. Правительство активно продвигает это - существует «новая стратегия робота», которая нацелена на использование роботов в секторах обслуживания, таких как логистика.

Кроме того, Япония распространяет концепцию общества 5.0, супер-северное общество, в котором ИИ вездесущему для овладения социальными проблемами (например, стареющее общество). В этом контексте работают автоматические грузовики по доставке, системы зарядки и разгрузки на основе роботов и AI-оптимизированные цепочки поставок. Мы уже видим японские логистические центры, которые оснащены безвековыми вилочными погрузчиками и конвейерными системами, контролируемыми ИИ. Таким образом, в то время как Япония началась чуть позже, автоматизация в лагерях и использовании ИИ должна внезапно увеличиться в ближайшие несколько лет. Культурно, принятие роботов очень высокое, что облегчает изменения.

Китай и Южная Корея (для сравнения)

Даже если это явно не требуется в вопросе, стоит быстрый взгляд: Китай агрессивно инвестирует в робототехнику и ИИ и в настоящее время является крупнейшим в мире рынком для промышленных роботов. Более 50 % всех новых роботов по всему миру установлены в Китае. Правительство Китая субсидирует это развитие, чтобы модернизировать свои цепочки поставок. Особенно через бум электронной коммерции (Alibaba, JD.com и т. Д.) Китай испытал большую тягу в автоматических складских решениях. Южная Корея, с другой стороны, считается секретным лидером в области автоматизации склада: более 40 % лагерей их автоматизированы благодаря высокотехнологичным сродствам и таким компаниям, как купан, которые полагаются на ИИ. Такие страны служат эталоном того, что возможно, если вы постоянно представляете технологии.

Европа (ЕС) в целом

Европа движется - за исключением - на уровне США. В Европе такие страны, как Германия, Нидерланды или Скандинавия, хорошо расположены с точки зрения логистики, в то время как у других есть некоторые догоняние. С совместными проектами (например, GAIA-X для инфраструктуры данных) и грантов, ЕС пытается равномерно продвигать прогресс. Кроме того, существуют исследовательские проекты по всему ЕС в области ИИ для транспортировки и логистики (например, для автономных взводов грузовиков, регулирования беспилотников доставки и т. Д.), Конечно, что также оказывает влияние на лагеря, поскольку все блокирует.

Таким образом: Германия/ЕС и США по-прежнему относительно равны по практическому использованию ИИ в лагерях-множество потенциальных признанных, но все же большие части отрасли без ИИ. Азия неоднородна: Китай и Южная Корея очень далеко вперед благодаря принудительному использованию, Японии в процессе улова. Региональная политика и программы финансирования играют важную роль: в то время как Китай, а иногда и Европа сильно выталкивают из штата, частный сектор водит в Соединенных Штатах. В конце концов, все наблюдают: хорошие решения принимаются на международном уровне. Следовательно, определенная конвергенция может ожидать, что логистика с Warehouse является глобальной, и успешные концепции ИИ (будь то «Amazon Way» или роботы Alibaba) распространятся по всему миру.

Автоматизированный склад 2050: видение становится реальностью

Посмотреть на будущее складской логистики с ИИ и машинным обучением обещает дальнейшие захватывающие разработки. Термин, который падает снова и снова, - это «умный склад» - почти полностью оцифрованный и интеллектуальный лагерь. В таких будущих сценариях все системы и машины общаются друг с другом (ключевое слово Интернет вещей, IoT). ИИ образует мозг, который контролирует эти сетевые устройства. Вы можете представить себе склад в 2050 году, в котором почти все обычные действия автоматизированы: автономные транспортные средства были продвинуты, роботы, выбор, инвентарь (например, распознавание кусочков на камере), системы ИИ контролируют все в режиме реального времени.

Подходит для:

• Дальнейшее развитие и реоптимизация складской логистики: склады, автоматизация, робототехника и искусственный интеллект для новой эры эффективности.

Потенциальные события

Мы только в начале того, что ИИ может сделать в логистике. В будущем алгоритмы самообучения могут оптимизировать целые комплексы хранения в режиме реального времени - динамически адаптироваться к миксу продукции, ситуации за порядок или даже непредвиденными событиями (например, внезапным закрытием границы или нехватка сырья). Генеративный ИИ (известный в Chatgpt & Co.) может помочь в процессах планирования, например, разработка альтернативных сценариев для сбоев цепочек поставок. Робототехника, вероятно, более универсальна: сегодня у нас есть специализированные роботы для определенных задач; В будущем гуманоидные роботы или чрезвычайно гибкие системы роботов могут работать на складе, которые выполняют широкий спектр задач (захват, переноска, вождение). Первые подходы (два робота в качестве помощников склада) уже тестируются.

Сотрудничество между человеком также усовершенствовано. Коботы могут тесно сотрудничать с людьми без защитных клеток, и ИИ может служить личным помощником для каждой складской работы - например, посредством очков данных с дополненной реальностью, которая показывает сотруднику в режиме реального времени всю соответствующую информацию (пространство для хранения, следующий шаг, предупреждения). Носимые устройства, поддерживаемые AI, также могут отслеживать безопасность (например, браслет вибрирует, когда поблизости находится вилочный погрузчик). Все это служит для улучшения условий труда и дальнейшего снижения ошибок или несчастных случаев.

Конечно, есть также проблемы и этические вопросы на пути туда. Часто обсуждаемая проблема - вопрос о работе: если на складе автоматизируется все больше и больше, что происходит с работниками склада? В краткосрочной перспективе определенные действия могут быть пропущены - например, вам нужно меньше сборщиков ручных, если роботы выполняют эту задачу. Исследования предсказывают снижение рабочих мест, особенно в простых, повторяющихся действиях. Но есть и новые роли: ИИ также создает новые рабочие места - только другие. В будущем эксперты по техническому обслуживанию робототехники, анализу данных или поддержке системы ИИ будут все чаще необходимы в будущем. Таким образом, в то время как физическая рутинная работа уменьшается, требования для технического ноу-хау увеличиваются. Компании обязаны обучать и обучать своих сотрудников, чтобы они могли иметь смысл в окружающей среде на основе искусственного интеллекта. Интересно, что некоторые компании даже сообщают, что автоматизация позволила им расширить и нанять больше сотрудников, потому что их бизнес рос. Машина не обязательно берет работу в целом, но часто только монотонные и стрессовые его части - люди могут затем выполнять более квалифицированные задачи.

Человек против машины? Почему гибридные решения будут доминировать на складе

Этические аспекты также влияют на защиту данных и прозрачность. ИИ на складе собирает много данных, таких как производительность сотрудников (показатели выбора, схема движения) или для мониторинга окружающей среды. Здесь персональные данные должны быть обработаны тщательно, чтобы сохранить конфиденциальность и сохранить наблюдение на рабочем месте в рамках. Решения, которые принимает ИИ, должны быть понятны - например, если алгоритм указывает, сколько должен выполнять сотрудник, необходимы прозрачные критерии для обеспечения справедливости. В этом контексте ЕС подчеркивает надежные алгоритмы, которые являются объяснимыми, справедливыми и надежными.

Другая тема - безопасность: автономные роботы и системы искусственного интеллекта должны быть разработаны таким образом, чтобы не было опасности для людей. Это требует технических стандартов и тестов (например, вилочный погрузчик самостоятельно должен надежно останавливаться на 100 %, если человек мешает). Кибербезопасность также становится более важной: сетевой лагерь может быть целью хакерских атак, поэтому системы ИИ должны быть защищены от манипуляций.

В будущем видение вы можете даже представить себе совершенно автономные лагеря, которые работают без освещения ночью, потому что активные только машины. Люди предпочли бы захватить контрольные функции. Тем не менее, люди остаются центральным компонентом в обозримом будущем - хотя бы для обеспечения гибкости и проблем с решением проблем в непредвиденных ситуациях. Поэтому гибридное решение (человека + AI) должно быть способом следующих десятилетий.

Будущее складской логистики: почему ИИ теперь незаменим

Есть также проблемы в практической реализации: многие компании сталкиваются с вопросом о том, как представить ИИ. Стандарты отсутствуют, существует джунгли поставщиков, и успех зависит от хорошего качества данных. Если у вас плохие или неполные данные, у вас нет хороших результатов с ИИ («мусор, мусор»). Взаимодействие между различными системами (например, ИИ склада и ИИ управления транспортом) должна быть гарантирована, чтобы действительно создавалась непрерывная интеллектуальная цепочка поставок.

Тем не менее, эта тенденция ясна: ИИ становится все более важным в логистике склада. За десять лет многое из того, что является пилотным проектом сегодня, конечно, будет частью повседневной жизни. Компании, которые начинают сегодня, получают ценный опыт и могут масштабировать свои решения. Политика во многих странах способствует этому развитию, потому что было признано, что логистика является ключевой областью для общей экономики - и ИИ, чтобы сделать эту ключевую отрасль более эффективной и кризис.

Интеграция ИИ и машинного обучения в складской логистике уже началась с видимых успехов в эффективности и скорости. Это требует инвестиций и колебаний, но предлагает огромные возможности - от экономии затрат до лучшего обслуживания клиентов до новых бизнес -моделей. Региональные различия со временем станут меньше, потому что лучшие практики принимаются во всем мире. Будущее обещает еще более интеллектуальную, в значительной степени автоматизированную складированную логистику, в которой люди и машина тесно сотрудничают. В то же время мы должны оперативно иметь дело с изменениями - взять с собой сотрудников, безопасно разработать технологии и соблюдать этические ограждения. Если это удастся, мы сталкиваемся с миром логистики, который гораздо более эффективен, более гибкий и более устойчивый, чем все, что мы знаем из прошлого.

☑️ Поддержка МСП в разработке стратегии, консультировании, планировании и реализации.

☑️ Создание или корректировка цифровой стратегии и цифровизации.

☑️ Расширение и оптимизация процессов международных продаж.

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Пионерское развитие бизнеса

Конрад Вольфенштейн

Буду рад стать вашим личным консультантом.

Вы можете связаться со мной, заполнив контактную форму ниже, или просто позвонить мне по телефону +49 89 89 674 804 (Мюнхен) .

Я с нетерпением жду нашего совместного проекта.

Xpert.Digital — это промышленный центр с упором на цифровизацию, машиностроение, логистику/внутреннюю логистику и фотоэлектрическую энергетику.

С помощью нашего решения для развития бизнеса на 360° мы поддерживаем известные компании, начиная с нового бизнеса и заканчивая послепродажным обслуживанием.

Аналитика рынка, маркетинг, автоматизация маркетинга, разработка контента, PR, почтовые кампании, персонализированные социальные сети и привлечение потенциальных клиентов являются частью наших цифровых инструментов.

Дополнительную информацию можно узнать на сайте: www.xpert.digital - www.xpert.solar - www.xpert.plus