Невидљиво уско грло: Зашто последња миља почиње на полици у складишту

Најскупљи ручни задатак у складишту: Зашто ће логистика ускоро бити немогућа без вештачке интелигенције

Испорука истог дана више није луксуз, већ апсолутни стандард. Међутим, док купци очекују да им поруџбине стигну на кућни праг у рекордном року, логистичка индустрија се иза кулиса бори са невиђеним, структурним недостатком квалификоване радне снаге. Уско грло у овом сукобу циљева често лежи тамо где је аутоматизација раније достигла своје границе: прикупљање поруџбина, чувени „последњи потез“. Управо ту нова генерација робота који уче, покретаних вештачком интелигенцијом, обећава пробој. Уместо скупих комплетних ремонта, ови интелигентни системи се прилагођавају постојећој складишној инфраструктури, уче самостално са сваким прикупљеним артиклом и ублажавају недостатак особља без отпуштања људи. Сазнајте зашто су крути системи застарели, како се технологија исплати у пракси и зашто ће паметни роботи за прикупљање одредити конкурентност у свету испуњења поруџбина сутрашњице.

Да ли ваш процес прикупљања поруџбина може да прати растућу потражњу?

До 2026. године, испорука истог дана више неће бити диференцијатор, већ ново очекивање. У Сједињеним Државама, више од 80 процената свих е-испорука намирница сада се врши истог дана, а у овом сегменту, удео поруџбина испоручених за мање од три сата повећан је са нешто више од половине на скоро две трећине укупних испорука у једном кварталу. Сав овај раст тржишта током тог периода произашао је из поруџбина испуњених у року од једног сата. Истовремено, ултрабрза испорука за мање од једног сата већ је чинила 18 процената свих поруџбина за доставу и 10 процената поруџбина за кућну доставу.

Ово убрзање помера уско грло у ланцу вредности тамо где је најмање видљиво, али најутицајније: зону прикупљања. Свако смањење времена испоруке на почетку одмах ствара већи притисак на процесе унутар складишта, посебно на такозвани „последњи корак“, тј. вађење појединачних артикала из контејнера и њихово паковање за испоруку. За компаније које се баве е-продајом намирница и испуњењем поруџбина, ово истовремено значи више поруџбина, више варијација производа и све краће време испоруке, док се маргина за грешку приближава нули.

Структурно оптерећење уместо привременог уског грла

Недостатак квалификованих радника у складишној логистици више није сезонски феномен, већ структурно стање индустрије. Према статистици IAB-а, преко 60.000 радних места у складишној логистици остало је непопуњено у Немачкој 2025. године, што је значајно повећање у поређењу са претходним годинама. Поређења ради, у четвртом кварталу 2024. године, око 45 процената анкетираних компанија за складиштење изјавило је да је њихово пословање тренутно отежано недостатком квалификованих радника, док је ова бројка била испод десет процената на почетку анкете 2009. године. Иако се недостатак благо смањио у односу на свој недавни врхунац, он остаје на историјски високом нивоу.

То је последица комбинације фактора које је тешко решити у кратком року. Око трећине логистичких радника већ има преко 50 година, док се млађи радници све више одлучују за академске каријере уместо за стручно образовање у складиштењу или шпедицији. Овоме се додају физички захтевни задаци, рад у сменама и ниже плате у поређењу са другим секторима, што додатно умањује атрактивност рада у складишту. Иако већина од 63,3 одсто логистичких стручњака верује да би људи који мењају каријеру из других индустрија могли бар делимично да ублаже недостатак, овај ефекат сам по себи није довољан да се затвори структурни јаз.

Ова комбинација растуће потражње и смањене расположивости запослених ствара управо сукоб циљева који многи оперативни менаџери познају из сопственог искуства: очекује се да ће се продуктивност и тачност повећати, док ресурси за постизање ових циљева постају све оскуднији. Флуктуирајуће перформансе прикупљања поруџбина, на пример због боловања, велике флуктуације запослених или сезонских шпицева, последично доводе до кашњења која директно утичу на перцепцију купаца.

Роботика као одговор на проблем процеса, а не као циљ сам по себи

Ту долази до изражаја нова генерација робота за брање покретаних вештачком интелигенцијом, фундаментално другачијих од старијих, крутих решења за аутоматизацију. Претходни роботи за брање захтевали су сложено програмирање и фиксне тачке хватања за сваки нови производ, што их је чинило непрактичним за асортиман са високим степеном разноликости, типичан у сектору е-продаје намирница. С друге стране, модерни системи користе тродимензионалну обраду слика у комбинацији са претходно обученим алгоритмима дубоког учења за препознавање и хватање предмета без обзира на облик, величину, транспарентност или текстуру површине, без потребе за посебном обуком за сваки појединачни производ.

Упечатљив пример долази од швајцарског специјалисте за опрему OPO Oeschger, који је намерно изабрао супротан приступ приликом интеграције решења за прикупљање поруџбина подржаног вештачком интелигенцијом: уместо прилагођавања складишта роботу, робот је прилагођен постојећем складишту. Робот за прикупљање је интегрисан директно у постојећу радну станицу за прикупљање поруџбина и преузима управо оне радне кораке који су се раније обављали ручно: уклањање противклизних простирки из одредишних контејнера, преузимање потребних артикала из изворних контејнера и њихово стављање у кутију за отпрему пре него што постојећи систем транспортера преузме даљи ток материјала. Вештачка интелигенција самостално препознаје артикле и одлучује како се производ поставља и слаже у одредишни контејнер.

Овај приступ интеграцији је економски кључан јер оповргава широко распрострањену претпоставку да аутоматизација неизбежно захтева потпуну реконструкцију складишне инфраструктуре. Роботски системи се све више могу интегрисати у постојеће радне станице за прикупљање робе, технологију транспортера и системе за складиштење попут AutoStore-а, уместо да захтевају потпуно редизајнирање објекта. Ово значајно смањује инвестициону баријеру, омогућавајући оператерима да постепено уводе аутоматизацију, а не револуционарно.

Како се технологија доказала у пракси

Предности ових система су најочигледније у оперативном примени великих размера. Рохлик група, која управља онлајн платформама за храну Knuspr и Gurkerl, проширила је своје увођење на 24 робота за брање контролисана вештачком интелигенцијом у свом логистичком центру у Берлину у Шенефелду, након почетног увођења једног робота на локацији у Шенефелду. Ови роботи сада састављају поруџбине у центрима за испуњење поруџбина у Берлину и Бечу, а у наредним месецима планирано је да се укључе и друге локације, попут Франкфурта. Компанија чак планира да дугорочно повећа број робота на троцифрени број. Роботи преузимају један од последњих преосталих ручних корака у складиштевим операцијама: прецизно хватање и паковање појединачних производа у расхлађеним и нерасхлађеним окружењима.

Шеф групе за аутоматизацију и проширење у компанији Rohlik наглашава да је овај програм роботике развијен од темеља како би фундаментално трансформисао испоруку хране, а његово скалирање на више тржишта истовремено поставља темеље за будућност аутоматизоване логистике у сектору електронске продаје прехрамбених производа. Слични ефекти се могу приметити и ван прехрамбеног сектора. У производном погону који се конфигурише по наруџбини и који је прешао на процесну дисциплину вођену вештачком интелигенцијом у интралогистици, укупно време испоруке смањено је за 84 процента, а време испоруке од поруџбине до испоруке за 77 процената. У другом документованом случају, стопа грешака смањена је за 68 процената, а продуктивност повећана двоцифрено, при чему је цео процес прикупљања конвертован у року од једне недеље.

Успостављени добављачи аутоматизације из сектора машинства такође се позиционирају у овој области. Сименс је, заједно са специјалистом за интралогистику, компанијом Мекалукс, развио софтвер за обраду слика подржан вештачком интелигенцијом под називом Симатик Робот Пицк АИ, који омогућава роботима да ухвате било који предмет без обзира на његов облик и величину, чиме се реализују системи високог протока до 1.000 операција бирања на сат у раду 24/7. У другој сарадњи, Сименс, Универзал Роботс и произвођач камера Зивид комбиновали су своје технологије како би поуздано детектовали чак и провидне предмете, што је раније представљало значајан технички изазов, посебно код амбалаже од стакла или провидне фолије.

LTW својим купцима не нуди појединачне компоненте, већ интегрисана комплетна решења. Консалтинг, планирање, машинске и електротехничке компоненте, технологија управљања и аутоматизације, као и софтвер и сервис – све је умрежено и прецизно координисано.

Сопствена производња кључних компоненти је посебно предност. Ово омогућава оптималну контролу квалитета, ланаца снабдевања и интерфејса.

LTW се залаже за поузданост, транспарентност и партнерску сарадњу. Лојалност и искреност су чврсто укорењене у филозофији компаније – руковање овде и даље нешто значи.

У вези са овим:

• LTW Solutions

Од крутог аутомата до система за учење

Са економске перспективе, одлучујући напредак ове технолошке генерације није само аутоматизација сама по себи, већ прелазак са аутоматизације засноване на правилима на аутоматизацију која учи. Индустријске класификације сада разликују неколико фаза развоја аутоматизације прикупљања поруџбина, од једноставних полуаутоматизованих система са фиксном обрадом слике и скенирањем бар-кодова, преко углавном аутономних робота, до интелигентног, учећег робота за прикупљање, што се тренутно сматра најнапреднијом фазом. На овом највишем нивоу, способност робота за континуирано самоусавршавање је кључна, омогућавајући систему да ради не само аутономно, већ и адаптивно и самооптимизирајући се.

Ова компонента учења решава кључни економски проблем претходних генерација аутоматизације: њихов недостатак скалабилности када се асортиман производа промени или повећа. Са системима који већ имају претходно обучене могућности вештачке интелигенције, нови производи више не морају бити појединачно обучени јер основне могућности већ покривају широк спектар објеката. Ово је посебно важно за индустрије са веома динамичним асортиманом производа, као што су фармацеутска индустрија, мода, е-трговина и обрада поврата робе. Аутономни мобилни робот, који се креће кроз пролазе складишта са колицима за куповину попут човека, бирајући и консолидујући поруџбине, већ је обучен на више од милијарду бирања. Машинско учење га чини прецизнијим са сваким следећим бирањем, док комплементарна станица „роба-особа“ за тешке или тешко доступне предмете обезбеђује конзистентну поузданост бирања од 100%.

Штавише, такви системи не захтевају фиксну инфраструктуру као што су полице или транспортне траке и раде са стандардним полицама и контејнерима, што омогућава брзо распоређивање и аутоматизацију ланца снабдевања од почетка до краја без фундаменталне измене постојећих логистичких процеса. Овај приступ лаганој инфраструктури значајно се разликује од система складиштења у облику коцки или шатл решења, која захтевају фиксне мрежне структуре, и тиме оператерима пружа знатно већу флексибилност у постепеној аутоматизацији њихових постојећих објеката.

Људски фактор остаје централан

Упркос импресивном технолошком напретку, употреба вештачке интелигенције и роботике никако не значи потпуно замењивање људског рада из складишта. Уместо тога, све се више појављује хибридни модел у којем роботи поуздано и без напора обављају стандардизоване, понављајуће или ергономски захтевне задатке прикупљања, док су запослени ослобођени ових дужности и могу се концентрисати на изузетне случајеве, контролу квалитета или свеобухватно управљање процесима. Ова подела рада се показала посебно вредном у светлу сталног недостатка квалификоване радне снаге, јер усмерава постојеће кадровске ресурсе посебно на оне задатке који заиста захтевају људску процену.

Са економске перспективе, овај развој се такође може посматрати као одговор на демографске промене. С обзиром на радну снагу у којој је трећина запослених већ старија од 50 година, а број младих људи који улазе на тржиште рада све се смањује, аутоматизација физички захтевних, понављајућих задатака делује мање као претња по радна места, а више као неопходна компензација за структурно уско грло које се не може решити само регрутовањем. Ова веза је такође експлицитно призната из перспективе добављача: ефекти недостатка радне снаге могли би се ублажити роботима за брање којима управља вештачка интелигенција, уз истовремено повећање оперативне ефикасности у складиштима.

Економска процена инвестиције у односу на корист

Централно пословно питање при увођењу таквих система мање се тиче техничке изводљивости, која се сада може сматрати углавном решеном, већ економског прорачуна у сваком појединачном случају. Кључно је да се модерна решења роботике заснована на вештачкој интелигенцији могу интегрисати у постојеће радне станице за прикупљање поруџбина уместо да захтевају потпуно нови систем, што значајно скраћује период амортизације у поређењу са традиционалним великим инвестицијама у аутоматизоване системе складиштења. За оператере са постојећом технологијом транспортера или системима за аутоматско складиштење, то значи да се последњи, раније ручни корак, може накнадно опремити без прекидања постојећег тока материјала.

Истовремено, документована повећања ефикасности показују значајну економску полугу. Смањење стопе грешака од 68 процената, заједно са двоцифреним повећањем продуктивности у року од једне недеље имплементације, представља скалу коју би било практично немогуће постићи традиционалним оптимизацијама процеса. Штавише, проток до 1.000 прикупљања поруџбина на сат у континуираном раду 24/7 илуструје да ови системи не само да надокнађују недостатак особља, већ могу и да створе додатне капацитете, што је неопходно за руковање вршном потражњом за испоруком истог дана и ултрабрзом испоруком.

Ипак, важно је узети у обзир да нису сви производи и није свака структура складишта подједнако погодни за роботизацију. Системи који се ослањају на фиксне тачке хватања и унапред структуриране објекте нуде мању флексибилност од адаптивних, учећих решења. Стога, избор одговарајућег нивоа аутоматизације зависи од специфичног асортимана производа, обима поруџбина и постојеће инфраструктуре. Компаније које прерано инвестирају у неодговарајуће системе ризикују да не остваре очекиване добитке ефикасности и уместо тога уведу додатну сложеност у своје процесе.

Пејзаж испуњења у наредним годинама

Комбинација структурног недостатка квалификованих радника, растућих оперативних трошкова и очекивања купаца која се неумољиво померају ка испоруци истог дана, па чак и мање од истог дана, чини аутоматизацију прикупљања поруџбина једном од најхитнијих инвестиционих одлука у индустрији испуњења поруџбина у наредним годинама. Вештачка интелигенција у логистици се све више развија од чисто аутоматизационог пројекта до свеобухватне, вештачком интелигенцијом вођене процесне дисциплине која интегрише безбедност, квалитет података и усклађеност са процесима у аутоматизацију, уместо да управља изолованим, самосталним решењима. Истраживачке институције попут Фраунхоферовог института за проток материјала и логистику такође наглашавају да оптимизација локација складиштења заснована на вештачкој интелигенцији, аутоматска идентификација носача терета и пренос симулираних роботских процеса у стварна окружења све више иду руку под руку како би омогућили проактивно планирање и откључали додатни потенцијал ефикасности.

За оператере који тренутно одлучују да ли да инвестирају у роботику за прикупљање поруџбина покретану вештачком интелигенцијом, тржиште већ пружа поуздане референтне вредности: од циљане интеграције у једну радну станицу за прикупљање до скалирања на флоте од више робота, а потенцијално и стотина, у неколико земаља. Кључно питање стога више није да ли ће вештачка интелигенција променити прикупљање поруџбина, већ колико брзо појединачне компаније могу да искористе ову промену пре него што јаз у односу на већ аутоматизоване конкуренте постане превелик.

Било би ми драго да вам будем лични саветник.

Можете ме контактирати на wolfenstein∂xpert.digital или

Само ме позовите на +49 7348 4088 965 .

ЛинкедИн
 

 

Више информација овде:

• Консалтинг и планирање складишта са високим регалима: Аутоматизовано складиште са високим регалима – Оптимизујте складиштење палета потпуно аутоматски – Оптимизација складишта