Искусственный интеллект в логистике: 5 конкретных примеров применения
В чем разница между РАП и ИИ?
Прежде всего, важно отличать РАП (Роботизированная Автоматизация Процессов) от ИИ (Искусственный Интеллект).
РАП – это технология, которая позволяет автоматизировать рутинные повторяющиеся задачи на основе заданных инструкций, используя роботов (ботов). Искусственный интеллект может опираться на РАП технологию для изучения и оптимизации процессов (например, для проведения инвентаризации и т.д.).
В отличие от РАП, искусственный интеллект на основании машинного обучения способен анализировать, учиться на собственном опыте, адаптироваться к задаваемым параметрами и выполнять те задачи, которые раньше были под силу только человеку.
Фактически, ИИ пытается имитировать мышление человека. Таким образом, искусственный интеллект может улучшить существующие РАП, автоматизируя задачи, которые ранее не были автоматизированы, и помогать людям в принятии решений, выдавая и собирая статистику.
Как искусственный интеллект может помочь в логистике?
Далее мы приведем 5 реальных примеров того, как компании из разных стран мира уже сегодня используют или активно внедряют искусственный интеллект для оптимизации и модернизации складских процессов.
Пример №1: автоматизация процесса инвентаризации.
Процесс инвентаризации на складе – это трудоемкая задача. Помимо необходимости привлечения дополнительных ресурсов, она также требует внимания и усидчивости складского персонала. Плюс требуется использование специализированного оборудования, часто проводятся работы на высоте, сопряженные с риском для человека.
Чтобы решить обозначенные проблемы и минимизировать риски, компания L'Oréal, например, внедрила у себя беспилотную систему инвентаризации.
Дрон, оснащенный бортовой камерой, пролетает мимо стеллажей по каждой позиции и ярусу для проведения инвентаризации. Благодаря обработке видео с помощью искусственного интеллекта дрон может считывать штрихкоды, распознавать пустые места, учитывать высоту слоев и определять, где закончилась одна ячейка и началась другая.
Какие это дает преимущества:
— процесс инвентаризации проходит быстрее;
— низкий процент ошибок;
— снижение операционных расходов (не нужно привлекать дополнительные человеческие ресурсы);
— повышается безопасность сотрудников (не нужно работать на высоте).
Пример №2: умное управление запасами.
Управление запасами – это очень важная задача. Ведь запасы – равно деньги. Неэффективное управление товарными запасами приводит к снижению рентабельности, что в последствии отражается на жизни всего предприятия. Искусственный интеллект может помочь человеку и в этом вопросе, ведь с помощью него можно более эффективно управлять запасами. Каким образом?
На основе исторических данных, текущих запасов, отгрузок, товародвижения искусственный интеллект способен прогнозировать потребности предприятия и может давать взвешенные рекомендации (закупка, перемещение и т.д.). Он способен определять, какие товары продаются быстрее, какие – медленнее, а какие и вовсе не пользуются спросом. Это позволяет корректировать запасы таким образом, чтобы избежать дефицита, ограничить переизбыток и в соответствии с этим становится возможным построить более точные запасы.
Также искусственный интеллект может прогнозировать нужные запасы в нужное время – это сокращает время доставки товара до клиента.
Преимущества:
— снижение транспортных расходов;
— снижение стоимости хранения товара на складе;
— закупки становятся более эффективными и взвешенными;
— увеличение качества клиентского сервиса.
Пример №3: автоматизация процесса комплектации заказов.
Чтобы облегчить работу сборщиков заказов и даже полностью ее автоматизировать, искусственный интеллект можно связать с роботами. В итоге это позволит значительно сэкономить время и повысить производительность.
Например, маркетплейс Cdiscount внедрил у себя роботов с искусственным интеллектом.
Благодаря роботизированной системе происходит оптимизация комплектации заказов. На складе присутствует парк из сотни роботов, которые могу двигаться в трех направлениях. Роботы могут передвигаться не только по земле, но и подниматься на высоту. Благодаря этой технологии Cdiscount увеличили емкость склада в пять раз. Производительность же, увеличилась в три-четыре раза, чем при ручном управлении.
Преимущества:
— более быстрая и точная комплектация заказов;
— снижение операционных расходов на персонал;
— повышение эффективности работы сотрудников.
Пример №4: автоматизация процесса сортировки посылок.
С ростом электронной коммерции растут и потоки посылок, что так же требует оптимизации процессов. Искусственный интеллект и здесь может прийти на помощь, став ценным инструментом для автоматизации этого этапа цепочки поставок.
Компания экспресс-доставки STO Express использует роботов для сортировки своих посылок.
Робот, оснащенный камерой, который передвигается самостоятельно, благодаря оптическому распознаванию способен для быстрой идентификации сканировать этикетки товаров и их характеристики (вес, размеры, географию и адрес доставки). Благодаря заранее определенной системе для сортировк, роботы автоматически направляют посылки к местам назначения.
Благодаря роботам-сортировщикам, которые работают совместно с искусственным интеллектом, STO Express обрабатывают 18 000 посылок в час. Также в компании повысилась эффективность, точность и безопасность процесса сортировки, что дополнительно снизило трудозатраты на 70%.
Преимущества:
— более точная оценка время прибытия посылки;
— снижение трудозатрат;
— повышение безопасности процесса;
— повышение качество сервиса и удовлетворенность клиентов.
Пример №5: оптимизация маршрутов доставки.
«Последняя миля» (конечная доставка до потребителя) является сложным и трудноуправляемым процессом из-за множества неожиданных событий, которые могут произойти. Пробки, аварии, временные перекрытия дорог и т.д. – ограничений может быть огромное количество. Реагировать на них «вручную» – не лучший способ решения этой задачи.
Решения по оптимизации маршрутов на основе искусственного интеллекта позволяют создавать эффективные маршруты доставки в режиме реального времени с учетом реальной обстановки и событий, которые происходят на маршруте движения. Благодаря им водители могут предоставить высокое качество сервиса конечному потребителю. Как именно это работает?
Искусственный интеллект, применяя методы машинного обучения, собирает данные и на основании этого делает свои прогнозы и прокладывает оптимальный маршрут, весьма точно определяя время доставки. Данными для анализа могут служить: тип клиента, район доставки, этаж, размер и вес посылки и т.п. Также могут использоваться данные загруженности дорог в часы пик, дорожные и погодные условия.
Преимущества:
— меньше пройденных километров;
— снижение затрат и сокращение времени доставки;
— более высокое качество сервиса и удовлетворенность клиентов;
— снижение выбросов СO2.
Итоги
Как видно из описанных выше примеров, искусственный интеллект уже сегодня имеет массу возможных вариантов применения в логистике. Любые задачи, требующие анализа больших объемов данных, учета или расчета чего-либо с помощью ИИ решаются гораздо быстрее и эффективнее.
Разумеется, настройка и обучение любой автоматизированной системы на базе искусственного интеллекта – это довольно сложный, долгий и дорогостоящий процесс, однако при грамотной организации процесса все вложения более чем окупаются уже в среднесрочной перспективе. При этом стоит понимать, что ИИ технологии сейчас развиваются очень быстрыми темпами, и с развитием они становятся более доступными. Поэтому повсеместное использование искусственного интеллекта в логистике – это лишь вопрос времени.
