Sztuczna inteligencja zmienia oblicze logistyki

Inteligentne miasta, pojazdy i urządzenia powoli zaczynają na stałe wpisywać się w otaczającą nas rzeczywistość. Sztuczna inteligencja to już nie tylko wizje znane z filmów i książek science-fiction. Okazuje się, że maszynę można zaprogramować tak, by podobnie jak człowiek zdolna była do zdobywania informacji, a następnie podejmowania na ich podstawie decyzji, a nawet czynności. Systemy uczące się mogą usprawnić funkcjonowanie wielu branż, w tym także logistyki. Dają one szansę na zwiększenie efektywności oraz poziomu bezpieczeństwa w takich procesach jak transport czy magazynowanie. Wiele osób dostrzega jednak również zagrożenia, jakie niesie za sobą szybki rozwój inteligentnych maszyn, obawiając się m.in., że sztuczna inteligencja pozbawi nas pracy.

Czym jest i co potrafi sztuczna inteligencja?

Sztuczna inteligencja zajmuje się tworzeniem modeli zachowań inteligentnych oraz programów komputerowych symulujących te zachowania. Polega to na konstruowaniu maszyn i programów komputerowych, które są zdolne do realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się numerycznej algorytmizacji takich jak podejmowanie decyzji w warunkach braku wszystkich danych, analiza i synteza języków naturalnych (Natural Language Processing – NLP), rozumowanie logiczne/racjonalne, dowodzenie twierdzeń, zarządzanie wiedzą, preferencjami i informacją w robotyce, czy systemy eksperckie i diagnostyczne. A jak sztuczna inteligencja zmienia oblicze logistyki?

Chatboty wspierają procesy związane z zaopatrzeniem

Chatboty to programy komputerowe, zwane wirtualnymi asystentami/doradcami, które wykorzystują techniki sztucznej inteligencji w celu prowadzenia rozmów z ludźmi w języku naturalnym. Rozmowy takie mają charakter tradycyjnego czatu tekstowego. Chatbot to zbiór algorytmów, który potrafi rozpoznać zadane pytanie, a następnie stara się do niego dopasować odpowiedź. W przypadku, gdy użytkownik zada pytanie niezrozumiałe, na które nie ma odpowiedzi w bazie wiedzy, wirtualny asystent stara się dopasować jedną z wypowiedzi „awaryjnych”, bądź próbuje nauczyć się od rozmówcy nowych schematów, aby następnym razem przy podobnym pytaniu skorzystać z tych informacji. Chatbot posiada pewien zakres wiedzy na temat firmy oraz jej produktów lub usług i potrafi prowadzić dowolną liczbę konwersacji równocześnie. Może korzystać z własnych baz danych lub czerpać informacje z zewnętrznych źródeł. Wirtualny doradca nie tylko udziela odpowiedzi na pytania, lecz także sam prowadzi rozmowę, dzięki czemu może ją kierować (dialog liniowy) na tematy związane z działalnością danej firmy, bądź przedstawieniem oferty.

W działach zaopatrzenia chatboty powinny być wykorzystywane do codziennych, rutynowych zadań takich jak odpowiadanie na wiadomości otrzymywane od dostawców podczas luźnych konwersacji, generowanie zleceń zakupu (upoważnień dla działu zaopatrzenia do zakupu materiału), poszukiwanie i udzielanie odpowiedzi na wewnętrzne zapytania dotyczące funkcjonowania zaopatrzenia lub informacji o dostawcach, a także odbieranie lub wypełnianie dokumentów takich jak faktury czy wnioski o płatność.

Uczenie maszynowe wspomaga systemy planowania w łańcuchu dostaw

Systemy planowania w łańcuchu dostaw (Supply Chain Planning – SCP) są częścią systemówzarządzania łańcuchem dostaw (Supply Chain Management – SCM). Uczenie maszynowe (Machine Learning – ML) to dziedzina zajmująca się problematyką sztucznej inteligencji, której celem jest tworzenie automatycznych systemów zdolnych do doskonalenia się przy pomocy zgromadzonego doświadczenia (czyli danych) i nabywania na tej podstawie nowej wiedzy. Systemy samouczące się umożliwiają precyzyjniejsze prognozowanie popytu czy terminów dostaw. Posługują się one danymi historycznymi dotyczącymi czasu przygotowania produkcji oraz niezawodności dostawców usług logistycznych. Informacje te mogą być kojarzone również z danymi spoza firmy np.: odnoszącymi się do pogody. Uczenie maszynowe pozwala również na ustalenie w czasie rzeczywistym dostępności produktów dla wpływających zapytań oraz zamówień od klientów. Daje to możliwość skuteczniejszego negocjowania z klientem, natychmiastowego poinformowania go o terminie dostępności produktu lub zaproponowania mu zamiennika.

Uczenie maszynowe a logistyka magazynowa

Efektywne zarządzanie łańcuchem dostaw jest ściśle zależne od odpowiednio poprowadzonej logistyki magazynowej. W logistyce magazynowej uczenie maszynowe umożliwia analizę olbrzymich ilości danych generowanych w systemach zarządzania magazynami odnoszących się do liczby zamówień, zwrotów i stanu magazynu. Pozwala to na wykrycie wzorców zachowań klientów, informacji o tym, jakie towary i kiedy (np. w którym dniu tygodnia) zamawiane są najczęściej lub które produkty są przeważnie kupowane razem (takie towary umieszczane są w magazynach jak najbliżej siebie, co umożliwia szybszą kompletację zamówień). Dla usprawnienia procesów logistyki magazynowej stosuje się również techniki syntezy i rozpoznawania mowy. Pracownicy wyposażeni w słuchawki i mikrofon otrzymują informacje, gdzie znajduje się dany towar i wszelkie inne instrukcje, a następnie informują system WMS o wykonaniu zadania. Natomiast jeśli chodzi o transport wewnętrzny, coraz częściej stosowanym rozwiązaniem są wózki AGV (Automated Guided Vehicles). Dzięki uczeniu maszynowemu pojazdy takie mogą „nauczyć się” poruszania po magazynie oraz automatycznie adaptować się do zmian w swoim otoczeniu, zwiększając tym samym bezpieczeństwo pracy.

Inteligentne pojazdy dla transportu drogowego

Autonomiczne samochody ciężarowe samodzielnie kontrolujące swoją pracę oraz reagujące na warunki zewnętrzne mogą zrewolucjonizować rynek transportu drogowego. Inteligentne ciężarówki pozwolą rozwiązać problem niedoboru kierowców zawodowych na rynku pracy, ograniczyć koszty transportu, skrócić czas dostaw towarów, zredukować negatywny wpływ działalności przedsiębiorstwa na środowisko naturalne oraz zwiększyć bezpieczeństwo na drogach. Transport drogowy już teraz staje się coraz bardziej zautomatyzowany za sprawą coraz powszechniej wykorzystywanych urządzeń działających w technologii Internet of Things. Autonomiczne pojazdy mogą również tworzyć zintegrowane konwoje (Truck Platooning), jeszcze bardziej potęgując uzyskiwane korzyści. Nad technologią inteligentnych samochodów ciężarowych pracują takie firmy jak DAF, Daimler, Iveco, MAN, Scania czy Volvo. Aktualnie stale przeprowadzane są testy takich pojazdów. Już w połowie 2016 r. ciężarówki bez kontroli kierowców pokonały trasę do Rotterdamu z kilku miejsc w Europie. W samochodach obecny był człowiek, ale miał on jedynie za zadanie, włączenie się do obsługi w przypadku sytuacji awaryjnej. Jednak seryjna produkcja ma szansę ruszyć najwcześniej za kilka lub kilkanaście lat.