Firma United Parcel Service (UPS) wdrożyła system przepływu paczek prawie 50 lat temu, wykorzystując sieć komputerową do automatyzacji sortowania i optymalizacji tras dostaw. Chociaż nie obejmował on zaawansowanych technologii sztucznej inteligencji, jakie znamy dzisiaj, system największej na świecie firmy dostarczającej paczki położył podwaliny pod integrację zautomatyzowanych procesów z operacjami logistycznymi.
Od tego czasu zastosowanie sztucznej inteligencji w logistyce stale ewoluuje i rozszerza się, a firmy wdrażają wyrafinowane algorytmy, oparte na uczeniu maszynowym i robotyce w celu zwiększenia wydajności i w podejmowaniu decyzji.
Dziś praktycznie nie ma segmentu branży transportowo-logistycznej, którego nie dotknęła sztuczna inteligencja.
„To jest robot, twój nowy kolega”
Większa wydajność i produktywność, niższe koszty, ograniczenie miejsca na błędy spowodowane czynnikami ludzkimi oraz rozwiązanie problemu niedoborów siły roboczej to tylko niektóre z głównych powodów, dla których firmy włączają do swoich operacji technologię opartą na sztucznej inteligencji.
Pierwszym segmentem zastosowań, o którym warto wspomnieć, jest optymalizacja tras. Automatyczne planowanie tras praktycznie wykorzystuje sztuczną inteligencję do przeglądania ogromnych ilości danych – od warunków pogodowych, zdarzeń drogowych, ograniczeń w ruchu drogowym w weekendy i święta, robót drogowych, zatorów w ruchu, wydajności pojazdów, harmonogramów dostaw… W ten sposób określa się najbardziej optymalne i opłacalne trasy zapewniające terminowość dostaw i pozwalające na unikanie pustych przejazdów.
Litewska Girteka, jedna z największych firm transportu drogowego w Europie, ujawniła niedawno ciekawe szczegóły ze swojej praktyki. Sztuczna inteligencja zbiera dane o flocie Girteki, liczącej ponad 9.000 pojazdów, które następnie wprowadzane są do firmowego AI Operatora wraz z informacjami o stanie dróg, bezpiecznych parkingach i dostępnych stacjach benzynowych. System wyznacza trasę i przekazuje kierowcy instrukcje „od A do Z”: dokąd jechać, jaką trasę wybrać, gdzie zrobić obowiązkowe przerwy i gdzie zatankować pojazd.
Pojazdy autonomiczne zajmują kolejne miejsce na liście. Od wózków widłowych w magazynach po ciężkie ciężarówki – sztuczna inteligencja ma kluczowe znaczenie w zapewnianiu zdolności adaptacyjnych niezbędnych pojazdom autonomicznym do nawigacji i podejmowania świadomych decyzji. Sztuczna inteligencja przetwarza dane z czujników, kamer i lidarów w celu interpretacji otoczenia i podejmowania decyzji w czasie rzeczywistym, umożliwia komunikację między pojazdami autonomicznymi i ma możliwość tzw. „analizy predykcyjnej”.
Z jednej strony pojazdy autonomiczne w przyszłości mogą przynajmniej częściowo rozwiązać problem niedoborów kierowców czy pracowników magazynów. Jednocześnie są to także „narzędzia rozwijające ludzki talent”, jak powiedział jeden z założycieli chorwackiego startupu Gideon, prezentując swój autonomiczny wózek widłowy Tray.
Logistyka magazynowa to obszar, w którym wykorzystanie sztucznej inteligencji mogło posunąć się najdalej. Sztuczna inteligencja optymalizuje poziom zapasów, redukując nadwyżki i zapobiegając akumulacji, w celu efektywniejszego zarządzania łańcuchem dostaw. Różne roboty automatyzują zadania w magazynach, poprawiając szybkość i dokładność w procesach takich jak kompletacja i pakowanie.
Przykładów jest niezliczona ilość, a ciekawy pochodzi z Berlina, gdzie programiści Amazon Fulfillment Technologies opracowali zaawansowaną sztuczną inteligencję, która potrafi wykryć nieprawidłowości i oznaczyć uszkodzony towar przed dostawą do klienta. Menedżerowie innowacji Amazon twierdzą, że ten system AI jest trzy razy skuteczniejszy niż ręczna identyfikacja uszkodzonych produktów.
Sztuczna inteligencja w transporcie i logistyce jest również wykorzystywana w utrzymaniu predykcyjnym, prognozowaniu popytu, inteligentnym zarządzaniu ruchem, chatbotach do obsługi klienta, w połączeniu z blockchainem w celu poprawy przejrzystości i identyfikowalności oraz w wielu innych obszarach.
I liczy się koszt.
Pomimo wyraźnych zalet wykorzystania sztucznej inteligencji w łańcuchu logistycznym, wiele firm napotyka przeszkody we wdrażaniu takiej technologii.
Przede wszystkim są to koszty – często wymagające znacznych inwestycji w oprogramowanie i sprzęt, co może być dużym problemem dla mniejszych firm. Następnie istnieje konieczność ciągłej konserwacji i aktualizacji systemów, aby mieć pewność, że system ciągle zapewnia założone - i dokładne wyniki i działa prawidłowo, nie tracąc swojej sprawności w miarę upływu czasu. Problemem może być także brak personelu do utrzymania i zarządzania systemem. Nie możemy zapominać o kwestiach ochrony prywatności danych, a także zgodności z wymogami regulacyjnymi, które często różnią się w zależności od kraju.
Choć sztuczna inteligencja nie jest oczywiście odpowiedzią na wszystkie pytania i problemy w łańcuchu logistycznym, obecne trendy wyraźnie wskazują, że w przyszłości jej wpływ będzie nadal rósł. Przykładowo ponad 70% uczestników niemieckiego badania „Cyfryzacja w logistyce” w 2019 roku uważało, że sztuczna inteligencja będzie niezbędna w tej branży za dziesięć lat, ale wówczas korzystało z niej niecałe 15% z nich. Zaledwie trzy lata później 22% ankietowanych niemieckich firm logistycznych korzystało ze sztucznej inteligencji, a 26% pracowało nad jej wdrożeniem. Ponad połowa (58%) stwierdziła, że sztuczna inteligencja w najbliższej przyszłości znajdzie szerokie zastosowanie i przejmie wiele zadań w transporcie i logistyce.
