Sztuczna inteligencja w logistyce – zastosowanie i trendy rozwoju

Sztuczna inteligencja (AI) coraz wyraźniej zaznacza swoją obecność w branży logistycznej, wpływając na optymalizację procesów i zwiększając efektywność operacyjną firm. Nowoczesne technologie pozwalają ograniczać marnotrawstwo zasobów, skracać czasy realizacji zamówień oraz poprawiać rentowność przedsiębiorstw. W artykule przyjrzymy się zastosowaniu AI w logistyce, jej korzyściom oraz przyszłym trendom w Polsce.

Zastosowanie sztucznej inteligencji w logistyce

Obserwujemy coraz większy wpływ sztucznej inteligencji na istniejące procesy logistyczne w wielu firmach. Sprawna logistyka jest nieodłącznym elementem efektywnego funkcjonowania nowoczesnych przedsiębiorstw i widzimy ich coraz większą świadomość w związku z rozwojem AI w tym zakresie. Przede wszystkim występuje duży nacisk na poprawę istniejących procesów w ramach prowadzonej działalności. To podejście pozwala eliminować szeroko rozumiane marnotrawstwa, z którymi borykają się przedsiębiorstwa w każdej branży.

Zastosowanie AI w logistyce o tyle efektywne, że usprawniając procesy zachodzące w ramach własnej organizacji, nie tylko zwiększa się konkurencyjność na danym rynku, ale pozwala się zwiększyć rentowność i skrócić czasy procesów zachodzących w ramach konkretnej organizacji. Te procesy najczęściej dotyczą tych mechanizmów, które przedsiębiorstwa zidentyfikowały jako największe zakłócenie.

Przykładem wykorzystania sztucznej inteligencji w logistyce magazynowej jest możliwość odczytywania wielu etykiet logistycznych za pomocą smartfona lub kolektora magazynowego, zbiorczo. Obecnie skanowanie etykiet logistycznych odbywa się jedna po drugiej, a w przypadku problemów z odczytaniem danego kodu kreskowego, ręcznego wpisywania oznaczenia numerycznego kodu. Z wykorzystaniem sztucznej inteligencji skanowanie etykiet logistycznych odbywa się zbiorczo. System odczyta wszystkie etykiety logistyczne, które znajdują się w zasięgu obiektywu smartfona lub kolektora, a po poprawnym odczytaniu ich danych wczyta znajdujące się na nich dane do systemu WMS. Znacząco skraca to czas procesu i minimalizuje konieczność kucania czy schylania się, zwiększając ergonomię pracy.

Sztuczna inteligencja nie tylko usprawnia, ale może również zautomatyzować procesy związane z analizą predykcyjną, czyli przewidywać przyszłe wydarzenia i zagrożenia oraz analizą preskrypcyjną, która pozwoli na zasugerowanie najlepszego działania, aby osiągnąć pożądany rezultat. Przykładem wykorzystania powyższych możliwości może być optymalizacja popytu, podaży, zapasów czy cen zasobów.

Ponadto, analizując mikro i marko otoczenie biznesowe przedsiębiorstwa sztuczna inteligencja może skutecznie wspierać średnio terminowe decyzje biznesowe z wysoką skutecznością. Odpowiednio szybka i trafna decyzja biznesowa jest bezcenna, zwłaszcza w wysokokonkurencyjnych branżach. Odpowiednio wyuczone modele sztucznej inteligencji nie tylko pozwolą na zwiększenie przychodów, ale jednocześnie ograniczą straty wynikające z nieodpowiednich lub zbyt późnych decyzji operacyjnych czy taktycznych.

Interesujące przykłady wykorzystania potencjału sztucznej inteligencji oraz robotyzacji znajdziemy u globalnych graczy z branży KEP (rynek kurierów, przesyłek ekspresowych i paczek). Z uwagi na duży wolumen dóbr przechodzących przez ręce przedstawicieli tej branży i coraz bardziej wymagające oczekiwania rynkowe konsekwentnie wdrażają one coraz bardziej zaawansowane rozwiązania technologiczne. Przykładem jest robot Dorabot, który automatycznie sortuje ponad tysiąc małych paczek na godzinę obsługiwanych przez firmę DHL. Innym rozwiązaniem autorstwa firmy Boston Dynamics jest robot Strech, którego atrybutem jest umiejętność rozładowywania paczek znajdujących się jeszcze na naczepie ciągnika siodłowego i przenoszeniu ich na taśmociąg transportowy. Jego wydajność w tym zakresie wynosi nawet 700 paczek na godzinę! Ponadto robot potrafi jednocześnie rozpoznać wagę pudeł i ustalić kolejność rozładunku minimalizując ryzyko paletyzowania cięższych pudeł na lżejsze, bardziej podatnych na uszkodzenia.

Przykładów i potencjałów drzemiących w sztucznej inteligencji jest dużo, na różnych etapach wdrożenia – część to jeszcze wizja przyszłości, część realnie wprowadzone systemy i mechanizmy. Bez wątpliwości, z przykładami wykorzystania AI będziemy jako ludzie, jako organizacje, spotykać się co raz częściej.
Oczywiście, wszystko zależy od tego jak duży jest, tzw. „risk appetite” danej organizacji. Wdrażanie rozwiązań sztucznej inteligencji w kluczowych procesach wiąże się z ryzykiem, ale efekty skutecznego wdrożenia SI mogą radykalnie wpłynąć na rozwój organizacji. Co warto podkreślić, takie podejście przedsiębiorstw do tego, aby zmieniać wewnętrzne procesy wpływa pośrednio i bezpośrednio na cały łańcuch dostaw. Efektem takich działań może być lepsza koordynacja, czytelna komunikacja między organizacjami, zwiększona efektywność kosztowa czy wyższa jakość obsługi klienta.

Adaptacja AI w polskich firmach

W polskich firmach z branży TLS widać wyraźny wzrost zainteresowania technologiami sztucznej inteligencji. Wśród dużych, świadomych organizacji ta powszechność jest zdecydowanie większa. Geneza tego stanu wśród tych organizacji wynika ze skali operacji, ponieważ mają świadomość tego, że im większy wolumen procesów, tym większy potencjał do zwiększania efektywności dzięki automatyzacji i optymalizacji – a to z kolei oznacza szybszy zwrot z inwestycji w technologie AI.

Ponadto ważnym aspektem jest łatwiejszy dostęp do danych. W firmach o dużej skali działalności gromadzone są obszerne, uporządkowane zbiory danych, które stanowią fundament do treningu algorytmów. Sztuczna inteligencja jest bowiem tak dobra, jak dane, którymi się „żywi”.

Kolejnym z aspektów jest ten związany z zasobami finansowymi, duże firmy dysponują większym kapitałem, co pozwala im inwestować w zaawansowane projekty związane z AI, takie jak zakup rozwiązań analitycznych czy infrastruktury obliczeniowej. Mniejsze przedsiębiorstwa wciąż wypracowują przewagę konkurencyjną w sposób tradycyjny, zachowawczo podchodząc do kwestii związanych ze sztuczną inteligencją. Często jest to efekt pewnych obaw co do wysokiego progu wejścia w pracę z tą technologią, ale ten próg z czasem będzie się obniżał i stanie się coraz bardziej dostępny dla mniejszych organizacji. Już teraz istnieją usługi, które pozwalają na wykorzystanie w mniejszym lub większym stopniu z korzyści płynących ze sztucznej inteligencji. Ważne jest budowanie tej świadomości, że sztuczna inteligencja nie jest zarezerwowana wyłącznie dla potentatów w danej branży czy firm dysponujących wielomilionowym kapitałem na inwestycje.

Przyszłość rozwoju sztucznej inteligencji w firmach z branży logistycznej w Polsce

Korzyści płynące z efektów wdrożenia SI są coraz bardziej widoczne dla otoczenia biznesowego organizacji, które już w jakimś stopniu ją wdrożyło. Ta otwartość będzie się zwiększać wraz z coraz wyraźniej widocznymi efektami jej wdrożenia. Jest ona skorelowana z wielkością firmy i jej modelem biznesowym co widać u dużych graczy, gdzie ta gotowość w inwestycje jest coraz większa zwłaszcza w obszary dotyczące automatyzacji magazynów, przewidywania popytu czy optymalizacji pracy.

Kluczowym wyzwaniem wciąż pozostaje świadomość i kompetencje w organizacjach. Wprowadzenie AI wymaga przede wszystkim wiedzy eksperckiej. Nie tylko tej ściśle związanej ze sztuczną inteligencją, ale wizji, w którą stronę powinna być ona ukierunkowana. Małe i średnie firmy logistyczne często wstrzymują się z decyzjami o wdrożeniach, bo brakuje im zasobów i doświadczonej kadry specjalistów, którzy pomogliby im przejść przez transformację cyfrową. Coraz więcej jednak mówi się o korzyściach i zwrocie z inwestycji, co przekonuje przedsiębiorców do większej otwartości na rozwiązania oparte na sztucznej inteligencji.

Polska logistyka, z uwzględnieniem odpowiedniego wsparcia i rozwoju kapitału ludzkiego, może zdecydowanie wykorzystać potencjał sztucznej inteligencji, stając się ważnym graczem w tej dziedzinie w Europie. Położenie geograficzne Polski tworzy dla branży logistycznej i AI doskonałe „laboratorium” innowacji. Duży przepływ towarów z różnych kierunków wymusza optymalizację procesów, a różnorodność przedsięwzięć od transportu kolejowego, przez żeglugę morską, po dostawy e-commerce otwiera szerokie pole do wdrażania i udoskonalania rozwiązań.

Wdrożenie ERP w 30 dni? To możliwe dzięki naszej metodyce i dedykowanym narzędziom, które skracają czas implementacji bez kompromisów w jakości. Klienci GECOS szybciej zaczynają korzystać z pełnej funkcjonalności systemu i unikają długotrwałych przestojów. Wybierz Szybki Start!

Zalety stosowania AI w logistyce i transporcie

Sztuczna inteligencja może być swoistym katalizatorom, który może wspierać przedsiębiorstwa w optymalizacji praktycznie każdego etapu łańcucha dostaw. Dobrze zaprojektowany i wdrożony system może wspierać decyzyjne na różnych poziomach. AI może przewidywać zmiany w popycie, bazując na analizie trendów sprzedażowych na podstawie danych historycznych, danych rynkowych, a nawet czynników zewnętrznych jak pogoda. Dzięki temu firmy unikają kosztów nadmiernego magazynowania i niedostępności towarów. Co za tym idzie, wgląd w prognozy zapotrzebowania pozwala uniknąć opóźnień w łańcuchu dostaw i minimalizuje ryzyko przestojów czy zatorów logistycznych, co jest szczególnie ważne w branżach produkcyjnych, czy e-commerce.

Analiza takich danych jak sezonowość sprzedaży, typ produktu, historia zwrotów pomaga firmom lepiej przygotować się do okresów wzmożonej liczby zwrotów. Daje to możliwości efektywniejszego planowania zasobów magazynowych. A skoro poruszyliśmy temat zwrotów, to nie możemy pominąć obsługi klienta w tym zakresie.

Chatboty i wirtualni asystenci obsługiwani przez AI mogą w czasie rzeczywistym udzielać informacji o statusie przesyłek, terminach dostaw i szacowanych opóźnieniach. Podsumowując, przestrzeń do wdrażania sztucznej inteligencji jest tak duża jak duża jest świadomość przedsiębiorstw w tym zakresie i szeroka jak horyzont i kierunek, który jej nadamy.

Jak zmieniła się branża TLS dzięki sztucznej inteligencji?

Jest wiele opisanych przypadków jak realnie wykorzystanie sztucznej inteligencji wpłynęło na funkcjonowanie logistyki. Prym w tych najbardziej efektownych i efektownych wdrożeniach wiodą oczywiście najwięksi gracze, ale to nie są jedyni beneficjenci wdrożenia AI.

Amazon wykorzystuje algorytmy AI do prognozowania popytu produktów w danych okresie i lokalizacji. W zakresie optymalizacji trasy firma kurierska UPS wciąż rozwija system ORION, wykorzystując między innymi algorytmy do wyznaczania tras i planowania przejazdów pojazdów. W 2019 r. ORION dodał nową funkcję o nazwie UPSNav, która wspomaga kierowców UPS, oferując wskazówki krok po kroku, jak dotrzeć do miejsc, które nie są od razu oczywiste, na przykład do wjazdów niewidocznych z głównej drogi.

W gospodarce magazynowej ciekawym projektem może pochwalić się Ocado Gropu, która oferuje automatyzowane magazyny, które wykorzystują AI do zarządzania ruchem robotów i zoptymalizowania procesów kompletacji zamówień. Te przykłady, to są oczywiście duże projekty, ale już dziś spotykamy się ze zmianą jaka nastała na przykład w obsłudze klienta. Chat boty, czy wirtualni asystenci, inteligentna infolinia, to są przykłady z którymi spotkać możemy się na co dzień chcąc uzyskać informację na temat naszej przesyłki, statusu reklamacji czy chcąc skontaktować się z naszym operatorem telekomunikacyjnym.

Jak sztuczna inteligencja poprawia procesy logistyczne?

Sztuczna inteligencja posiada ogromny potencjał do szybkiej analizy danych. To jest jej duży zasób, który dobrze wykorzystany może przynieść wymierne korzyści. Tutaj obowiązuje zasada – im bardziej jakościowe dane, tym bardziej jakościowy wynik ich analizy. Jakościowa informacja to klucz do podjęcia najlepszej decyzji biznesowej, która może mieć wpływ na rozwój organizacji. Skoro logistyka to proces planowania, realizowania i kontrolowania przepływu surowców, materiałów czy wyrobów gotowych to już w samej jej definicji możemy wskazać potencjały drzemiące w tych procesach. Poprawa jednego z nich wpłynie na drugi, a on na następny i tak dalej.

Znamy przykłady we wszystkich wymienionych w procesach logistycznych, w których została wykorzystana sztuczna inteligencja. Ich efekty są często wręcz spektakularne, ale to jest efekt często wieloletnich analiz potrzeb, procesów, eliminacji zbędnych czynności, które nie przynosiły wartości dla zasobów czy świadczonych usług, a następnie sięgnięcie po możliwości SI w zakresie ich optymalizacji czy automatyzacji. Wdrożenie rozwiązań sztucznej inteligencji to ewolucja, a często rewolucja w istniejących mechanizmach działania.

Opłacalność rozwiazań sztucznej inteligencji w branży TLS?

Obecnie jesteśmy w fazie prac ze sztuczną inteligencją, która może budzić obawy o to czy warto, czy też nie. W ciągu najbliższych lat to pytanie przekształci się w to – kiedy niewdrożenie sztucznej inteligencji w branży TSL będzie niepotrzebne?

I z czasem, na tak zadane pytanie będzie coraz trudniej znaleźć argumenty. Dynamika rozwoju technologii, konkurencji, jest na tyle duża, że wdrożenie SI może stać się dla firm „Być, albo nie być”. Co jeżeli zrobimy to za późno? Czy uda się nadgonić zaległości względem konkurencji? A jeśli tak, to czy nakłady poświęcone na to, przyniosą zadowalający poziom? Tych pytań można oczywiście mnożyć, ale obserwując ten rozwój, mając świadomość potencjałów i zalet jakie niesie ze sobą sztuczna inteligencja jestem optymistą. Organizacje w branży muszą przede wszystkim odpowiedzieć sobie na pytanie czy bycie prekursorem w tym zakresie jest zgodne z ich wizją i gotowością do ryzyka. A jeśli nie, to czy akceptują to, że będą jedną z wielu pozostałych , które czekały na ten dogodny moment wejścia i robią to co inni. Z mniejszym ryzykiem, ale też mniej efektownymi skutkami. Przykładów na „opłacalność” wdrożenia sztucznej inteligencji jest dużo i jestem przekonany, że będzie ich co raz więcej.

Cyfrowe bliźniaki (digital twins) a optymalizacja procesów logistycznych

Cyfrowe bliźniaki umożliwiają symulację działań w logistyce w przestrzeni wirtualnej. Na tej podstawie możemy monitorować przepływy, wąskie gardła w łańcuch dostaw, procesie ale również dokonywać wszelkiego rodzaju optymalizacji. Ograniczając ryzyko możemy zweryfikować efektywność potencjalnych zmian na przykład w zakresie planowania przestrzeni magazynowej, przeprowadzać symulacje „co jeśli?” w zakresie rozbudowy istniejącej infrastruktury czy reakcje na zmiany popytu. Dzięki temu firmy mogą redukować koszty, unikać wąskich gardeł, lepiej wykorzystywać zasoby i szybciej reagować na zmiany popytu. To narzędzie, które w połączeniu z danymi czasu rzeczywistego, analityką predykcyjną i sztuczną inteligencją, otwiera zupełnie nowe możliwości w zakresie zwinnego, wydajnego oraz zrównoważonego zarządzania logistyką.

Przyszłość pojazdów autonomicznych w przestrzeni magazynowej

Im większa skala prowadzonej działalności, tym bardziej jest to rzeczywista wizja przyszłości. Skala biznesu ma na to ogromny wpływ, ponieważ większy jest potencjał inwestycyjny takich przedsiębiorstw. Jak każde rozwiązanie, jeżeli jest nowe, innowacyjne to próg wejścia pozwalający na jego wykorzystanie jest wyższy.

Fakty są takie, że trwają zaawansowane badania nad autonomicznymi pojazdami i rozwojem ich poziomu SI. Znane są już wdrożenia takich pojazdów w nowoczesnych magazynach jak na przykład w Europejskim Centrum Dostaw Huawei (HESC) w Budapeszcie. Potencjał do rozwiązania braków operatorów za pomocą w pełni autonomicznych wózków jest duży, ale jak z każdą innowacją potrzeba czasu na opracowanie optymalnych rozwiązań. Myśląc o samojezdnych wózkach widłowych sądzę, że powszechniejsze będzie udoskonalanie ich o systemy bezpieczeństwa operatorów tychże wózków i ich otoczenia. Ten sam trend przecież ma miejsce w nowoczesnych samochodach, gdzie najpierw koncentruje się na bezpieczeństwie, stosowaniu co raz to nowych rozwiązaniach technologicznych pozwalających zwiększyć bezpieczeństwo.

Dlaczego warto wybrać Gecos do wdrożenia AI w swojej firmie z sektora TSL?

Wieloletnie doświadczenie i rosnące zainteresowanie produktami Comarch przekłada się na uznanie wśród firm z branży TSL. Portfolio w zakresie oferowanych rozwiązań jest na tyle szerokie, że pozwala zaspokoić oczekiwania stawiane przez potencjalnych klientów. Zarówno w zakresie zarządzania łańcuchem dostaw i magazynem, mam tutaj na myśli Comarch WMS, czy też Comarch APS, które wspiera planowanie zasobów i harmonogramów w zależności od zmieniającego się popytu.

Odpowiedzią na zarządzanie transportem i spedycją jest system Comarch TMS, który wspiera firmy w planowaniu tras, monitorowaniu pojazdów, rozliczeniach z przewoźnikami oraz ewidencji dokumentacji przewozowej.

Oferta kompleksowej obsługi procesów biznesowych dzięki wykorzystaniu systemu Comarch Optima, Comarch ERP XL czy Enterprise, który pozwala na obsługę rozproszonych organizacji w Polsce i za granicą w ramach jednego środowiska webowego. W zakresie analiz danych moduły analityczne Business Intelligence (Comarch BI) pozwalają firmom logistycznym na bieżąco śledzić kluczowe wskaźniki efektywności (KPI), takie jak czas dostawy, wykorzystanie zasobów czy poziom zapasów. Rozwiązania Comarch dla TSL wyróżniają się kompleksowością, możliwością integracji, a także elastycznością, dzięki czemu mogą wspierać szeroki zakres procesów – od zarządzania zasobami magazynowymi i flotą transportową, aż po prognozowanie popytu i pełną integrację z kanałami e-commerce. Dla wielu firm inwestycja w oprogramowanie Comarch okazuje się optymalna, przynosząc wymierne korzyści w postaci niższych kosztów, poprawy jakości obsługi klienta czy lepszej widoczności danych w całym łańcuchu dostaw.