Поскольку пандемия COVID-19 продолжает оказывать давление на цепочки поставок по всему миру, перспектива использования логистических технологий ИИ стала более привлекательной, чем когда-либо. Решения на основе данных дают компаниям возможность повысить прибыльность, отказоустойчивость и удовлетворить новые требования коммерции во времена непредсказуемости. Технологии искусственного интеллекта и машинного обучения (МО) в настоящее время широко применяются в распределительных сетях. На самом деле, 61% руководителей сообщают о снижении затрат, а 53% сообщают об увеличении доходов как о прямой выгоде от внедрения ИИ в свои цепочки поставок.

Очевидно, что технология искусственного интеллекта становится важным винтиком в логистической машине. И вот почему.

ИИ в логистике: подноготная

Во-первых, ИИ и машинное обучение не одно и то же. ИИ означает, что машина может имитировать мыслительные способности человека, тогда как машинное обучение — это форма распознавания образов машинами или компьютерами. Тем не менее, обе компании играют ключевую роль в преобразовании ландшафтов логистики и интралогистики. Объединив эти две технологии для анализа огромных объемов данных, эти технологии способны повысить скорость и точность сетей выполнения и распределения, а также снизить эксплуатационные расходы и вероятность человеческой ошибки за счет повышения уровня автоматизации.

Эти преимущества позволяют легко понять, почему реализации AI и ML уже используются в отрасли для оптимизации складских операций и сетей цепочки поставок по всему миру (подробнее об этом ниже).

Итак, как ИИ творит чудеса?

Успех технологий искусственного интеллекта и машинного обучения неразрывно зависит от данных. Оба требуют огромных объемов высококачественных данных и вычислительной мощности для эффективного анализа всех собранных данных. Это гарантирует, что полученная информация будет точной и, следовательно, ценной. Например, ведущие судоходные компании использовали ключевые данные для более успешного прогнозирования спроса и оптимизации своих маршрутов. Опрошенные отметили, что запасы сократились на 75%, складские расходы сократились на 15–30%, а административные расходы сократились на 80%.

Технологии искусственного интеллекта в логистике на практике

Во всех отраслях по всему миру искусственный интеллект используется как решение некоторых из самых серьезных проблем, с которыми сталкиваются компании. Итак, давайте попробуем согласовать макрос с микро, чтобы лучше понять, насколько это больше, чем просто реклама, основанная на технологиях, и если мы на пути к не только звездным, но и стандартизированным решениям. В конце концов, логистическая отрасль уже может похвастаться несколькими успешными вариантами использования:

Умные склады и системы управления складом (WMS) — яркий пример передовых систем обработки данных в действии. Используя программное обеспечение, датчики, камеры и другие беспроводные средства связи для сбора и обработки данных, WMS предоставляют отчеты в режиме реального времени и полный обзор цепочки поставок, позволяя владельцам бизнеса принимать обоснованные решения и внедрять больше автоматизации. Например, путем углубленного анализа поведения при заказе процессы прогнозирования могут быть оптимизированы и улучшены, что позволит сократить время доставки.

Распознавание тенденций.Технически это относится к технологии машинного обучения и позволяет компаниям выявлять закономерности (и, в конечном счете, успехи) в данных своих цепочек поставок с помощью алгоритмов, которые постоянно учатся и развиваются. Это дает логистическим компаниям значительное преимущество, а в сочетании с технологиями искусственного интеллекта может использоваться для прогнозирования сезонности и спроса, установления цен и оптимизации маршрутов доставки «последней мили». Однако ключевым ограничением здесь является то, что использование прошлых данных часто означает, что их ценность быстро истекает, особенно в периоды неустойчивого развития рынка, будь то неустойчивые изменения спроса или пиковые расходы на перевозку.

Когнитивная логистика — распознавание тенденций на стероидах, объединение разрозненных хранилищ данных для принятия более эффективных стратегических решений на основе автоматизированного понимания взаимозависимостей — это рубеж, на который стремится выйти когнитивная логистика. Гибкие логистические процессы в настоящее время имеют решающее значение для поддержания высокого уровня SLA и удовлетворенности клиентов, и у когнитивных цепочек поставок есть ответ. Это высокоцифровые цепочки поставок, основанные на искусственном интеллекте и больших данных, что позволяет компаниям прогнозировать спрос, эффективно планировать и быстро реагировать на изменения рынка с полным обзором цепочки поставок. На практике это означает, что грузы, склады, транспортные средства и т. д. могут работать вместе как единая сплоченная сеть, «чувствуя» необходимость адаптации в реальном времени.

Стартапы в области логистики и искусственного интеллекта, на которые стоит обратить внимание

Внедрение ИИ в существующие структуры и процессы задним числом, безусловно, помогает понять его потенциал для усиления и оптимизации. Однако, чтобы лучше понять возможности ИИ в области инноваций и преобразований, вот несколько примеров решений, ориентированных на ИИ:

Немецкая компания TNX делает большие дела с большими данными и искусственным интеллектом, предлагая автономную платформу закупок, созданную специально для автомобильного транспорта. Используя данные и науку о поведении, платформа TNX обещает компаниям более низкие фрахтовые ставки благодаря интеллектуальным торгам, объединению и прогнозированию цен.

Fizyr в Нидерландах — еще один интересный стартап на базе искусственного интеллекта, предлагающий программное обеспечение для автоматизированного комплектования в сложных условиях, таких как депаллетизация или обработка посылок. Компания разрабатывает, создает, устанавливает и поддерживает алгоритмы, которые независимо позволяют захватам автоматически обрабатывать неизвестные объекты разных форм, размеров, цветов и материалов.

Наконец, болгарская Transmetrics использует искусственный интеллект, сбор данных и прогнозную аналитику, чтобы помочь поставщикам логистических услуг оптимизировать свои услуги, объединяя прицепы для повышения эффективности использования парка. Решение стартапа — одно из нескольких в этой области, которое поможет, в частности, автотранспортным компаниям оптимизировать свои расходы, а также уменьшить выбросы углекислого газа.

Итак, что дальше?

Принимая во внимание технологический радар DHL, мы можем сравнить зрелость ИИ со всеми дополнительными технологическими тенденциями в логистике. Помимо графика технической зрелости около пяти лет, технологический радар предполагает высокий потенциал воздействия ИИ. Одной из причин этого является широкий спектр применимости, который выходит далеко за рамки цепочек поставок и интеллектуальных складов, включая контроль качества, профилактическое обслуживание и беспилотные транспортные средства. В отсутствие распространения ИИ будет служить все более незаменимым источником обработки знаний, который поможет компаниям приблизиться к оптимальному логистическому равновесию: достаточному количеству нужного продукта, чтобы добраться в нужное место и точно в срок.