uvod
Izazovi koje stvaraju zahtevi potrošača bez presedana značajno su uticali na efikasnost proizvodnje koja je ubrzana do neslućenih veličina. Uspon onlajn kupovine je stvorio (takođe i ubrzao) potrebu za dinamičnim skladišnim prostorom i modernizovanom logistikom. Zastoji u lancu snabdevanja, 24/7 očekivanja promptnih reakcija i problemi sa zadržavanjem radne snage uveliko problematizuju industriju koja se bori da održi korak.
Uprkos svojim složenim tehnološkim karakteristikama, početnim operativnim troškovima i izazovima implementacije, usvajanje veštačke inteligencije se pojavilo kao ključno rešenje za industriju 4.0. Prelazak sa tradicionalnih na procese donošenja odluka zasnovanih na podacima u logistici skladišta znači pametnije, brže, reaktivne i proaktivne tokove širom relevantnih operacija (onih koje učestvuju u ovom biznisu).
Ova aplikacija (sa veštačkom inteligencijom) je moguća zahvaljujući mašinskom učenju (podskupu, delu veštačke inteligencije) koje pronalazi odgovarajući kontekst i daje uvid iz velikih količina podataka koji se obično prikupljaju iz sistema interneta stvari. Ovde je važno napomenuti da se u svakodnevnom radu susrećemo sa internetom stvari (IoT), samo je pitanje količine umreženih predmeta (objekata). Klasičan primer su, na primer, senzori koji vršeći svoju funkciju prikupljaju velike količine podataka koji opet, upareni sa drugim podacima, mogu dati značajne zaključke i kreirati nove načine upravljanja, kontrole i uopšte postupanja u radu. Naravno, upotreba ovih podataka i zaključaka može se koristiti na tradicionalan, analitički način ali se prava vrednost krije u reakciji u realnom vremenu tj odmah.
Rastući značaj AI-ja
AI (veštačka inteligencija, od artificial intelligence) može povećati bezbednost na radnom mestu preuzimajući monotone i rizičnije zadatke. Može biti i pomoćnik, smanjujući zamor čoveka i poboljšavajući kvalitet rada. AI sistemi, pokretani mašinskim učenjem, robotskim i “vision” tehnologijama (tehnologije prepoznavanja slike i/ili oblika), mogu da prikupljaju, pakuju i sortiraju proizvode 24 sata dnevno kako bi bili u toku sa potražnjom koja ne prestaje 24/7. Može da koristi prikupljene podatke za planiranje, obradu i predviđanje produktivnosti kao i problema. Sve u svemu, AI može pomoći u smanjenju troškova.
Potražnja vrši pritisak na sve industrije od proizvodnje do e-trgovine, a AI se nameće kao rešenje. Prema istraživanju McKinsey-a iz prošle godine (2022-e), automatizovani sistemi će činiti 25% kapitalne potrošnje u narednih pet godina. Oblast maloprodaje i industrija robe široke potrošnje su prve u redu za planiranu potrošnju, a za njima odmah dolaze industrija hrane i pića kao i automobilska industrija.
Međutim, postoji oblast koja ne stoji u redu sa rečenim industrijama već je uveliko ispred svih. Investicije u automatizaciju su ubedljivo najveće među kompanijama u oblasti logistike i distribucije, i one (investicije) čine 35+% njihove kapitalne potrošnje u narednih pet godina. Nije iznenađujuće da je za rast e-trgovine potreban u proseku tri puta veći distributivni prostor za rad u poređenju sa tradicionalnim objektima ove namene.
Trasing prati, posmatra i implementira četiri osnovna elementa AI tehnologije koji igraju ključnu ulogu u evoluciji i skaliranju optimizacije skladišta. Mi ćemo ispitati aplikacije, prednosti i kako da iskoristimo njihov puni potencijal, a da ostanemo održivi u pozitivnom poslovnom smislu.
4 osnovna elementa AI tehnologije su:
- produktivnost skladišta
- bezbednost u skladištu
- tačnost i kontrola
- AI radna snaga
produktivnost skladišta
Maksimiziran prostor i efikasne magacinske operacije su od ključne važnosti za funkcionisanje celog lanca snabdevanja. Ovaj scenario je očigledniji u e-trgovini, gde je primarna potražnja brza, isporuka je istog dana a povraćaji su izvesni u visokim procentima. AI ovde igra dvostruku ulogu u racionalizaciji logistike, prvenstveno u zalihama i pametnom rasporedu, povećavajući ukupnu produktivnost.
povećanje produktivnosti kroz pametne rasporede zakazivanja
Intralogistička sinhronizacija vođena isporukom (DDIS od Delivery-Driven Intralogistics Synchronization) između prikupljanja (porudžbina u magacinu) i sortiranja je još važnija u današnjoj eri pametnog skladištenja kako bi se minimizirali vreme i troškovi. Stoga, sekvenciranje serija/grupa (batches) za prikupljanje porudžbina kako bi se smanjile posete policama i regalima i konsolidovanje zadataka oko narudžbina jesu zadaci od najveće važnosti.
AI obavlja ponavljajuće i zamorne poslove brže od ručnog rada što povećava ukupnu efikasnost. Takođe AI programirano pametno zakazivanje je dinamično, što znači da se zadaci mogu prilagoditi i izvršiti u bilo kom trenutku (ili bolje rečeno – u svakom trenutku), prevazilazeći ograničenja tokom nedostatka radne snage.
optimizacija zaliha
Složenost i raznovrsnost narudžbi klijenata nameću dodatne izazove, a potreba za bržim i pouzdanijim lancem snabdevanja bez prekida je sve veća. Skladište može da skladišti stotine ili hiljade različitih proizvoda, različitih veličina i oblika, koji se moraju neprekidno prikupljati, komisionirati, pakovati, a ponekad i vraćati (ne u smislu procedure prijema vraćenih narudžbina već u smislu vraćanja viškova – kada na primer deo porudžbine čini određena knjiga a u zonu komisioniranja dođe kutija sa većim brojem primeraka te knjige – tada je potrebno jedan primerak uzeti a ostale vratiti).
Automatizovani sistemi za skladištenje i prikupljanje (ASRS od Automated Storage and Retreival Systems) u kombinaciji sa AI-om upravljaju zalihama u skladištu koristeći algoritme, senzore i statičke modele koji detektuju i obrađuju obrasce iz velikih količina podataka da bi se utvrdilo:
Skladištenje – najefikasnije metode skladištenja i procena/merenje kapaciteta skladištenja u realnom vremenu da bi se skladišni prostor iskoristio u potpunosti.
Raspored/lejaut skladištenja – optimalno pozicioniranje za artikle velike potražnje koje treba brzo skupiti, minimiziranje vremena hodanja/kretanja.
Nivoi zaliha – korišćenjem prediktivne analitike za predviđanje obrazaca kupovine i poboljšanje ciklusa skladištenja.
bezbednost skladišta
Uvođenje veštačke inteligencije u logistiku skladišta (intralogistiku) ne znači da će sav ljudski rad prestati, već će postojati da bi se postigla optimalna bezbednost. Saradnja ljudi i robota može biti ojačana industrijskom veštačkom inteligencijom, poboljšavajući bezbednost radnika, radeći opasne poslove i čineći zadatke lakšim i efikasnijim.
Kao rezultat toga, već postoje izgledi da se industrijska veštačka inteligencija koristi u ovoj oblasti, kao što su aktivnosti vezane za održavanje i obuka radnika korišćenjem mešovite stvarnosti (MR od Mixed Reality). AI roboti mogu da obavljaju zadatke koji se smatraju opasnim i zahtevnim za radnike. U realnom vremenu, skladišni prostor, radnici i oprema se nadgledaju pomoću AI programa koji identifikuju potencijalne bezbednosne opasnosti, nezgode, greške, mehaničke kvarove i defekte.
virtuelizovana obuka
U pojednostavljivanju ljudskih zadataka, istraživanje interakcije čoveka i računara pokazalo je da primena mešovite stvarnosti u intralogistici doprinosi većoj vidljivosti, boljoj obuci i rešavanju problema. Van intralogistike poboljšava oblasti kao što su dizajn, montaža, kontrola kvaliteta, održavanje i bezbednost.
Proširena stvarnost (AR) i mešovita stvarnost (MR), koristeći aplikacije kao što su slušalice virtuelne realnosti (VR), koriste se da zaposlenima omoguće pristup digitalnim informacijama, kao što su tekstualni/glasovni opisi zadataka, 3D modeli i prepoznavanje objekata, kako bi se omogućila interakcija bez ruku u fizičkom svetu.
prediktivno održavanje
Prediktivno održavanje (PdM od Predictive Maintenance) koristi analitiku podataka i AI modele za predviđanje i sprečavanje opasnosti uzrokovane kvarom opreme, praćenjem stanja mašina umesto njihovih grešaka.
Podaci mogu katalogizirati životni ciklus mašina i obrasce korišćenja, predviđajući na taj način degradirajuće delove i habanje elemenata, sprečavajući specifične sistemske kvarove i ispravljajući ih. Ova serija upozorenja i predloženih ispravki, zauzvrat, dovodi do manjeg broja nesreća, izbegava skupe kvarove, smanjuje prekide i zastoje, i ograničava bezbednosne incidente sa ljudskom interakcijom.
Uticaj održavanja predstavlja ukupno od 15 do 60% ukupnih troškova poslovanja celokupne proizvodnje. Kao odgovor na potražnju za automatizovanim digitalnim uslugama, Trasing radi na još inovativnijim uslugama veštačke inteligencije. Kroz proaktivno praćenje, Trasing je u jednoj godini otkrio 1800 događaja povezanih sa potencijalnim problemima, od kojih je 75% rešeno na daljinu. Sledeći korak je dostizanje pristupa potpunog predviđanja održavanja, određivanje preostalog korisnog vremena i habanja specifičnih komponenti.
tačnost i kontrola
Osim upravljanja skladišnom imovinom i intralogistikom za budućnost i predvidljivo upravljanje, AI se koristi za poboljšanje tačnosti i kontrole skladišnih operacija. Podaci u realnom vremenu i tehnologija detekcije postaju sistem kontrole kvaliteta koji se koristi za:
Praćenje nivoa zaliha – upravljajte nivoima zaliha, sprečite prekomerne zalihe, niže troškove zaliha i identifikujte artikle sa malim zalihama za automatsko naručivanje dodatnih količina.
Osiguranje kvaliteta – kraće vreme ručnog rada i automatizovana kontrola kvaliteta mogu skenirati i identifikovati artikle sa defektima, rokom trajanja ili lošim kvalitetom.
Praćenje životne sredine u realnom vremenu – obezbeđuje rukovanje proizvodima u okviru željenih uslova, kao što su temperatura, vlažnost i osvetljenje.
ai radna snaga
AI može da obuči i upravlja robotskim sistemima za samostalno obavljanje različitih zadataka. Međutim, uvođenje robotike u intralogistiku skladišta može biti kontroverzno u pogledu toga koliko sarađuje i pomaže ljudskoj radnoj snazi koja je zamenjuje. Do kraja 2021, oko tri miliona industrijskih robota je bilo u upotreb u intralogistici širom sveta +.
izaberite i implementirajte robotiku –
Automatizacija prikupljanja i transporta nije samo u ubrzavanju komisioniranja, depaletizacije i dopune pojedinačnih artikala. Prenošenje najponovljivijih i najdosadnijih zadataka na robote može poboljšati angažovanje i stopu zadržavanja zaposlenih (u firmi). Ovo je zbog osećaja ispunjenosti skladišnog osoblja kada se bavi dinamičnijim ulogama, kao što su operativne analize, korisnička služba, održavanje i još toga.
Robotska rešenja postaće suštinska prednost intralogistike. roboti su vrhunski sakupljači i pakeri, a kada su integrisani sa automatizovanim sistemima skladištenja i preuzimanja (ASRS) oni prevazilaze ograničenja ljudskih performansi u rukovanju materijalom i stalnom kretanju artikala.
autonomni mobilni roboti (AMR) i automatizovana vođena vozila (AGV)
U svojoj srži, koncept AI radne snage, pored smanjenja troškova koji se daju na plate, jeste interakcija i rad sa ljudima i automatizacija procesa sklonih ljudskim greškama, kao što su zadaci koji se ponavljaju.
“tačni/precizni” distributivni centri
Korišćenje AMR-a za komisioniranje i pakovanje porudžbina omogućava tačno i brže izvršenje i otpremu.
efikasne proizvodne linije
Robotika se takođe koristi za planiranje i prilagođavanje proizvodnih linija prema zahtevima bez uticaja na ručni rad. Robotika u prikupljanju i pozicioniranju optimizuje rukovanje materijalima, premeštajući sirovine i poluproizvode bliže montaži. Radeći 24/7, roboti odvajaju, pozicioniraju, mere, sortiraju, skeniraju i prenose robu od tačke A do tačke B povećavajući tačnost i preciznost, eliminišući greške u radu.
povećana ljudska produktivnost
U korišćenju AMR-a za podizanje i istovar robe i korišćenju ANV (Automatski Navođeno Vozilo od AGV – Automated Guided Vehicle) za planiranje putanje i premeštanje proizvoda od jedne do druge tačke kroz skladište, ljudska radna snaga postaje efikasnija u drugim zadacima.
PREVAZILAŽENJE IZAZOVA
Skaliranje intralogistike skladišta u današnjoj zahtevnoj klimi je izazov, ali isto tako i početni trošak vremena i resursa za usvajanje i implementaciju AI-a. Ostaje nedostatak svesti o tome kako organizacije mogu da iskoriste svoj potencijal i implementiraju osnovne tehnologije.
Postoji bojazan u postavljanju i implementaciji celokupne infrastrukture za analizu podataka, od načina na koji se podaci prikupljaju (bilo putem ručnog unosa ili pomoću tehnologija kao što su senzori i kamere) do načina na koji se čuvaju, obrađuju i kako se upravlja njima.
I dok su mnogi oprezni u vezi sa početnim postavljanjem, potreba postoji. 62% ispitanika u anketi se složilo da „većina kupaca favorizuje dobavljače robotike i automatizacije koji mogu pružiti modele pune usluge za implementaciju” što znači da se favorizuju dobavljači koji mogu isporučiti sve od početka do kraja, radije nego angažovanje više dobavljača čije se isporuke moraju sinhronizovati međusobno.
U Trasingu razumemo jedinstvene izazove naših klijenata. Nastavljamo da radimo na vrhunskom portfoliju proizvoda i prilagođavamo intralogistička rešenja tako da odgovaraju specifičnim potrebama. Mi smo na izvoru inovacija, posebno u modernim pristupima tehnološkom napretku kao što je AI.
VAŽNO JE ZNATI: ŠTA JE VEŠTAČKA INTELIGENCIJA? KOLIKO JE PAMETNA?
Često se, sa poplavom AI upotrebe kao termina odnosno skraćenice termina veštačke inteligencije, po automatizmu tj uzimajući zdravo za gotovo, smatra i misli da je to upravo što ime i sugeriše. A to nije tačno jer ime veštačke inteligencije najpre sugeriše svest a potom i svest “svesniju” od čovekove odnosno većeg kapaciteta i mogućnosti. Zašto to nije tačno, i koliko je pametna veštačka inteligencija?
Najtačnije bi bilo reći da veštačka inteligencija jeste nova tehnologija trenutne upotrebe odluka zasnovanih na zaključcima izvedenim iz velike (čitaj ogromne) količine podataka prikupljenih iz velikog (čitaj ogromnog) broja primera i repeticija određenih funkcija. U konačnom izvedeni zaključci daju odgovore i predviđanja sa, u ovom trenutku (čitaj – sa ovom tehnologijom) najvećim stepenom tačnosti.
Surovijim rečnikom, veštačka inteligencija nije pametna i nema veze sa pameću kakvom je znamo u ljudskom pojavnom obliku. Jednostavno, ona se kreće u granicama informacija i slučajeva koje je dobila od čoveka i njeni odgovori i zaključci ne mogu izlaziti van tih iskustvenih teritorija.
Uzmimo za primer prediktivno održavanje jednog transportera sa rolnama. Ono što očekujemo jeste da nam AI kaže da treba da zamenimo rolnu pre nego se desi da ona otkaže, kako bismo izbegli i najmanji zastoj i prekid u radu i zamenili rolnu u toku normalnih i predviđenih pauzi u radu. Na osnovu čega mi dobijamo od AI-ja tu informaciju? Na osnovu toga što AI pohranjuje podatke o ranijim otkazivanjima rolni a potom posmatra i podatke o promenama koje su se dešavale pre otkazivanja. To mogu biti, u zavisnosti od toga koji se podaci prikupljaju, promene u nivou buke, temperaturne promene, vremenska razdoblja, povećanje tolerancija pravilne rotacije, ekscentričnost itd. Zahvaljujući velikom broju ponavljanja i velikom broju informacija i naravno, brzoj obradi tih podataka, AI će sa velikim procentom tačnosti napraviti listu promena koje prethode otkazu jedne rolne. Kada sistem detektuje te promene u (opet) nekom zadatom obimu – AI će nas obavestiti da je vreme da promenimo tu rolnu jer (najverovatnije) sledi otkaz u radu. Tačno bi bilo reći da tu nema nikakve pameti ali istini za volju, potrebno je prilično znanje (slobodno čitaj pamet) da se ovakav sistem uspostavi i učini funkcionalnim ali to je dizajnerska pamet, ne veštačka inteligencija.
Uzmimo za primer i odgovor CHAT GPT-ja na pitanje koje smo mu postavili prilikom pisanja ovog teksta – da li je veštačka inteligencija pametna?
Odgovor glasi: Termin „pametan“ može biti subjektivan i zavisan od konteksta. Sistemi veštačke inteligencije (AI), uključujući model GPT-3.5 koji me pokreće, dizajnirani su da obavljaju specifične zadatke obradom i generisanjem teksta na osnovu obrazaca i informacija koji se nalaze u podacima na kojima su obučeni.
Iz ovoga jasno vidimo da input daje čovek, a interpretaciju mašina ali u granicama datih inputa.
Drugim rečima – AI ili Veštačka Inteligencija jeste ime jedne od tehnologija koje pripadaju modernoj industriji 4.0
Ipak, nesumnjivi zaključak bi bio da nema sumnje da će naš rad biti efikasniji i produktivniji sa upotrebom AI-ja.
Petar Gligorijević, Trasing
Priprema: Trasing Media, Novembar 2023.
Pozovite nas za sve potrebe koje možete imati u vezi kretanja i rukovanja materijalima i teretima u vašem procesu, bilo da je u pitanju proizvodnja, distribucija ili skladištenje. To može biti konkretno pitanje, konsultacija, razgovor o mogućnostima ili zahtev za ponudu. Tu smo za vas!
Telefon +381 37 80 65 90 E-mail info@trasing.co.rs
