Nadchodzi koniec tradycyjnych magazynów. Szykuje się przełom w logistyce

W Polsce jest niemal 24 mln mkw. powierzchni magazynowych i przemysłowych. Choć inwestycje rosną jak na drożdżach, to presja związana z kosztami paliwa, materiałów i pracy zmusza firmy produkcyjne i handlowe do poszukiwania sposobów optymalizacji. Branża logistyczna wiele obiecuje sobie szczególnie po automatyzacji i robotyzacji magazynów. Z raportu "Logistyka w Polsce" wynika, że 75 proc. firm dostrzega w tym obszarze największe szanse na rozwój logistyki. Do tej pory stosowane technologie oparte o sztuczną inteligencję, miały jednak bardzo wąskie zastosowanie.

To może się zmienić dzięki polskim inżynierom i naukowcom. Pracują oni nad technologią, która ma szansę zrewolucjonizować zarządzanie magazynem: sztuczna inteligencja będzie na bieżąco podpowiadać człowiekowi optymalne rozwiązania. Pierwsze testy pokazują, że robi to bardzo skutecznie. – czytamy na portalu. Dwa lata temu inżynierowie z PSI Polska rozpoczęli współpracę z grupą naukowców z Politechniki Poznańskiej i Wrocławskiej, m.in. dr inż. Sławomirem Suszem z wydziału mechanicznego dolnośląskiej uczelni. Interdyscyplinarny zespół zaczął eksperymentować ze sztuczną inteligencją oraz uczeniem maszynowym.

Choć nie są to nowe technologie, to wykorzystanie ich w logistyce jest wciąż w początkowym stadium – podaje portal. Zdaniem Jerzego Danisza - Kierownika Centrum Kompetencji WMS w firmie PSI Polska, na rynku istnieją technologie wspierające pracowników bardzo wybiórczo, głównie w obszarze ścieżki zbiórki. Nikt wcześniej nie stworzył technologii opartej o sztuczną inteligencję, która byłaby w stanie optymalizować wszystkie procesy magazynowe, traktując problem całościowo. Jak czytamy dalej, prace nad Warehouse Intelligence podzielono na pięć etapów.

W pierwszym opracowano prototyp środowiska WI. W drugim inżynierowie PSI Polska rozpoczęli tworzenie symulacji, czyli stworzenie cyfrowego bliźniaka rzeczywistego magazynu.  -Nasza idea polega na opracowaniu algorytmów sztucznej inteligencji, których zadaniem jest takie zarządzanie magazynem, aby osiągnąć optymalne wydajności poszczególnych procesów. Model ML (czyli algorytm machine learning/uczenia maszynowego) dostawał zadanie i miał znaleźć jak najlepsze rozwiązanie. Jeżeli udało mu się skutecznie zoptymalizować dany proces, wygrywał.

Jeżeli nie, musiał próbować robić to dalej, aż do skutku. W ten sposób niejako metodą prób i błędów algorytm dochodzi to optymalnego rozwiązania, przy czym symulacja magazynu (cyfrowy bliźniak) pozwala na szybkie i praktycznie bezkosztowe przeanalizowanie setek tysięcy możliwych scenariuszy pracy magazynu” – tłumaczy Jerzy Danisz. Kolejne etapy pracy nad projektem to odpowiednio: trenowanie modeli ML, przygotowanie aplikacji, dzięki której użytkownik końcowy może przyjmować rekomendacje sugerowane przez sztuczną inteligencję oraz w końcu etap piąty zakłada pilotażowe uruchomienie całego systemu w magazynie LPP – za portalem.

Pierwsze uzyskane wyniki są bardzo obiecujące. Okazało się, że wykorzystanie sztucznej inteligencji skróciło długość ścieżek kompletacyjnych w LPP aż o 30 proc. Jak to możliwe? Podstawowym zadaniem wdrożonego algorytmu jest efektywne rozwiązywanie tzw. „problemu komiwojażera” (z angielskiego TSP). Polega on na wyznaczeniu najkrótszej trasy łączącej kilka punktów na mapie. W przypadku magazynu system musi wyznaczyć optymalną trasę przejścia dla kilkudziesięciu lokacji pickingowych. To, co na pierwszy rzut oka wydaje się proste, w rzeczywistości stanowi istotny problem dla matematyków od lat.

Pierwszy z modułów Warehouse Intelligence złamał utarte reguły i schematy, jakimi posługiwali się pickerzy na magazynie i miał rację. Podpowiedzi algorytmu przyniosły już wymierne oszczędności. Szacuje się, że ponad 1/3 kosztów logistyki magazynowej pochodzi z kompletacji zamówienia. Ten proces jest kosztowny szczególnie w przestrzeniach, gdzie występuje dużym wolumen zamówień, np. w e-commerce. Jak mówi Sebastian Sołtys, dyrektor ds. logistyki z LPP, elementy poszczególnych zamówień są pobierane z miejsc ich składowania, a następnie pakowane i przygotowywane do wysyłki. Koszty kompletacji i pakowania zależą bezpośrednio od SKU, czyli jednostek magazynowych, a w naszym przypadku są to znaczące liczby.

Dlatego optymalizacja w tym obszarze ma dla nas ogromne znaczenie. Wpływa bezpośrednio na wydajność magazynową i sprawność obsługi zamówień naszych klientów. Za portalem: Efekt wdrożenia w LPP to tylko część projektu Warehouse Intelligence. Jego celem jest opracowanie innowacyjnego środowiska kompleksowej analizy, planowania i optymalizacji procesów intralogistycznych, który bazować będzie na algorytmie sztucznej inteligencji.

Oznacza to de facto możliwość optymalizacji wszystkich procesów magazynowych. Wykorzystanie mechanizmów uczenia maszynowego ze wzmocnieniem okazało się na tyle innowacyjnym podejściem, że na dofinansowanie projektu środki przyznało Narodowe Centrum Badań i Rozwoju. NCBIR. Firma PSI Polska dostała grant na badania i rozwój w wysokości niemal 3 mln złotych. Obecnie realizowany jest czwarty etap projektu, którego celem jest intensywne uczenie algorytmów sztucznej inteligencji. Eksperci z Accenture prognozują, że do 2035 sztuczna inteligencja zwiększy wydajność w logistyce o ponad 40 proc. Warto podkreślić, że firmy, które zaczną korzystać z AI w operacjach logistycznych wcześniej niż ich rynkowi konkurenci dostaną premię za pierwszeństwo. J.Dibuj  fot.jm