Складские игры с интеллектом

Проблемы цифровизации и необходимости внедрения технологий искусственного интеллекта и машинного зрения за период пандемии затронули даже те компании, которые не планировали отказываться от привычной организации процессов.


Например, из-за волнообразного и непрогнозируемого спроса на некоторые группы товаров (антисептики, медицинские маски, гречневая крупа и т.д.), а также частичного перекрытия границ бизнес столкнулся с необходимостью быстрой перестройки цепочек поставок. Параллельно с этим необходимо было скорректировать и настроить систему прогнозирования складских остатков.

В решении этих задач как раз и может помочь искусственный интеллект (ИИ). Так как он реагирует на изменения внешней среды и обеспечивает расчет модели, приближая результат к реальному времени. Также ИИ позволяет централизованно управлять всеми складами компании (центральными и региональными), находить области для улучшения процессов, фиксировать проблемные места и рассчитывать загрузку каждого склада наперед и т.д.

Интеллектуальная трансформация

Искусственный интеллект (ИИ) трансформирует все отрасли, и логистика – одна из них. И если ряд текущих задач в логистических компаниях можно без труда автоматизировать, то оптимизация сложных процессов возможна только с применением технологий искусственного интеллекта и машинного обучения. Причем ИИ предлагает логистическим компаниям широкий спектр возможностей: от автоматизации и роботизации оборудования машин до прогнозной аналитики.

Что касается международной практики, то, согласно ежегодному отраслевому отчету от MHI¹ за 2020 год, технологию ИИ в отрасли складской логистики используют только 12% респондентов. По прогнозу аналитиков, уже через 6 лет это количество увеличится до 80%.


Аналитики Mckinsey (ист.) определили, что на данный момент логистика использует ИИ в основном для четырех бизнес-функций:

• • Сервисных операций;
• 
  
• • Разработки продуктов и услуг;
• 
  
• • Маркетинга и продаж;
• 
  
• • Управления цепочками поставок.

Эти четыре бизнес-процесса покрывают порядка 87% внедрения ИИ в логистике. По оценкам Mckinsey, логистические компании будут генерировать экономическую ценность в размере $1,3-2 трлн в год за счет внедрения ИИ в свои процессы.

Искусственный интеллект помогает анализировать спрос в режиме реального времени, чтобы организации могли обновлять параметры планирования поставок для оптимизации операционных процессов. Ведь благодаря динамическому планированию предприятия используют меньше ресурсов, поскольку это позволяет свести отходы к минимуму.



Например, сейчас рынок e-commerce в России находится в стадии бурного роста. Так, согласно прогнозам аналитиков Data Insight, вплоть по 2024 год среднегодовой темп роста рынка электронной коммерции составит 33,2%. Таким образом с 2019 года объем продаж товаров в онлайне вырастет с 1,7 трлн до 7,2 трлн рублей с учетом НДС.

Подобное развитие невозможно без оптимизации логистических процессов. Так как чтобы оставаться конкурентным, нельзя допустить простоев из-за несвоевременной поломки оборудования, порчи товаров или отсутствия нужного количества на складе. И эти изменения коснутся всех сфер бизнеса.

Складские задачки для искусственного интеллекта

Технологии ИИ на складах могут быть применены по четырем основным направлениям: машинное обучение, обработка человеческого голоса, робототехника и компьютерное зрение. Каждое из них имеет свою ценность и решает разные задачи.

Направление #1 – машинное обучение. Данная технология использует алгоритмы, чтобы «учиться на опыте» (learn from experience) и вовремя принимать практические решения. Используя данные, собранные с датчиков, в частности, выявляются закономерности и предлагаются различные действия: быстрое пополнение запасов товаров, заканчивающихся на складе, поиск наиболее коротких пешеходных маршрутов до заданной точки и наиболее оптимальное позиционирование складских запасов.

Направление #2 – обработка человеческого голоса (например, pick-by-voice). Она делает возможным использование технологий, использующих в управлении голосовые команды. Система передает сотруднику склада голосовые сообщения с пошаговыми указаниями по выполнению текущей задачи. Например, где взять товар, в каком количестве и куда отнести собранный заказ. Ее активно применяют продуктовые ретейлеры. Так, данная технология в 2017 году была апробирована в распредцентре Х5 в Тюмени. А в ноябре 2020-го «Магнит» отчитался о том, что внедрил решение pick-by-voice во всех своих распределительных центрах от Краснодара до Новосибирска.


Направление #3 – компьютерное зрение. Это роботизированная технология, в рамках которой можно обнаруживать, отслеживать и классифицировать объекты.

Например, вместо ручного терминала распознавания штрих-кодов, можно использовать «умные очки», оснащенные камерами, которые используют для этого компьютерное зрение. Также инструменты ИИ могут быть использовании в области видеонаблюдения. В частности, в период локдауна, введенного из-за пандемии коронавирусной инфекции, компании начали переходить на технологию распознавания лиц. Она позволяет обеспечить бесконтактный вход на территорию организации и отказаться от пластиковых пропусков, а также дает широкие возможности интеграции Face ID и доработки под определенные задачи. Это, например, бесконтактный замер температуры на входе с одновременной идентификацией работника по лицу или проверка его контактов за последние две недели на рабочем месте в случае болезни.

Направление #4 – складские роботы. Они дают большую скорость и точность, обеспечивая более высокий уровень производительности, и позволяют полностью исключить влияние человеческого фактора, в частности, случаи краж среди персонала.

Компании, которые внедряют такие продукты, инвестируют в технологии для улучшения управления цепочкой поставок предприятий. Складская робототехника придает ИИ возможность физического присутствия и движения по реальной территории, а также ориентации в пространстве. Возможности роботов могут варьироваться в зависимости от задач, таких как загрузка или разгрузка поддона, перемещение груза по складу или выполнение операций по подбору груза и тому подобное.


Напомню, аналитическое агентство MarketsandMarkets оценило объем мирового рынка роботов в 2019 году в $34 млрд. А рынок складских роботов, в частности, показывает ежегодный рост на уровне в среднем 11,8%.

Гигант розничной торговли Amazon еще в 2012 году приобрел KivaSystems² и в 2015 году даже сменил название на AmazonRobotics. В конце 2019 года на складах Amazon работало уже 200 000 роботов. В 26 из 175 центров выполнения заказов Amazon роботы помогали людям собирать, сортировать, транспортировать и укладывать посылки.

Российский же опыт внедрения робототехники в логистике пока мал, мы в самом начале пути. Многие логистические компании не готовы к роботизации, но уже созрели к внедрению ИИ в обработке больших данных и предиктивному анализу. Считаю, что активная роботизация начнется в ближайшие 5 лет и будет развиваться стремительными темпами.

По сути, все вышеперечисленные процессы ведут к снижению численности требуемого персонала, что существенно влияет на экономику компаний за рубежом, в России сроки окупаемости складских роботов выше. По оценкам экспертов «Логируса», если требуется скорость обработки более 15 000 посылок в час, то возможный срок возврата инвестиций может составить менее пяти лет. Однако для некоторых типов сортировщиков срок возврата может быть и менее трех лет.

Два глаза хорошо, а компьютерное зрение лучше

Некоторые функции искусственного интеллекта позволяют использовать также бизнес-метрики, которые могут усложняться одновременно с усложнением логистических цепочек. ИИ, в первую очередь, должен снижать количество ручных процедур и уменьшать человеческий фактор для минимизации ошибок. А ошибки в логистике, как известно, ведут к потерям: порче товара, пересортице, ошибочным маршрутам. И, как следствие, снижение доверия клиента и финансовые потери.

Однако не все знают, что системы безопасности могут стать в буквальном смысле «глазами» для ИИ. Так, технология компьютерного зрения позволяет вовремя выявлять повреждения (глубину повреждения и тип ущерба) и предпринять меры для уменьшения ущерба.


Также есть технологии, которые, например, позволяют проверить качество овощей и фруктов. Некачественная продукция сейчас является большой проблемой для ретейла. Также есть технологии, с помощью которых проверяется сырье, например, древесина. Это уже практически технологическое видеонаблюдение.

Кроме того, следует упомянуть и про роль ИИ в профилактическом обслуживании оборудования, то есть прогнозировании потенциальных отказов техники путем анализа данных в реальном времени. Это позволяет техническим специалистам принять меры еще до того, как произойдет сбой. Полученную информацию аналитики могут использовать для определения потенциальных областей улучшения, планирования работ по техническому обслуживанию, сокращению простоев, а также для прогнозирования потенциальных отказов оборудования.

ИИ-арифметика

Объем затрат при внедрении полного ИИ-решения зависит от размера организации. Прежде чем интегрировать инструменты ИИ, необходимо пройти полную цифровизацию процессов и внедрить аналитическую программу. Часто компании тратят значительные ресурсы на сам процесс, а в конечном итоге вынуждены отступать, так как на пути появляются непредвиденные проблемы. Но есть альтернатива.

Гибкий подход позволяет организациям начать внедрение ИИ рентабельными способами. Интегрируя сторонних поставщиков, можно начать с того места, где они находятся в данный момент. Это позволит узнать, какие решения актуальны для их задач сейчас и при необходимости адаптировать и масштабировать их под свой бизнес. Такая тактика обеспечивает гораздо более быструю интеграцию ИИ, чем создание новой платформы с нуля или ее построение на основе устаревших решений.

Крайне важно оставаться конкурентоспособным. Инструменты ИИ сокращают время обработки и способствуют более разумному и быстрому принятию решений. Сегодня ИИ дает представление о рыночных тенденциях и даже погодных условиях, которые могут повлиять на работу. И эти данные могут иметь решающее значение для поддержания прочных отношений с клиентами и доверия в отрасли.

Понимание того, когда, где и почему возникают уязвимые места, может изменить рабочие процессы и существенно повысить прибыльность компании, работающей в цепочке поставок. Наиболее успешными будут те предприятия, которые применяют масштабируемые, легко интегрируемые решения к уже существующим процессам.

Внедрение ИИ неизбежно. Крупные логистические компании, работающие на рынке e-commerce, несут самые большие издержки. Поэтому они станут лидерами в этом процессе. А средний бизнес станет массовым потребителем ИИ, как только подобные технологические решения будут доступны из «коробки».

---

¹Material Handling Industry (MHI) является аккредитованным ANSI разработчиком стандартов глобальных цепочек поставок и управляет деятельностью многих национальных и международных отраслевых комитетов в США.

²Американская компания из штата Массачусетс, производитель мобильных робототехнических систем. С 2012 года – дочерняя компания Amazon.com