• Inżynierowie z PSI Polska pracują nad technologią z wykorzystaniem sztucznej inteligencji.
• Projekt pod nazwą Warehouse Intelligence uzyskał 3 mln dofinansowania z NCBIR a jeden z jego etapów został pilotażowo wdrożony w LPP.
• Wykorzystanie sztucznej inteligencji skróciło długość ścieżek kompletacyjnych w LPP aż o 30%. Szacuje się, że ponad 1/3 kosztów logistyki magazynowej pochodzi z kompletacji zamówienia.
• Dofinansowanie projektu środki przyznało Narodowe Centrum Badań i Rozwoju NCBIR.

Magazyny w Polsce

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% 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. 

Gra w wyzwanie 

PSI Polska oraz grupa naukowców z Politechniki Poznańskiej i Wrocławskiej rozpoczęli prade nad projekt wykorzystującym sztuczną inteligencję w magazynach - Warehouse Intelligence. Choć nie są to nowe technologie, to wykorzystanie ich w logistyce jest wciąż w początkowym stadium. 

- 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 – mówi Jerzy Danisz Kierownik Centrum Kompetencji WMS w firmie PSI Polska.

– 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. 

System optymalizuje picking 

Pierwsze uzyskane wyniki są bardzo obiecujące. Okazało się, że wykorzystanie sztucznej inteligencji skróciło długość ścieżek kompletacyjnych w LPP aż o 30%. 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.   

-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 – opisuje Sebastian Sołtys, dyrektor ds. logistyki z LPP. 

NCBIR dostrzegł potencjał 

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. 

Warehouse Intelligence będzie mógł być integrowany z dowolnymi systemem klasy WMS i z jego zalet będzie mogła korzystać dowolna firma handlowa i produkcyjna. Technologia będzie dostępna w dwóch wersjach: automatycznej (algorytmy sztucznej inteligencji – Warehouse Intelligence) i jako analizator ze wsparciem człowieka, określony mianem PEAR. Pod tym terminem kryje się analizator procesu logistycznego, który pozwala przeprowadzać symulacje i obserwować je na trójwymiarowym modelu wraz z jego aktualnymi wskaźnikami KPI. Z tego rozwiązania już w najbliższym czasie będzie mogło skorzystać LPP. 

Eksperci z Accenture prognozują, że do 2035 sztuczna inteligencja zwiększy wydajność w logistyce o ponad 40%.