Содержание |
Основная статья: Искусственный интеллект (ИИ) Artificial intelligence (AI)
2022
Иван Матвеев: Автоматизация логистики станет стандартом отрасли в ближайшее время
Технологии на основе искусственного интеллекта все еще недостаточно освоены индустрией логистики. Лишь 17% респондентов из разных стран мира, представляющих эту бизнес-сферу, сообщили, что уже используют искусственный интеллект, говорится в Ежегодном отраслевом отчете MHI за 2021 год. В то же время, опрос свидетельствует о возможностях быстрого роста: 45% респондентов заявляют, что через пять лет, вероятнее всего, будут применять подобные технологии. Внедрение в работу логистических компаний искусственного интеллекта и машинного обучения неизбежно, поскольку они приводят к улучшению бизнес-результатов за счет высокой скорости обработки запросов, точного прогнозирования операционной нагрузки, максимального использования полезных площадей, считает Иван Матвеев, эксперт в области интеграции решений на базе искусственного интеллекта и машинного обучения для оптимизации логистических процессов. Иван рассказал о технологизации индустрии, наиболее перспективных направлениях и важности менторства. Подробнее читайте в статье.
Как с помощью ИИ трансформировать логистическую отрасль
На начало 2022 года искусственный интеллект по-прежнему не совершенен. Эта технология привела к некоторым серьезным бизнес-промахам (например, в 2016 году чат-бот Microsoft с искусственным интеллектом «научился» быть "расистом", "сексистом" и "антисемитом"). Но ИИ не исчезнет из цепочки поставок. На самом деле, ожидается, что его распространенность будет расти. В Ежегодном отраслевом отчете MHI [1] за 2021 год указывается что, 17% респондентов заявили, что уже используют ИИ, а еще 45% прогнозируют, что будут использовать его через пять лет. Опрос более 1000 специалистов по логистике по всему миру также показал, что 25% из них планируют инвестировать в продукты ИИ в ближайшие три года.
ИИ очень сложен, но то, что мы можем использовать, очень и очень просто. Людям не нужно глубоко разбираться в алгоритмах. Я никогда не думал, что ИИ сможет развиваться так быстро, как сейчас, и он будет только улучшаться — сказал Бен Линч(Ben Lynch), директор по аналитике бизнес-данных в DHL Supply Chain |
Растущие варианты использования
За последние пять лет искусственный интеллект изменил отношения DHL со своими клиентами.
Компания перешла от предоставления клиентам информации о том, что уже произошло, к чему-то более предсказуемому. Благодаря искусственному интеллекту, машинному обучению и доступности данных теперь мы можем дать им представление не только о том, что произошло, но и о том, что произойдет – рассказал Линч |
Этот переход был вызван сложными алгоритмами, которые могут обрабатывать огромное количество собранных данных.
Каждые два года мы генерируем столько данных, сколько когда-либо создавалось. К 2023 году в мире будет вдвое больше данных. Из-за этого возникла большая потребность в технологиях для поддержки этих данных — сказал Линч |
ИИ также позволяет продвигать другие виды технологий в логистике, такие как робототехника, сказал Томас Эванс (Thomas Evans), главный технический директор Honeywell по робототехнике.
Сложность и более быстрый доступ к ИИ через сторонних поставщиков, а также возможность создавать платформы ИИ и развертывать их — это радикальное изменение и преимущество логистики цепочкек поставок. Он будет становиться все более продвинутым, поскольку мы используем все больше и больше данных — рассказал Эванс |
Однако ИИ не является панацеей от проблем бизнеса. Он испытал проблемы роста.
Например онлайн-компания из сферы недвижимости Zillow закрыла Zillow Offers, основанный на искусственном интеллекте сервис покупки жилья и перепродажи, потому что компания покупала дома дороже, чем они могли перепродать. В третьем квартале 2021 года компания списала убытки на $ 304 млн [2]. Но при правильном использовании ИИ сложен, эффективен и уже окупается. Отчет McKinsey [3] показал, что для первых пользователей управление цепочками поставок с помощью ИИ улучшило затраты на логистику на 15%, уровень запасов на 35% и уровень обслуживания на 65% по сравнению с «более медленными конкурентами».
По его словам, самый большой пробел, который Линч видит в дальнейшем внедрении, — это упрощение данных и «приведение данных и бизнеса к разговору на одном языке».
По мере того, как количество технологий и цифровизация увеличивались и открывали все больше и больше данных, мы столкнулись с проблемой: как взять эти данные и преобразовать их во что-то более понятное для оператора – сказал Бен Линч |
Это поможет оператору принимать решения.
ИИ делает данные более ценными
Линч также не ожидает прекращения потока данных. Он сказал, что, по его мнению, он будет расти вместе с бурно развивающейся электронной коммерцией, подпитываемой всеми потребительскими данными, полученными в результате этой онлайн-активности.
Теперь, когда мы можем понять, что потребитель собирается купить на следующей неделе, как мы настроим наши склады? Технологии становятся все лучше и лучше, и мы получим действительно хорошее представление на уровне потребителя, а не на уровне совокупной цепочки поставок – сообщил Томас Эванс |
По словам Эванса, более широкое внедрение ИИ также будет зависеть от надежной кибербезопасности. Если данные не могут быть надежно собраны, сохранены и переданы партнерам компании, это становится проблемой, а не преимуществом.
По мере того, как ценность данных для запуска систем ИИ становится все более высокой для бизнеса, они становятся ценными и для злоумышленников. «Со временем они все больше становятся целью» — сказал Эванс.
2020
Использование ИИ для оптимизации цепочек поставок
За прошедшие годы применение искусственного интеллекта в управлении цепочками поставок SCM значительно возросло во всем мире благодаря более высокому спросу на прозрачность и отслеживаемость данных, а также необходимости улучшить обслуживание клиентов. Ведущие отрасли с точки зрения принятия ИИ в SCM (по данным на начало 2020 года) - телекоммуникации(26%), высокие технологии (23%), здравоохранение (21%), профессиональные услуги (19%), а также путешествия, транспорт и логистика (18%).
Несмотря на преимущества интеграции ИИ, некоторые организации не могут реализовать его из-за следующих проблем:
- Ограниченная доступность высококачественных, согласованных и обновляемых (в режиме реального времени) данных
- Наличие данных о цепочке поставок в разных отделах (например, отдел маркетинга, отдел инвентаризации, менеджер по закупкам и другие имеют собственные базы данных)
- Ограниченная интеграция между системами и базами данных для доступа, очистки и анализа данных.
- Ограниченные политики управления данными, связанные с расширенной цепочкой поставок
Эксперты по закупкам полагают, что недавние сбои в цепочке поставок, вызванные пандемией COVID-19, как никогда подчеркивают необходимость интеграции ИИ в цепочку поставок для оптимизации работы. Чтобы избежать критического сбоя в цепочке поставок, организации необходимо иметь полную картину всей экосистемы; точно прогнозировать спрос и предложение; и оптимально планировать логистику и доставку, среди прочего. ИИ, наряду с машинным обучением, позволяет организациям точно предвидеть загрузку / проблемы в снабжении и, соответственно, заранее предпринимать необходимые (предупредительные / корректирующие) шаги.
Ключевые приложения ИИ для оптимизации цепочки поставок:
Улучшение сквозной видимости и времени отклика
С помощью решений ИИ можно собирать и анализировать в реальном времени и исторические данные от нескольких подключенных устройств и систем (включая системы SCM, ERP и CRM), чтобы получить более широкую и глубокую информацию о работе, которая очень полезна для лиц, принимающих решения. Используя эти решения, команда по закупкам может получить представление о цепочке поставок, предвидеть проблемы (будь то внутри организации, например, из-за сбоев, или за ее пределами, например, задержка поставок) и принимать альтернативные меры для минимизации воздействия на цепочку поставок. Задержка с фактическим реагированием отрицательно сказывается на цепочках поставок и, соответственно, на чистой прибыли.
Точное прогнозирование
Решения ИИ позволяют организациям собирать информацию от нескольких разных подрядчиков, клиентов и собственных функций (включая поставщиков, клиентов, товарные запасы и продукцию) в режиме реального времени и использовать ее для точных прогнозов. Традиционно прогнозирование не включает детали в режиме реального времени и основывается исключительно на исторических данных. Однако с использованием ИИ точность прогнозирования значительно повысилась, что позволяет руководителям не только лучше планировать, но и повышать эффективность. Кроме того, использование искусственного интеллекта для автоматизации принятия решений на более низком уровне может высвободить пропускную способность для менеджеров, чтобы сосредоточиться на разработке стратегий и принятии решений на высоком уровне.
Эффективное планирование цепочки поставок и производства
Инструменты и решения AI помогают анализировать огромные наборы данных в режиме реального времени, уравновешивать разрывы спроса и предложения, эффективно планировать производство, эффективно планировать производственную деятельность и разрабатывать безошибочные планы и стратегии SCM. ИИ может помочь правильно оценить потребности рынка и соответственно управлять производством, чтобы избежать перепроизводства или нехватки продукта, что может привести к убыткам.
Выбор поставщика и управление отношениями с поставщиками
Решения ИИ могут применяться для анализа различных наборов данных (таких как эффективность доставки, аудиты, оценки и кредитные баллы) и получения индивидуальных рекомендаций по управлению взаимоотношениями с поставщиками. Актуальная и регулярная информация о потенциальных или существующих поставщиках может быть использована для построения взаимовыгодных отношений.
Оптимизация логистического маршрута
Решения ИИ позволяют лицам, принимающим решения, анализировать существующие маршруты, выявлять узкие места и сосредотачиваться на наилучшем маршруте; это уменьшает как время, так и общую стоимость складирования и доставки. Инструменты обработки данных на основе ИИ и ML помогают фиксировать детали, связанные с перемещением товаров в реальном времени, и правильно оценивать время доставки.
Управление складом (WMS)
При использовании решений ИИ количество как избыточных, так и недостаточных запасов, можно уменьшить. AI анализирует большие наборы данных гораздо быстрее и устраняет ошибки, которые могут появиться, когда анализ выполняется вручную. Автоматизация повседневных задач, таких как управление автопогрузчиками, сортировка и управление запасами, с использованием беспилотных летательных аппаратов или автономных наземных транспортных средств, преобразует управление складом.
Несмотря на преимущества, которые он предлагает, ИИ еще предстоит проникнуть глубже в производство. Концептуально сильные алгоритмы, а также инновации в области больших данных не только увеличат вычислительную мощность, но и помогут преодолеть проблемы, связанные с интеграцией данных, способствуя расширению применения ИИ в SCM.
2018: Исследование DHL и IBM
В мае 2018 года компания DHL, участник рынка логистики и экспресс-доставки, и компания IBM представили совместный отчет «Искусственный интеллект в логистике». В отчете оценивается потенциал использования искусственного интеллекта в логистике и выдвигается ряд идей о преобразовании индустрии, развитии нового класса логистических активов и операционных систем с интеллектуальной поддержкой. DHL и IBM поясняют, какими преимуществами могут воспользоваться лидеры логистической отрасли при использовании искусственного интеллекта. Также подчеркивается, что настоящий момент является наиболее благоприятным с точки зрения работоспособности, доступности и стоимости технологий искусственного интеллекта.
Учитывая, что технологии AI уже повсеместно используются в работе с клиентами, о чем также свидетельствует быстрый рост популярности приложений с виртуальным помощником (с функцией распознавания речи), DHL и IBM приходят к выводу, что постоянно совершенствующиеся технологии искусственного интеллекта имеют ряд дополнительных возможностей, актуальных для логистики. Так, они могут помочь провайдеру логистических услуг улучшить взаимодействие с клиентом с помощью интерактивного общения и даже внедрить возможность доставлять товары до того, как клиент их закажет.
Многие отрасли уже успешно применяют искусственный интеллект в своих ежедневных бизнес-процессах, например, такие, как производство и машиностроение. Технологии AI позволяют упростить эксплуатацию производственных линий и процесс производства с помощью функций распознавания изображения и диалогового интерфейса. В автомобилестроении искусственный интеллект активно привлекается для того, чтобы развивать способности к самообучению у автономного робота-автомобиля. Есть множество других примеров, которые свидетельствуют о преимуществах использования искусственного интеллекта и его способности коренным образом изменить мир бизнеса, как это происходит в сфере отношений с клиентами.
Искусственный интеллект позволит изменить операционную модель логистики с реактивной на прогнозируемую, работающую на опережение, что обеспечит более высокие результаты при оптимальных затратах на бэк-офис, операционные взаимодействия и фронт-офис. Например, технологии искуственного интеллекта позволят использовать усовершенствованную систему распознавания для отслеживания отправлений и состояния активов, могут привести к полной автономности процесса доставки на всех его этапах и предсказывать колебания в объемах глобальных отгрузок до того, как они произойдут. Очевидно, что искусственный интеллект дополняет человеческие способности, а также устраняет рутинную работу, что позволит сместить фокус сотрудников, занятых в логистике, на более важные, продуктивные задачи.
Примечания
Робототехника
- Роботы (робототехника)
- Робототехника (мировой рынок)
- Обзор: Российский рынок промышленной робототехники 2019
- Карта российского рынка промышленной робототехники
- Промышленные роботы в России
- Каталог систем и проектов Роботы Промышленные
- Топ-30 интеграторов промышленных роботов в России
- Карта российского рынка промышленной робототехники: 4 ключевых сегмента, 170 компаний
- Технологические тенденции развития промышленных роботов
- В промышленности, медицине, боевые (Кибервойны)
- Сервисные роботы
- Каталог систем и проектов Роботы Сервисные
- Collaborative robot, cobot (Коллаборативный робот, кобот)
- IoT - IIoT - Цифровой двойник (Digital Twin)
- Компьютерное зрение (машинное зрение)
- Компьютерное зрение: технологии, рынок, перспективы
- Как роботы заменяют людей
- Секс-роботы
- Роботы-пылесосы
- Искусственный интеллект (ИИ, Artificial intelligence, AI)
- Обзор: Искусственный интеллект 2018
- Искусственный интеллект (рынок России)
- Искусственный интеллект (мировой рынок)
- Искусственный интеллект (рынок Украины)
- В банках, медицине, радиологии, ритейле, ВПК, производственной сфере, образовании, Автопилот, транспорте, логистике, спорте, СМИ и литература, видео (DeepFake, FakeApp), музыке
- Национальная стратегия развития искусственного интеллекта
- Национальная Ассоциация участников рынка робототехники (НАУРР)
- Российская ассоциация искусственного интеллекта
- Национальный центр развития технологий и базовых элементов робототехники
- Международный Центр по робототехнике (IRC) на базе НИТУ МИСиС
- Машинное обучение, Вредоносное машинное обучение, Разметка данных (data labeling)
- RPA - Роботизированная автоматизация процессов
- Видеоаналитика (машинное зрение)
- Машинный интеллект
- Когнитивный компьютинг
- Наука о данных (Data Science)
- DataLake (Озеро данных)
- BigData
- Нейросети
- Чатботы
- Умные колонки Голосовые помощники
- Безэкипажное судовождение (БЭС)
- Автопилот (беспилотный автомобиль)
- Беспилотные грузовики
- Беспилотные грузовики в России
- В мире и России
- Летающие автомобили
- Электромобили