AI w służbie logistyki. Automatyzacja i inteligentne zarządzanie łańcuchem dostaw

Temat numeru

W logistycznym świecie funkcjonuje mnogość różnorodnych rozwiązań informatycznych mających na celu wsparcie człowieka w zadaniach związanych zarówno z analizą danych, jak i zarządzaniem procesami fizycznego przepływu materiałów. Aplikacje te, od prostych „wtyczek” po złożone systemy, wykonują swoje zadania za pomocą algorytmów – zestawów precyzyjnie zdefiniowanych kroków lub instrukcji, które są wykonywane w określonej kolejności w celu rozwiązania konkretnego problemu. W miarę rozwoju narzędzi IT, wraz ze zdobywanym doświadczeniem z kolejnych wdrożeń, algorytmy te są wzbogacane o kolejne nowe funkcje i reguły. I tutaj do gry wchodzi sztuczna inteligencja (Artificial Intelligence – AI) – dziedzina informatyki, której celem jest tworzenie systemów lub maszyn zdolnych do wykonywania zadań, które normalnie wymagają ludzkiej inteligencji. W rozwoju wspomnianych algorytmów znaczenie ma zwłaszcza uczenie maszynowe. To poddziedzina AI zajmująca się tworzeniem algorytmów i modeli, które mogą uczyć się na podstawie danych, zamiast być ręcznie programowane do wykonywania konkretnych zadań. Ze względu na dynamikę procesów w łańcuchach dostaw, ich złożoność i zależność od wielu czynników oraz z drugiej strony na mnogość danych, do których możemy mieć dostęp, uczenie maszynowe stwarza ogromne możliwości dla rozwoju narzędzi informatycznych. Przyjrzyjmy się zastosowaniu algorytmów AI w logistyce w dwóch obszarach: analityka danych oraz sterowanie fizycznym przepływem materiałów oraz na dwóch poziomach: łańcucha dostaw i intralogistyki. Powstają w ten sposób cztery zakresy zastosowań AI, w których już dziś zaznacza ona swą obecność.

1. Łańcuch dostaw – analityka

W łańcuchach dostaw mamy do czynienia z procesami zachodzącymi na dużym obszarze geograficznym. Wymagają one planowania zarówno na poziomie operacyjnym (np. planowanie transportu, prognozowanie popytu, planowanie zapasów), jak i strategicznym (rozwój sieci, rynków, dostawców). Za pomocą narzędzi do planowania popytu gromadzimy i analizujemy dane i na ich podstawie generujemy prognozy i symulujemy scenariusze. Do analizy i prognozowania wykorzystywane są algorytmy statystyczne. Jakość ich pracy zależy od ilości analizowanych danych, jak i od doświadczenia i ilości wdrożeń, na bazie których autorzy algorytmów mogą je rozwijać i udoskonalać. Dane, które są tu wykorzystywane, to zarówno dane wewnętrzne firmy (historyczne i dotyczące przyszłych planów, np. promocji czy wprowadzenia nowych produktów), jak i z otoczenia firmy. Tych jest coraz więcej. To nie tylko historia popytu poszczególnych grup asortymentowych i długofalowe trendy preferencji konsumenckich, ale również dane o czynnikach zewnętrznych zaburzających popyt w danym regionie (np. remonty dróg, festiwale i wydarzenia kulturalne, wakacje), a także np. dane dotyczące pogody (dane historyczne i pr...

Pozostałe 90% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • wydań magazynu "Logistyka i Magazynowanie"
  • Dostęp do wszystkich archiwalnych artykułów w wersji online
  • Możliwość pobrania materiałów dodatkowych
  • ...i wiele więcej!

Przypisy