Где применяют ИИ в логистике
По данным Минэкономразвития РФ, по уровню внедрения искусственного интеллекта в различные отрасли экономики наша страна входит в топ-12 государств. В том числе активно ИИ-технологии применяются в логистике и доставке: решения на основе помогают компаниям увеличить производительность, повысить качество обслуживания клиентов, сократить простои и сэкономить на оптимизации маршрутов доставки. Итак, на что еще способен ИИ в логистике?
- прогнозировать спрос и управлять запасами Современные ИИ-решения помогают предугадывать спрос на ту или иную продукцию, анализируя данные о населении региона, его покупательской способности и поведения, погодных условиях, мероприятиях и т. д. Такая информация помогает руководству компании определиться с тем, какие товары на какой склад и в каком объеме должны попасть как можно скорее.
Умные алгоритмы используют также для оптимизации управления запасами на складах и позволяют организациям серьезно экономить. Неудивительно: неэффективное управление товарными запасами, когда самый ходовой товар вечно оказывается в дефиците, а невостребованный — наоборот занимает площади склада — негативно влияет на рентабельность всего предприятия.
Модели ИИ же способны проанализировать исторические данные, актуальные сведения об имеющихся запасах, время отгрузок и товародвижение и дать рекомендации: какие товары стоит заказывать за две недели, а какие — реже, сколько места под них необходимо освободить и т.д.
Кейс 1. Продуктовая сеть «Лента» в 2020 году интегрировала автоматизированную систему прогнозирования спроса на свои товары. ИИ анализировал чеки и параметры разных магазинов сети и прогнозировал спрос на те или иные товары, помогая определиться с ассортиментом.
- сделать дороги «умнее» и безопаснее Активное применение искусственного интеллекта в транспортной инфраструктуре позволяет сделать дороги «умнее» и упростить жизнь логистам. Речь идет о синергии ИИ-технологий с различными датчиками, RFID метками, системами спутникового мониторинга и сетями 5G. Вместе они могут сделать дороги значительно безопаснее, оптимизировать трафик и сократить задержки в цепочке доставок, связанные, например, с плохой погодой, пробками и авариями.
Кейс 2: «Мосгортранс» внедрил в городскую транспортную систему ИИ-комплекс «Антисон». Это решение базируется на технологиях компьютерного зрения, которое анализирует видеопоток и реагирует на состояние водителя. Зафиксировав признаки потери внимания, типа редкого моргания, покачивания головой и т. д., система отправляет сигнал в центр мониторинга. В итоге удается предотвратить аварию, связанную с усталостью водителя.
- оптимизировать цепочки доставки и управлять ее маршрутом ИИ-технологии способны определять наиболее оптимальные маршруты в режиме реального времени, ориентируясь на дорожную обстановку, наличие платных и бесплатных участков магистралей, пробки и другие условия. В итоге можно с высокой точностью предсказать, сколько времени займет поездка, назначить точное время доставки и сократить издержки на топливо.
Так, сложнее всего скоординировать маршрут на так называемой «последней миле», под которой имеется в виду конечная доставка до покупателя. Учитывать такие параметры, как заезд во двор, наличие мест на парковке, лифта в доме и т. д. вручную довольно сложно.
Кейс 3. Американская Coyote Logistics активно применяет в своих процессах предиктивную аналитику, ИИ-технологии и машинное обучение — это помогает ей прогнозировать инциденты, которые могут негативно сказаться на транспортных цепочках и разработать план B в случае задержки.
- автоматизация складов и центров обработки На складах ИИ может организовать не только грамотное управление запасами, но и операции приемки и выдачи товара, во время которых важно проверить его подлинность и наличие брака, освобождения пространства для его размещения и т. д. Пожалуй, полностью здесь искусственный интеллект заменить человека не может, однако частично разгрузить сотрудника и ускорить его деятельность — вполне.
Так, ИИ-решения могут оптимизировать работу операторов, собирая данные с датчиков на грузовых машинах и складах, используя метки RFID, позволяя контролировать перемещение товара и проводить инвентаризацию, сокращая количество человеческих ошибок. Часто роботы проводят операции на высоте, снижая риски для человека.
Кейс 4. Одним из самых больших роботизированных складов в мире может похвастаться Alibaba — машины здесь собирают и упаковывают товары для доставки в 70% случаев.
Почему внедрять ИИ в логистике сложно
Применение искусственного интеллекта для компаний может представлять определенные трудности. Так, на рынке ИИ недостает квалифицированных специалистов, которые могут заниматься внедрением и поддержкой таких решений - по данным Минэкономразвития РФ, дефицит кадров в этой сфере сейчас составляет около 5 тысяч человек.
Еще одна сложность - отсутствие большого объема данных для обучения моделей ИИ, что напрямую влияет на точность работы систем. Некоторые компании не решаются выделять финансирование на масштабные проекты, пребывая в уверенности, что окупится дорогостоящая технология не сразу. Кроме того, требуется время и деньги для того, чтобы ее адаптировать и научить сотрудников обращаться с ней.
Довольно сложно также адаптировать ИИ-решение к специфическим потребностям компании - зачастую продукт “из коробки” тут не подходит, под конкретного заказчика необходимо дообучать модели, интегрировать их с бизнес-системами клиента.
Еще один подводный камень - обеспечение безопасности данных. Это проблемой нужно озаботиться еще на этапе внедрения ИИ-решения, чтобы избежать утечек, взломов и блокировки инфраструктуры.
Тем не менее, эксперты рынка прогнозируют все более активное внедрение ИИ в российских логистических компаниях.
Этому способствуют и изменения в законодательстве. Так, в декабре 2021 г. Правительство РФ утвердило стратегию цифровой трансформации транспортной отрасли до 2030 г., в рамках которой акцент делается на переход логистической отрасли на новые технологии. Среди целей и задач - цифровизация перевозок пассажиров и грузов, повышение мобильности граждан, цифровизация управления транспортным комплексом, безопасность на объектах критической информационной инфраструктуры транспортного комплекса.
Так, к 2030 году планируется минимизировать человеческий фактор на дорогах и сократить количество ДТП не менее чем на 2%. В три раза планируется увеличить грузопоток беспилотных транспортных средств, а количество объектов транспортной инфраструктуры, использующих биометрию для идентификации пассажиров, к 2030 году должно достичь 700 единиц. К 2035 году планируется выход на экспорт российских беспилотных авиасистем и логистических решений. В ближайшем будущем отрасль транспорта и логистики ожидает господдержки электронных транспортных документов и национальную цифровую логистическую платформу - это позволит в том числе активнее переходить на передовые ИИ-технологии.
