Umělá inteligence pro optimalizaci procesů v manuálním skladu

Úkolem optimalizace procesů je analyzovat pracovní postupy, zdokumentovat je, odhalit slabá místa a vyvinout lepší pracovní postupy. Kromě plynulejších procesů a vyšší kvality může být cílem také úspora nákladů (1). Vzhledem k rychlému rozvoji umělé inteligence (AI) a kybernetickofyzických systémů probíhá optimalizace procesů stále častěji prostřednictvím AI.

V manuálním skladu je mnoho příležitostí pro optimalizaci procesů a pracovních postupů. Mezi klasické metody patří mapování toku hodnot, mapování procesů, celkové řízení kvality, LEAN, Kaizen, Six Sigma, 5S/5A a další přístupy. V souvislosti s digitalizací se však stále více prosazují novinky, jako je digitální mapování toku hodnot, analýza podnikových procesů nebo analýza pohybů. Pomocí těchto aplikací se digitálně shromažďuje velké množství dat, takže je již nelze vyhodnocovat a interpretovat klasickými metodami. Toto dnes již řeší umělá inteligence. Pomocí analýz velkých objemů dat lze rozpoznat a identifikovat struktury a závislosti v datech. Tyto pak umožňují, na jedné straně plánovačům a na straně druhé personálu zodpovědnému za provoz, celou škálu variant opatření pro optimalizaci procesů.

Podle Gabler Wirtschaftslexikon je umělá inteligence (AI) "studium inteligentního chování při řešení problémů a vytváření inteligentních počítačových systémů. Zabývá se metodami, které umožňují počítači řešit úlohy, k jejichž řešení je zapotřebí inteligence člověka". Umělá inteligence s mnoha dílčími disciplínami již pronikla do bezpočtu průmyslových, technických a společenských oblastí. Dílčí obory umělé inteligence dnes zahrnují širokou škálu subdisciplín, jejichž počet neustále roste: roboty, prediktivní údržba, získávání dat, analýza procesů, neuronové sítě, strojové učení, hluboké učení a mnoho dalších. Hluboké učení s pomocí neuronových sítí je v současné době nejslibnějším přístupem v umělé inteligenci a opět přístupem v rámci strojového učení.

Aplikace umělé inteligence, jako je výše zmíněný analýza podnikových procesů a analýza pohybů, lze využít téměř ve všech oblastech intralogistiky. Příkladem může být vnitropodniková doprava (vysokozdvižné vozíky a další manipulační technika, ale také pásové dopravníky), analýza procesů s odpovídajícími údaji o výkonnosti a kvalitě a analýza pohybu při vychystávání a balení. Dalším podstatným aspektem, vedle identifikace kvalitativních závad a "plýtvání", je zlepšení ergonomie pracovních procesů. Za tímto účelem se obvykle vytváří "digitální dvojče" - tj. virtuální model - skladu. Pomocí tohoto virtuálního dvojčete lze provádět simulace pracovních postupů a procesů ve skladu s cílem optimalizovat skladovací místa.

Analýza podnikových procesů (2) je kombinací pojmů procesní management a data mining. Nabízí možnost zkoumat podnikové procesy a skladové operace a identifikovat potenciály pro optimalizaci. Data miningové algoritmy se používají ke zkoumání velkých objemů dat (big data) za účelem hledání specifických vzorů. Tj. reálné procesy jsou analyzovány na základě záznamů událostí z IT systémů (informace z logů událostí) pomocí algoritmů. Mezi procesy, které lze v organizaci zkoumat a optimalizovat pomocí analýzy podnikových procesů, patří výrobní procesy, procesy dodavatelského řetězce a prodejní procesy. Techniky analýzy podnikových procesů zahrnují tři typy: Discovery, Conformance a Enhancement. Discovery zahrnuje analýzu a rozpoznávání procesů a vytváření digitálních modelů procesů. Conformance umožňuje posoudit shodu stávajících procesních modelů s aktuálními daty. Jinými slovy, stávající modely procesů jsou ověřovány a porovnávány s novými daty. A konečně, vylepšování slouží k rozšíření stávajících modelů procesů. Na rozdíl od běžných metod analýzy procesů je analýza podnikových procesů holistická. To znamená, že zahrnuje vzájemné vazby a závislosti všech obchodních a skladových procesů. Procesy jsou pomocí analýzy podnikových procesů reprezentovány v celé své komplexnosti. Analýza podnikových procesů se od klasických technik tvorby procesních modelů odlišuje vysokým stupněm automatizace. Procesní toky, náklady a doby průchodnosti lze znázornit podrobně a přehledně pomocí široké škály vizualizačních možností. Výhodou je, že lze rychle a efektivně reagovat na změny a předvídat případné budoucí problémy. Zdroje problémů a odchylek jsou také viditelné díky analýze podnikových procesů. Zejména v digitálním věku Průmyslu 4.0 a Logistiky 4.0 musí podniky své procesy stále znovu pružně a optimálně přizpůsobovat, aby si udržely konkurenceschopnost. Prostřednictvím analýzy podnikových procesů získává společnost přehled o tom, jak její podnikové procesy fungují a kde je potenciál ke zlepšení. Analýza podnikových procesů je považována za klíčovou technologii pro vytvoření digitálního dvojčete skladu nebo celé společnosti (3).

Technologii Motion Mining (4) lze využít k automatickému, efektivnímu a anonymnímu záznamu dat a optimalizaci manuálních pracovních procesů z hlediska jejich ergonomie a efektivity v široké škále aplikací, jako je logistika, dodavatelské řetězce a intralogistika. Pro záznam dat nosí zaměstnanci skladu na zápěstí a opasku zařízení (mobilní senzory). Díky integrovaným senzorům lze přesně zaznamenávat a detekovat pohyby během jednotlivých pracovních procesů. Všechny pracovní procesy lze provádět pohodlně, aniž by je senzory omezovaly. Za účelem přesnější analýzy interakce člověka a techniky mohou být speciálními senzory dodatečně vybaveny také nástroje - například dopravní prostředky nebo vysokozdvižné vozíky. Pomocí miniaturních rádiových vysílačů s integrovaným zdrojem energie lze lokalizovat zaměstnance a činnosti. Výhodou majáků je, že je lze snadno a rychle instalovat v příslušných procesních oblastech. Měřicí zařízení detekuje rádiové signály vysílačů a vypočítá tak aktuální polohu, podobně jako GPS. Vzhledem k tomu, že všechny naměřené hodnoty (údaje o činnosti a lokalizaci) jsou vždy shromažďovány bez odkazu na zaměstnance, není třeba řešit GDPR. Obrovské množství shromážděných dat je automaticky analyzováno umělou inteligencí. Přiřazení činností a procesních kroků se provádí prostřednictvím speciálně vyvinutého postupu rozpoznávání vzorů na základě hlubokého učení. Umělá inteligence přitom samostatně rozpoznává různé pracovní postupy nebo součásti procesu, jako je čekací doba, doba jízdy nebo doba manipulace. Integrovaný katalog rozpoznávání zahrnuje mnoho různých činností a lze jej podle potřeby doplňovat o nové činnosti. Díky ergonomickým analýzám lze také analyzovat nezdravé procesy ohýbání, práci nad hlavou nebo vzdálenosti chůze. Kromě toho technologie nabízí také analýzy specifické pro danou lokalitu, ukazatele aktivit a hodnocení používání techniky a asistenčních zařízení. Analýzy lze prezentovat v podobě klíčových čísel nebo v mnoha různých formátech, jako jsou různé grafy a tepelné mapy. Je také možné provádět statistická vyhodnocení za určité časové období a kvantifikovat tak výdaje nebo výkyvy. V kombinaci s údaji ze systému WMS (Warehouse Management System) lze také vytvořit odkaz na výrobní program. Obecně lze analýzu pohybů využít k optimalizaci pracovních postupů (ergonomie a efektivita), sběru validních dat, provádění měření bez integrace IT, zajištění anonymity dat a úspoře času a nákladů.

Literatura:

1 BITO Expertise, Process Optimization in Production Logistics, Link 

2 BITO expertise, Process Mining optimises business processes,  Link 

3 Scurry Maria, How Process Mining Enables the Digital Twin of an Organization (DTO), Link 

4 Motion-Mining®, Automated and anonymous analysis and optimization of manual processes,  Link