Muligheder for brug af kunstig intelligens indenfor logistik

Kunstig intelligens (AI) er på alles læber som fremtidens teknologi og den vækker ikke kun positive følelser hos folk. Imidlertid findes teknologien, som er baseret på selvlæringsalgoritmer, allerede til mange af hverdagens formål og produkter. Eksempler herpå er stemmeassistenter, smart home, musikstreaming, Facebook-opslag og -annoncer, forslagsalgoritmer til produkter på Amazon, stemmeoversættelse, billedoprettelse/-genkendelse samt assisteret og automatisk kørsel og navigation. Underområderne for kunstig intelligens (1) indeholder efterhånden mange områder, og antallet vokser hele tiden: Bots, almindelig vedligeholdelse, datamining, procesmining, neurale netværk, maskinlæring, deep learning og meget mere. Deep learning ved hjælp af neurale netværk er i øjeblikket den mest lovende tilgang inden for kunstig intelligens og maskinlæring. 

McKinsey Global Institute (MGI) ser kunstig intelligens som en vigtig drivkraft for global økonomisk vækst. Til undersøgelsen "Kunstig intelligens - den næste digitale grænse" (2017, 2) blev 3000 virksomheder fra 14 brancher interviewet. Ifølge rapporten er de fem AI-teknologier, som virksomheder forventer hyppigst at bruge i fremtiden, automatisk billedgenkendelse, naturligt sprog, virtuelle assistenter, robotbaseret procesautomatisering og avanceret maskinindlæring. I 2030 vil omkring 70 procent af virksomhederne bruge mindst en af ​​disse AI-teknologier. Ifølge undersøgelsens forfattere vil de virksomheder, der implementerer AI-teknologier tidligt, kunne fordoble deres cashflow, mens de, der først kommer med på vognen senere, vil se deres falde med omkring 20 procent fra det nuværende niveau. 

Tyske virksomheder har også erkendt tidens tendens. Ifølge den digitale forening Bitkom mener hver anden tyske virksomhed nu, at maskinindlæring eller kunstig intelligens vil ændre de nuværende forretningsmodeller på lang sigt. 90 procent af virksomhederne oplyser, at big data og dataanalyse er af meget stor eller temmelig stor betydning for den fremtidige konkurrenceevne. For et år siden var det tal kun 83 procent. Derefter kommer Internet of Things med 81 procent (2019: 79 procent) og 3D-udskrivning med 72 procent (2019: 68 procent). Der er også betydelige stigninger i forventningen til selvstyrende køretøjer fra 57 til 68 procent og i kunstig intelligens fra 60 til 67 procent. Ikke desto mindre planlagde kun én ud af fire virksomheder (24 procent) specifikt at udvikle deres digitale forretningsmodeller i begyndelsen af ​​året. 

Ifølge virksomhederne er de tre største forhindringer ved brug af nye digitale teknologier krav til databeskyttelse (79 procent, 2019: 74 procent), krav til teknisk sikkerhed (63 procent, 2019: 57 procent) samt mangel på kvalificerede medarbejdere (55 procent, 2019: 48 procent). Langt efter følger en mangel på tid i hverdagen (33 procent), mangel på økonomiske ressourcer (25 procent) og mangel på salgbare løsninger (18 procent). 

”Corona-krisen har med al tydelighed vist os de ​​digitale teknologiers betydning for erhvervslivet, forvaltningerne og samfundet. Krisen har været en brat opvågning til massivt at fremme digitaliseringen. Tidligere tillod vi os at bruge for meget tid på digitalisering," udtalte Bitkom-præsident Achim Berg. "Nu gælder det om at have fokus på tiden efter Corona-krisen og sætte kursen for digitalisering overalt. For øjeblikket ser vi med al tydelighed, at de mere digitaliserede virksomheder og den digitale økonomi er meget mere end blot en vækstmotor. I krisetider er de mindre sårbare, og de medvirker til en stabilisering af økonomien og arbejdsmarkedet." Ifølge en undersøgelse foretaget af TCS og Bitcom (3) har størsteparten af virksomhederne (75 procent) allerede øget deres investeringer på grund af pandemien. Kun et fåtal (7 procent) har indtil videre bremset den digitale transformation på grund af manglende økonomi. 

Selvom "kunstig intelligens" har været kendt siden 1950'erne som begreb og forskningsområde, er det nuværende boom en konsekvens af den effektive hardware, der nu er tilgængelig til fordelagtige priser. Først nu findes der processorer, højhastighedsnetværk og store datalagringsmuligheder, der muliggør praktisk implementering af mange teoretiske overvejelser. AI og dens algoritmer er særligt velegnede til brug inden for logistik, da de udbredte logistiknetværk tilbyder et ideelt anvendelsesområde for kunstig intelligens. Forholdet mellem årsag og virkning i sådanne netværk er meget lette at beregne og forudsige. 

”Logistikbranchen er allerede et af de mest digitaliserede forretningsområder. Men med droner, selvstyrende systemer og kunstig intelligens står logistikbranchen ikke blot overfor en optimering af forretningsprocesserne men overfor en reel revolution,” udtalte CEO i Bitkom Dr. Bernhard Rohleder. Resultatet af en repræsentativ undersøgelse (4) foretaget på vegne af den digitale forening Bitkom blandt 508 virksomheder med logistikprocesser viser, at to tredjedele (65 procent) af de adspurgte virksomheder mener, at selvlærende AI-systemer kan udføre mange opgaver inden for logistik, f.eks. planlægningen af ​​den bedste rute eller igangsættelse af en ordreproces. 75 procent forventer, at databriller vil understøtte logistikmedarbejderne. Seks ud af ti (58 procent) virksomheder forventer, at autonome droner vil foretage lageroptælling. Et lignende antal (57 procent) forventer, at varer vil blive transporteret med selvstyrende køretøjer. Fire ud af ti (42 procent) er af den opfattelse, at droner og leveringsrobotter endda vil bringe varer ud til kunden. 

Virksomheder værdsætter de mange fordele ved digitalisering og kunstig intelligens. 89 procent forventer en reduktion i logistikomkostningerne og en acceleration af transporten på lang sigt (86 procent). 72 procent forventer færre fejl i transportkæden og 58 procent forventer en mere miljøvenlig transport. 88 procent ser digitalisering som helhed som en mulighed, og kun elleve procent ser den som en risiko. 

I de følgende præsenteres et par eksempler på brug af ​​AI i logistik og intralogistik. 

Anvendelsen af ​​kunstig intelligens inden for logistikområdet giver især mening til forudsigelse af fremtidige tilstande i logistiknetværket. 

Med AI’s selvlæringsalgoritmer kan store mængder data (big data) evalueres til beskrivelse af tidligere kundeadfærd. Genkendelige mønstre i disse data gør det muligt at forudsige forekomsten af ​​bestemte begivenheder (bestillingsadfærd m.m.) med en vis sandsynlighed (forudsigelig analyse). Ved hjælp af denne forudsigelige analyse kan computergenererede modeller af logistiksystemet (f.eks. forsyningskæden) oprettes fremadrettet. Intelligente beslutninger om fremtidige handlinger indenfor det givne område kan således udledes heraf. Det kan eksempelvis forudsiges, i hvilket område en bestemt vare bestilles særligt ofte. Herfra kan information om påkrævet lagerplads, lastbiler, lagerarbejdere osv. overføres til logistikafdelingen, og visse handlinger kan udledes deraf. For eksempel kan varer opbevares på et lager nær kunden, inden de bestilles og derved forkorte leveringstiden. Hele risikostyringen i forsyningskæden kan også gøres mere forudseende. Live data fra forsyningskæden kan f.eks. via sporingsenheder give oplysninger om tilstanden på de varer, der transporteres, eller trafikmeldinger kan indarbejdes i datamodellerne, så passende foranstaltninger kan træffes. Dette er således simuleringsbaseret intelligent planlægning, der allerede er i gang med at revolutionere ikke bare logistikbranchen men også mange andre brancher. 

Robotter udstyret med kunstig intelligens eller deep learning-algoritmer kan træffe intelligente autonome beslutninger vedrørende identifikation, analyse og optælling af varer såvel som deres håndtering og transport. Robotteknologi kan bl.a. bruges til at spore, lokalisere og flytte beholdninger på lageret. Plukning og læsning foretaget af robotter og cobots (kollaborative robotter) vil forme fremtiden inden for intralogistik. Autonome robotter til ordreplukning er især værdifulde i små batchstørrelser - f.eks. i e-handel. Cobots hjælper i stigende grad mennesker med deres arbejde på lageret. Der er bl.a. cobots, der guider medarbejderen hen til varerne inden for en plukkezone. Den AI-kontrollerede løsning øger ikke kun plukkehastighederne med 200 til 300 procent men bidrager også til, at ordreplukkerne kan arbejde hurtigere og mere præcist. 

Autonom kørsel betegnes som fuldautomatisk kørsel af et køretøj uden fører. I intralogistikken kaldes autonome køretøjer for førerløse transportsystemer (AGV'er). Med en AGV kan antallet af tomme og forkerte ture reduceres kraftigt, da den automatisk kører til den rigtige reol. Det gør de ved hjælp af forskellige teknologier såsom indikationsstriber, præcisionslasere, reflektorer eller enkle kørestriber klæbet til gulvet. Mens de fleste intralogistiklagre stadig benytter industriel gulvtransport såsom gaffeltrucks, hvor chaufføren orienterer sig på baggrund af syn og hørelse, følger AGV'en en automatisk programmeret rute. Til det formål kan f.eks. et visuelt spor bruges. Flaskehalse, sammenstød eller andre forhindringer i arbejdsprocessen kan således næsten elimineres. Det gør virksomhedens intralogistik hurtigere og mere effektiv. Udfordringen ligger alene i at skabe en åben infrastruktur. Inden for transportlogistikken, kan autonome køretøjer og droner bl.a. bruges til pakkelevering.

Såkaldt visuel kunstig intelligens kan bruges til at identificere og klassificere en skade. Det er meget hurtigere og mere præcist end en vurderingsmand. Et eksempel på brug af ​​visuel kunstig intelligens er hos internetgiganten Amazon. Her tømmes containere med varer inden for meget kort tid, og indholdet kategoriseres. 

Den visuelle kunstige intelligens eller deep learning-teknologi kan bruges til genkendelse af genstande uden stregkoder, til optælling og opmåling af produkter. Det kan f.eks. benyttes til at automatisere varemodtagelsen ved individuel produktidentifikation, bestemmelse af produktdimensioner og -vægt og om nødvendigt læse yderligere oplysninger. Pakkeprocesser kan optimeres f.eks. ved at eliminere behovet for at scanne produkter, vise et 3D-pakkeskema eller automatisk scanne mange stregkoder og QR-koder på én gang. Genstande kan tælles og måles på samme tid ved hjælp af AI og visioncomputere. 

Hjertet i et smartlager er et intelligent lagerstyringssystem (WMS = warehouse management system), der øger produktiviteten og effektiviteten. Det visualiserer og anvender hele tiden data om logistiske objekter, afslører uregelmæssigheder, før der opstår problemer, og behandler informationerne for at opnå effektive optimeringer som f.eks. reduceret transporttid. Automatiseringsløsninger såsom AI-robotter, AGV’er, visuel kunstig intelligens, RFID, pick-by-løsninger, AR-briller og meget mere er integreret i det smarte WMS. Der kan også spares store mængder energi ved integrering af ​​Smart Grid for at spare elektricitet samt intelligente køle- og varmesystemer. 

Litteratur:

1 Hvordan kunstig intelligens revolutionerer logistik, BITO-ekspertviden, Link 

2 Bughin Jacques et al., Artificial Intelligence - The next digital frontier, McKinsey Global Institute, 2017, San Francisco Amsterdam Shanghai 

3 Tyskland lærer AI – Hvordan virksomheder bruger digital teknologi, Bitkom Research GmbH og Tata Consultancy Services, 2020, Frankfurt, www.studie-digitalisierung.de   

4 Dr. Rohleder Bernhard, Digitalisering i logistikken, præsentation, Marts 2017, Bitkom e.V., Berlin, download