Stora möjligheter att tillämpa AI inom logistik
![roll of sheet steel, transported by crane at the factory](https://assets.bitocloud.net/Bilder/Ratgeber/Einsatzmoeglichkeiten_von_KI_in_der_Logistik/Titelbild_KI-revolutioniert-die-Logistik_2500px.jpg?crop=left%2Ctop&fit=crop&fm=jpeg&ixlib=php-2.1.1&q=80&w=290&s=521690dbc464eae139fe992ec9098864)
Artificiell intelligens bygger på självlärande algoritmer och tekniken finns redan i många vardagliga tillämpningar och produkter. Några exempel är: Röststyrda assistenter, smarta hem, strömning av musik, Facebook-flöden och -annonser, Amazons algoritm för produktförslag, översättning, skapande och igenkänning av bilder, assisterade och självkörande fordon samt navigering. Artificiell intelligens (1) kan delas upp i många underliggande områden, vars antal ständigt växer: bots, prediktivt underhåll, datautvinning, processutvinning, neurala nätverk, maskininlärning, djupinlärning med flera. Djupinlärning med hjälp av neurala nätverk är en metod inom maskininlärning och kanske det mest lovande området inom artificiell intelligens för närvarande.
Artificiell intelligens ökar konkurrenskraften
McKinsey Global Institute (MGI) ser artificiell intelligens som en viktig drivkraft för global ekonomisk tillväxt. I studien ”Artificial Intelligence – The next digital frontier” (2) undersöktes 3000 företag från 14 branscher. Enligt studien är de fem AI-tekniker som i framtiden kommer att användas oftast av företag följande: automatisk bildigenkänning, naturlig språkbehandling, virtuella assistenter, robotbaserad processautomatisering och avancerad maskininlärning. År 2030 kommer cirka 70 procent av företagen att använda minst en av dessa AI-tekniker. Enligt studiens författare kan företag som implementerar AI-teknik tidigt fördubbla sitt kassaflöde, medan eftersläpare skulle kunna se sitt kassaflöde minska med cirka 20 procent jämfört med dagens nivåer.
Tyska företag har också börjat ana var framtiden ligger. Enligt den digitala föreningen Bitkom utgår nu vartannat tyskt företag från att maskininlärning eller artificiell intelligens kommer att förändra de nuvarande affärsmodellerna permanent. 90 procent av företagen uppger att ”big data” och dataanalys kommer att vara av mycket stor eller ganska stor betydelse för de tyska företagens framtida konkurrenskraft. Efter detta kommer sakernas internet med 81 procent och 3D-utskrift med 72 procent. Det fanns också betydande ökningar vad gäller företagens tro på framtiden för självkörande fordon, från 57 till 68 procent, och inom artificiell intelligens från 60 till 67 procent. Trots det hade bara ett av fyra företag planerat att specifikt utveckla digitala affärsmodeller vid början av året.
De tre största hindren för användningen av ny digital teknik är enligt företagen dataskyddskrav, tekniska säkerhetskrav samt brist på kvalificerad arbetskraft. Långt efter detta kommer tidsbrist i den dagliga verksamheten, brist på ekonomiska resurser och brist på säljbara lösningar.
Artificiell intelligens stabiliserar ekonomin under coronapandemin
”Coronakrisen har tydligt visat hur viktig digital teknik är för ekonomi, administration och samhälle. Krisen är en väckarklocka för att vi måste driva på digitaliseringen med kraft. Vi har tidigare dröjt alltför länge med digitalisering”, säger Bitkoms styrelseordförande Achim Berg. Han lägger till: ”Vi måste tänka på tiden efter coronakrisen och sätta kurs mot digitalisering överallt. Vi ser nu tydligt att mer digitaliserade företag och den digitala ekonomin är mycket mer än en tillväxtmotor. De är mindre sårbara i kristider och de stabiliserar ekonomin och arbetsmarknaden.” Enligt en studie utförd av TCS och Bitkom (3) har en majoritet av företagen redan ökat sina investeringar på grund av pandemin. Endast en liten minoritet bromsar tills vidare den digitala omvandlingen på grund av svag ekonomi.
Artificiell intelligens i logistikbranschen
Även om begreppet och forskningsområdet artificiell intelligens har varit känt sedan 1950-talet, är den nuvarande boomen inom artificiell intelligens en följd av den kraftfulla hårdvara som idag finns tillgänglig till låg kostnad. Först nu finns processorer, höghastighetsnätverk och big data-lagringsalternativ tillgängliga som gör det praktiska genomförandet av många teoretiska överväganden möjligt. AI och dess algoritmer är särskilt lämpliga för användning inom logistik eftersom de brett förgrenade logistiknätverken erbjuder det perfekta tillämpningsområdet för artificiell intelligens. Förhållandet mellan orsak och verkan i dessa nätverk kan beräknas och förutsägas mycket bra.
”Logistik är redan en av de mest digitaliserade affärssektorerna. Men med drönare, autonoma system och artificiell intelligens står logistiken inte bara inför en optimering av affärsprocesser, utan också en verklig revolution”, säger Bitkoms vd Dr. Bernhard Rohleder. Resultaten från en representativ undersökning (4) av 508 företag med logistikprocesser som gjordes på uppdrag av Bitkom, visar att två tredjedelar av de tillfrågade företagen tror att självlärande AI-system kommer att ta över många uppgifter inom logistik, som till exempel att planera den bästa rutten eller att utlösa orderprocesser. 75 procent förväntar sig att interaktiva glasögon ska stödja anställda inom logistik. Sex av tio företag förväntar sig att autonoma drönare inventerar lager. Nästan lika många förväntar sig att gods ska transporteras med självkörande fordon. Fyra av tio tror att drönare och leveransrobotar till och med kommer att leverera produkterna till kunden.
Företagen välkomnar de många fördelarna med digitalisering och artificiell intelligens. Nästan nio av tio förväntar sig minskade logistikkostnader och en ökning av transporterna på lång sikt. 72 procent räknar med färre fel i transportkedjan och 58 procent ser mer miljövänliga transporter. Digitaliseringen som helhet ses som en möjlighet av 88 procent och som en risk av endast 11 procent. Nedan presenteras några exempel på användning av AI inom logistik och intralogistik.
Prediktiv logistik
Användningen av artificiell intelligens inom logistikområdet är särskilt användbar för att förutsäga framtida tillstånd i logistiknätverket.
Självlärande AI-algoritmer kan användas för att utvärdera stora mängder data (big data) som beskriver kundernas tidigare beteende. Tack vare igenkända mönster i dessa data är det möjligt att förutsäga förekomsten av vissa händelser (beställningsbeteende etc.) med en viss sannolikhet (prediktiv analys). Genom denna prediktiva analys kan datorgenererade modeller av logistiksystemet (till exempel leveranskedjan) skapas inför framtiden, vilket underlättar beslutsfattandet. Man kan till exempel förutsäga i vilken region en viss artikel kommer att beställas särskilt ofta. Detta kan generera logistisk information om nödvändigt lagerutrymme, lastbilar, lagerarbetare etc. och man får underlag för åtgärder. Artiklar kan till exempel förvaras i ett lager nära kunden innan de beställs, vilket förkortar leveranstiderna. Riskhanteringen i hela leverantörskedjan kan också göras mer proaktiv. Till exempel kan realtidsdata från leveranskedjan, som varornas transportsituation eller trafikrapporter, införlivas i datamodellerna. Detta är simuleringsbaserad intelligent planering som redan revolutionerar inte bara logistik utan även många andra sektorer.
AI-robotar
Robotar utrustade med artificiell intelligens eller djupinlärningsalgoritmer kan fatta intelligenta autonoma beslut om identifiering, analys och räkning samt hantering och transport av varor. Robotar kan till exempel användas för att spåra, hitta och flytta varor i lager. Plockrobotar, lastningsrobotar och cobots (samarbetande robotar) kommer att forma framtiden för intralogistik. Autonoma plockrobotar är särskilt värdefulla för små batchstorlekar – till exempel inom detaljhandeln online. Cobots stödjer i allt högre grad människor i deras lagerarbete. Bland annat finns det cobots som guidar anställda till artiklarna inom en plockzon. Den AI-drivna lösningen ökar inte bara plockfrekvensen med 200 till 300 procent, utan hjälper också plockare att arbeta mer exakt.
Självkörande fordon
Självkörande fordon innebär helautomatisk körning av ett fordon utan förare. Inom intralogistik kallas självkörande fordon ”automated guided vehicles” (AGV). AGV:er kan kraftigt minska antalet körningar utan last samt felaktiga körningar, eftersom fordonen automatiskt kör till rätt hylla. Under körning styrs de av olika tekniker, som till exempel indikationsremsor, precisionslasrar, reflektorer eller enkla upptejpade körvägar. Medan de flesta intralogistiklager fortfarande förlitar sig på manuella fordon som gaffeltruckar följer AGV:er automatiskt en förprogrammerad väg. Trafikstockningar, kollisioner eller andra hinder i arbetsflödet kan därmed nästan helt elimineras. Det gör att ett företags intralogistik blir snabbare och effektivare. Utmaningen här ligger enbart i att skapa en öppen infrastruktur. Inom transportlogistik kan självkörande fordon och drönare bland annat användas för leverans av paket.
Visuell artificiell intelligens
Så kallad visuell artificiell intelligens kan användas för detektering och klassificering av skador. Det är mycket snabbare och mer exakt än mänskliga skadebedömare. Ett exempel är användningen av visuell artificiell intelligens hos internetjätten Amazon. Här lossas containrar med varor på mycket kort tid och innehållet kategoriseras.
Visuell artificiell intelligens eller djupinlärningsteknik kan användas för objektigenkänning utan streckkoder samt för att räkna och mäta produkter. Detta kan till exempel utnyttjas för att automatisera varumottagning genom att självständigt identifiera produkter, avgöra produktens mått och vikt, samt läsa ytterligare information om så behövs. Packningsprocesser kan påskyndas, till exempel genom att eliminera behovet av att skanna produkter och visa packningsinformation i 3D, eller automatiskt skanna många streckkoder och QR-koder samtidigt. Objekt kan räknas och mätas samtidigt med hjälp av AI och datorbaserad igenkänning.
Smarta lager
Hjärtat i ett smart lager är ett intelligent lagerhanteringssystem (WMS) för att öka produktiviteten och effektiviteten. Systemet visualiserar och använder konsekvent data om logistiska objekt, upptäcker avvikelser innan problem uppstår och bearbetar informationen för att uppnå effektiva optimeringar som exempelvis minskning av ruttiden. Automationslösningar som AI-robotar, AGV:er, visuell artificiell intelligens, RFID, plockstödjande lösningar, interaktiva glasögon med mera är integrerade i det intelligenta lagerhanteringssystemet. Stora mängder energi kan också sparas genom att integrera smarta elnät för att spara el samt genom intelligenta kyl- och värmesystem.
Källor:
1) How artificial intelligence is revolutionising logistics, Bito Expertise
2) Bughin Jacques et al., Artificial Intelligence - The next digital frontier, McKinsey Global Institute, 2017, San Francisco Amsterdam Shanghai
3) Germany learns AI - How companies use digital technologies, Bitkom Research GmbH and Tata Consultancy Services, 2020, Frankfurt
4) Dr Rohleder Bernhard, Digitalisierung in der Logistik, Presentation, March 2017, Bitkom e.V., Berlin