资讯

实践中的人工智能--物流如何从中获益?

编译 2021-11-08 09:11 DDing 来源:AGV网
瑞士ABB公司

人工智能(AI)、数字化、机器人技术等对物流带来的好处是巨大的。一下来自德国的五位专家解释了人工智能如何降低成本和提高效率。

AI 在物流领域得到进一步发展,不是因为技术上的可能性,而是因为它有巨大的潜力。- 图片:AdobeStock生产的Perig

在物流行业,更多地使用人工智能是有意义的,正如德国多特蒙德弗劳恩霍夫 IML 的负责人 Michael ten Hompel 解释的那样:“人工智能在物流中的应用潜力巨大,物流将成为第一个大规模建立人工智能流程的行业。” 其中一个原因是,就像几何学一样,物流可以在算法上相对轻松,细节已经相对标准化——但也非常复杂。

AI 无处不在

ABB SE 国际业务发展总监 Torsten Mallée 解释说:“人工智能不是未来的愿景,但现在在日常生活中无处不在,例如手机和导航系统。然而,人们的期望很高,因为有声明“人工智能将改变一切。”

人工智能不会因为技术可能性的存在而被扩展,而是因为它具有降低成本、提高效率以及更好地识别和满足客户需求的巨大潜力。据说人工智能是一种关键的一个竞争因素。”

1实际上使用AI 有多容易或困难。在数据保护方面,您需要考虑什么?

“但它并不总是关于大数据。您实际上需要多少数据?数据经济是其中的一个方面。”Agile IT Management GmbH 董事总经理 Arvin Arora 说。

Agile IT Management 董事总经理Arvin Arora描述了使用人工智能带来的挑战:“任何想要将人工智能以高附加值带入运营实践的人,也不得不挣扎一下。”因此,他提到了关键词数据质量、可扩展性、稳健性、透明度。他说:“这不仅仅是机器学习。因为 80% 是更传统的软件开发。”有一个关键的因素组合。数据是一个因素,更快的系统,更好的算法和不断增长的软件形式的生态系统。

没有AI 就没有数字化转型

Arora 警告说:“但它并不总是关于大数据。你实际上需要多少数据?数据经济是其中的一个方面。它还与数据保护有关,因为并非必须插入每个员工姓名 - 还有其他选项。因为你可以提取数据并查看哪些层工作得更好——这并不重要。所以它不一定是关于大数据,而是关于你正在做的事情或相应问题的重要数据。”

AI 在正确的地方

另一个重要方面是缺失数据或训练数据,特别是对于那些开始从事没有可用数据的 AI 项目的公司而言。有时您必须收集一到两年的数据。还有一个问题是,为一个客户成功运行的模型是否可以转移到另一个客户。Arora 说:“这取决于模型使用的数据。如果这些不是特定于客户的,那么当然不是关键。”

2以整个欧洲的大型卡车车队为例,AI 在行动中可以真正实现什么?

匈牙利布达佩斯 Waberer's International公司 的首席执行官 Robert Ziegler 说:“我们必须每天匹配负载和容量,基本上是每小时和每分钟。有很多无法估量的事情。”

“我们使用互联网 AI 以及大数据和带有数据的传感器,以及 GPS 坐标。根据这些信息,专家系统会提出建议——然后在某个时候我们可以基于此做出决定。” Robert Ziegler说。关于人工智能在公司中的实际应用:“我们多年来一直在使用人工智能,并且每天都在努力开发它。但没有一个项目会结束。”换句话说:人工智能研究仍然忙于将仍然相对较弱的人工智能转变为强大的人工智能。

经典而智能的交通工具——仍然没有机器人

Ziegler 继续说道:“我们的数据非常复杂,因为我们在整个欧洲拥有非常庞大的车队。我们使用一种出租车系统,所以不是从 A 到 B 然后再回到 A,而是从 A 到 B 到 C 到 D等等这意味着我们必须每天匹配负载和容量,基本上每小时和每分钟。”有很多不可估量的。有时客户取消旅行,然后卡车出现问题。因此,网络必须不断优化。

AI 胜过人类智能

“以我们的规模,已经不可能再用员工来处理这个问题。组合是无限大的。这就是为什么我们现在不可能忽略基于决策的系统。基本上,我们必须能够每分钟检查 5000 辆卡车,看看是否一切都以最佳方式运行,或者是否需要进行更改。”人类大脑无法再做的事情,计算机可以使之成为可能。但我们也想规划未来,这意味着我们现在不仅要规划我们目前可用的负载,还要规划未来五天。五天后我们在哪里又需要一辆卡车?”Ziegler 说人类严重依赖智能技术。

交通正在增加,但司机呢?

目前,关于司机短缺的话题一再发生。Ziegler:“司机短缺?没有司机短缺。因为司机是我们商业模式的一部分。如果我们不明白这一点,那么我们总是会谈论司机短缺。在这方面,我们的优化也很重要不仅要考虑质量和产能利用率,还要考虑司机的满意度。周末想在家,偏爱某些路线。工作时间,这样我们就不会惹他生气。”

整个供应链和仓储物流的智能行为

我们行业的特点是利润率非常低,因此我们必须将目标保持在很高的水平,从而更加数字化。竞争是巨大的。对准时性的要求也越来越高:过去,经典的货运公司通常会在正确的日期到达,因为那时您会准时到达。今天,您可以在 15 分钟内准时到达。我们甚至在一分钟内测量。越来越多的人同意固定时段。复杂度越来越高。然而,让我担心的是,路线规划师不再了解这个黑匣子中发生的事情。只要我们了解机器中发生的事情,一切都会好起来的。但是,我们将无法再了解黑匣子中发生的事情的时候会到来。

3在物流领域大肆宣传AI 的背后是什么?

“目标是让 AGV 能够对环境做出反应。”多特蒙德弗劳恩霍夫 IML 数据驱动物流团队负责人 Jens Leveling 说。

“在物流人工智能大肆宣传的背后,有很多清醒的软件开发和 IT 项目都非常关注数据。第一个项目是 AGV 中的环境感知主题。带有图像传感器的摄像头可以监控 AGV 周围的环境我们将环境分类为其他 AGV、人、货架、托盘等对象,我们必须考虑到要识别的对象并非完全可见。”Jens Leveling说目标是 AGV 可以对环境做出反应。例如,当 AGV 要求人类避让,用于人机通信。或者也用于机器与机器的交互。

AI 和文本分析

第二个例子来自文本分析的背景。“大多数物流公司都可以分配给中型公司,其中数字化的想法是将纸张转换为数字文件。”Leveling 说纸张作为信息的载体仍然存在,你仍然必须非常认真地对待这一点。“我们现在可以使用 AI 来识别我们当前拥有的文档类型。或者也可以识别文本模块,例如电子邮件地址。然后机器学习可以将这些信息放入上下文中。通过机器学习,我们可以收集信息”。

4确定性规划和模拟正在缩减并被数据分析所取代

“确定性规划正在大规模缩减——有趣的是,模拟也正在大规模缩减并被数据分析所取代。”德国柏林工业大学技术与管理学院物流主管兼董事总经理 Frank Straube 说。

他说:“生产、物流和数字化’主题非常重要,因为在德国,我们通过工业和物流获得了 34% 的附加值。这是欧洲平均水平的两倍。我们是一个全球联网的工业基地,这就是为什么数字化是一个如此重要的话题。”

数据分析变得越来越重要

“技术供应商说他们已经完成了数字化的准备工作。然而:没有人仅仅通过购买技术就拥有竞争优势。”Straube 解释道,我们目前正处于物流向增值网络、网络化对象转变的门槛上。确定性规划将被大规模缩减——有趣的是,模拟也将被大规模缩减并被数据分析所取代。

还通过AI 技术提供更多服务

等级制组织继续发展为灵活的组织。客户利益也将发生变化。也许客户不想再买卡车,他需要 500,000 公里,或者他不想再买钻头,但需要在墙上打个洞。

“适应能力”这一课题在未来也将发挥重要作用。这已经存在于服务提供商(LSP = 物流服务提供商)中。Straube 解释说:“我在我的全球生产网络中有一个空闲位置,我必须在那里生产。所以我必须灵活地、分散地转换供应商计划和订单。这涉及自学系统和实时可见性。”

生产物流需要强大的计算机和机器人

然而,Straube 还指出:“我们将忍受没有所有数据、所有容器数据等。然而,我们必须创建数字化、无故障的物流。这将在机器人技术、流程自动化的帮助下发挥作用,以及算法,前继关系 - 可以打包数据以及可以在云中管理的某些分析。但是必须满足两个先决条件:“要接受在云中工作,您还必须披露限制和问题——有时是在很短的时间内。这需要准标准和准规则。”

5中型公司如何应对数字化和AI ,困境是什么?

“这使我们能够完全自主地解决 80% 的简单日常业务,同时通过人工智能和数据评估创造附加值,以解决 20% 的更复杂问题。”SCM 负责人 Christoph Pieper 说Winkelmann Automotive 的物流。他说:

“我们是中型公司,比我们的客户小得多,有时也比我们的供应商小。Winkelmann Automotive 公司所做的一切都与内燃机有关。竞争越来越激烈,尤其是在汽车行业。此外,目前存在贸易壁垒. 我们现在越来越多地看到市场在微观时期变得更加动荡。我们也必须对此做出反应,整个事情归结为这样一个事实,即我们必须通过增加动态带来更大的灵活性 - 但随着相同甚至更好的效率,才能在市场中生存。”。

通过AI 提高竞争速度

Pieper 说:“我们对内燃机很熟悉——我们的十个产品中有九个在全电动汽车中是多余的。我们今天必须调整自己,这样我们才能在未来继续存在于市场上。”但数字化如何提供帮助?数字化本身并不能解决问题,但它可以帮助我们,因为我们能够收集大量数据。以今天的计算能力,也可以处理大量数据,所以它也是关于大数据的。我们正试图通过使用人工智能在竞争中提高速度。这并不能解决问题,而是创造了优势。“

工厂AI 与数据评估

“通过我们工厂的数字化和流程优化,我们实现了整个处理过程的自动化,我们实现了工厂内整个采购和补货控制的自动化。这使我们能够完全自主地解决 80% 的简单日常业务。同时为具有更复杂主题的 20% 的解决方案创造附加值。“Pieper 表示Winkelmann 的生产网络遍布全球。但特别是在这里,Pieper 看到了许多可能性。

全球流程控制 - 与合作伙伴一起

“如果我现在说我不再停留在我的生产网络上,而是打破各个公司之间的界限——不仅是业务领域之间,而且是供应链方向——那么实际上只有每个人都可以参与。”Pieper 在未来冒险提出一种观点。主题之一是“滚动预测”。他说:“因为我们想要摆脱今天的实时系统并展望未来。因为:我们希望在早期阶段调整产能,以便超过六个月的所有瓶颈 - 我们有六个月的预测- 可以由我的团队清理,以便工厂可以简单地继续他们的运营业务,而无需大旅行等。”

使用 AI 应用程序从运营业务转变为战略

这就是从纯粹的运营业务到战略的转变。Pieper 说:“所以我们试图打破各个公司之间的界限。某处有相同的系统可以用来解决瓶颈。这在同一家公司目前仍然存在问题——更不用说在其他工厂甚至公司了。我们还应该与其他公司合作制定一个我们都可以共同参与的标准。”

更具活力和可持续性的标准

“当我想创造活力时,标准是问题——如果所有工厂都一样,我可以非常灵活地制造。如果这对我们内部有效,那么我们希望将供应链作为最后一件事。”但如果只有一两个人说他们不能,那么整个纸牌屋都会崩溃。但这正是 Pieper 想要避免的。他继续说:“然后你可以模拟搬迁场景、数量场景或初步运行、计划的维护间隔。那就太好了。如果我们现在让我们的供应商参与进来,将所有事情协调起来,从而减少停机时间和特殊旅行……那将是迷人的。”、

0 0

网友评论

取消