Dyskusja na temat AI jest wciąż żywa, a jednocześnie sama technologia pozostaje niedookreślona i nieco rozmyta. Sztuczną inteligencję możemy zdefiniować jako metodę rozwiązywania złożonych problemów optymalizacyjnych, która zamiast tradycyjnych algorytmów korzysta z modeli uczenia maszynowego.
W ramach platformy PSIwms AI oferujemy funkcje systemu WMS do zarządzania magazynem, a także wykorzystujemy modele machine learning do optymalizacji procesów magazynowych. Modele te mogą być rozwijane dzięki technologii Digital Twin, czyli cyfrowej kopii faktycznego obiektu magazynowego, która dostarcza niezbędne dane treningowe.
Czym jest inteligentny magazyn?
Termin „sztuczna inteligencja” został już odmieniony w mediach przez wszystkie przypadki i nieco stracił swoje pierwotne znaczenie. Kiedy więc możemy mówić o inteligentnym magazynie? Z pewnością za jego fundament należy uznać zaawansowany system informatyczny WMS. Gdy system ten jest wspierany przez algorytmy umożliwiające optymalizację procesów magazynowych, to można już zaryzykować stwierdzenie o inteligencji magazynu. Jednak naprawdę inteligentny magazyn to taki, którego „mózg” (czyli system WMS) potrafi dostosować się do zmieniających się warunków. W takiej sytuacji algorytmy sztucznej inteligencji modyfikują parametry procesów logistycznych (na przykład pickingu) w zależności od dynamicznych zmian w strukturze zleceń, dostępności magazynowanych towarów czy liczby pracowników.
Jak działa system zarządzania magazynem PSIwms AI?
Aby przybliżyć działanie systemu PSIwms AI w praktyce, należy zacząć od tego, w jaki sposób powstają algorytmy uczenia ze wzmocnieniem (RL), a więc takie, które potrafią kompleksowo rozwiązywać określony problem. Uczący się byt, określany jako agent, zdobywa wiedzę na temat optymalnych działań (np. modyfikacji parametrów procesów logistycznych) poprzez interakcję ze środowiskiem. Jego celem jest przy tym maksymalizacja nagrody, co w przypadku magazynu może oznaczać np. minimalizację całkowitego czasu realizacji zlecenia. Proces ten powtarza się setki tysięcy razy, aż do osiągnięcia ustalonych rezultatów. W naszym przypadku agent wchodzi w interakcję z symulowanym magazynem, który jest połączony z kopią systemu WMS. Symulację można przyspieszyć, wówczas przykładowo jedna minuta pracy symulacji odpowiada jednej godzinie w symulowanym magazynie. Kompresja czasu ma pewne ograniczenia, związane z ograniczoną mocą obliczeniową serwera, na którym przeprowadzana jest symulacja.
Pracując z ogromnymi zbiorami danych, stawiamy czoła różnorodnym wyzwaniom. Cały proces stworzenia sztucznej inteligencji i inteligentnego magazynu wymaga zaawansowanej infrastruktury technologicznej oraz znacznej mocy obliczeniowej. Projekt PSIwms AI jest wciąż rozwijany, jednak stworzono już kompleksowy aparat pojęciowo-techniczny, który pozwala na dalsze opracowywanie algorytmów zdolnych do holistycznego postrzegania magazynów i optymalizacji wszystkich procesów w nich zachodzących. Wzrastająca popularność i coraz częstsze zastosowania AI przyczyniają się do większej dostępności tej technologii, co w rezultacie prowadzi do obniżenia kosztów mocy obliczeniowej. Dzięki temu będziemy mogli w przyszłości trenować modele RL (uczenia ze wzmocnieniem) w znacznie krótszym czasie, takim jak miesiące, a może nawet dni.
Inteligentny system magazynowy WMS w firmie LPP
Planowanie operacji logistycznych, ze względu na ich dynamikę i zmienność, jest zadaniem skomplikowanym. Jedną z kluczowych operacji magazynowych dla efektywnej obsługi logistycznej jest kompletacja zamówień, szczególnie istotna w sektorze e-commerce, który charakteryzuje się niską liczbą sztuk oraz SKU na zamówienie. Proces ten stanowi również jeden z głównych kosztów – ponad 1/3 kosztów związanych z logistyką magazynową przypada bowiem właśnie na proces kompletacji.
Pilotażowy projekt wdrożenia PSIwms AI miał miejsce w magazynach naszego partnera – LPP. Firma ta, opierając się na globalnym łańcuchu dostaw, co roku dystrybuuje ponad sto milionów artykułów odzieżowych na całym świecie, a w Europie Środkowo-Wschodniej jest największą firmą z branży odzieżowej. W wyniku rozwoju sprzedaży online, wiele przedsiębiorstw stanęło przed koniecznością automatyzacji procesów magazynowych, aby utrzymać wysoką jakość, terminowe wysyłki towarów, a co za tym idzie – konkurencyjność. Podczas wdrożenia koncepcji inteligentnego magazynu w LPP skoncentrowaliśmy się na skróceniu czasu pracy pickerów, co wiązało się z minimalizacją całkowitych kosztów zbiórki. Wykorzystanie algorytmów opartych na sztucznej inteligencji umożliwiło nam rozwiązanie tzw. problemu komiwojażera (TSP), skrócenie tras kompletacji o około 30% oraz zwiększenie efektywności procesów wydania o kilkanaście procent.
Dalszy rozwój technologii
W następnych krokach wprowadzono zbiór algorytmów o nazwie BatchAI. Zestaw ten obejmuje wieloetapową optymalizację procesu rezerwacji towaru oraz pickingu. Po pierwsze, optymalizuje dobór zleceń do batchy (zlecenia przetwarzane równocześnie), po drugie, stosuje technikę klasteryzacji do efektywnej rezerwacji towaru, a na koniec, dzięki algorytmowi CVRP (capacitated vehicle routing problem), optymalizuje trasy zbiórki. Warto zaznaczyć, że CVRP optymalizuje trasy wszystkich pickerów równocześnie, biorąc pod uwagę pojemności ich wózków kompletacyjnych. Rozwój oprogramowania pozwolił podnieść wydajność procesów w firmie LPP o dodatkowe 11%. W połączeniu z wcześniejszym osiągnięciem związanym z TSP oznacza to, że działania algorytmów PSIwms AI umożliwiły wzrost efektywności o 23%.
Automatyzacja, optymalizacja procesów i analiza
Innym ważnym procesem zachodzącym w magazynie, analizowanym przy użyciu platformy PSIwms AI, jest rozmieszczanie ładunków i składowanie towarów. Podobnie jak algorytm BatchAI, lepsze zarządzanie zapasami poprzez optymalne rozłożenie towarów na magazynie przyczynia się do skrócenia czasu zbiórki. Koncepcja inteligentnego magazynu osiągana dzięki PSIwms AI pozwala także m.in. usprawnić przepływ towarów w obiekcie poprzez identyfikację wąskich gardeł. Dodatkowo użytkownik może dowiedzieć się, jakie rekomendacje optymalizacji są proponowane przez system.
Posiadanie cyfrowego bliźniaka magazynu umożliwia szkolenie algorytmów uczenia maszynowego. Wszelkie zmiany w fizycznym magazynie są w sposób automatyczny przenoszone do jego cyfrowej kopii i uwzględniane w analizie. Zaletą tego rozwiązania magazynowego jest również możliwość przeprowadzania ręcznych analiz „co by było gdyby”, które klienci mogą realizować samodzielnie. Cyfrowy bliźniak połączony z kopią produkcyjnego systemu zarządzania magazynem (WMS) stanowi rodzaj piaskownicy, w której analitycy i konsultanci mogą w bezpieczny sposób testować różne scenariusze operacyjne, nie martwiąc się o negatywne konsekwencje dla rzeczywistego magazynu.
Przyszłość oprogramowania opartego na AI
Sztuczna inteligencja rewolucjonizuje naszą teraźniejszość i wyrasta na ważną inwestycję na przyszłość. Wizja przyszłości logistyki z systemem komputerowym PSIwms AI może kształtować się w następujący sposób: magazyny przedsiębiorstw będą całkowicie zautomatyzowane (w tym procesy przygotowywania zamówień dla e-commerce), a system zarządzania magazynem WMS z algorytmami AI stanie się mózgiem kontrolującym autonomiczne roboty. Równocześnie z rzeczywistym funkcjonowaniem inteligentnego magazynu będą prowadzone setki symulacji, mających na celu (przy wykorzystaniu danych produkcyjnych) dalsze doskonalenie efektywności operacyjnej, połączone z douczaniem modeli.
