Článek Umělá inteligence v logistice

Volba optimální trasy, plánování odpočívadel a vyhýbání se nejpřetíženějším a nejnebezpečnějším silnicím patří k mnoha výzvám, které jsou součástí každodenní práce logistiků.
z 32 otázek
Zrušit filtr

Ještě nedávno se úkoly spojené s organizací dopravy prováděly ručně, případně s pomocí tabulky. V dnešní době spedice obvykle používá speciální software pro plánování tras, který umožňuje koordinaci mnoha proměnných najednou. Umělá inteligence podporuje také dopravní průmysl.

Software pro dispečery – úspora času a peněz

S vozovým parkem čítajícím desítky vozidel, stovkami obsluhovaných adres a desítkami tisíc kilometrů dosahuje počet možných kombinací stovek milionů. Správný dispečerský software je musí všechny zohlednit a analyzovat, aby zvolil optimální řešení z hlediska nákladů, termínů a neočekávaných událostí na cestě, které vyžadují okamžité rozhodnutí dispečera.

Výhody? Zrychlení realizace zakázek až o několik desítek procent a snížení nákladů na dopravu až o 15 % díky aktuální analýze ziskovosti. Mezi takové programy patří bezesporu Tasha, software vyvinutý rychle rostoucí českou společností Solvertech. Tento program využívá pokročilé heuristické modely a umožňuje snížit náklady již od prvního dne po implementaci. Takový software se dnes stává standardem.

AI v logistice – není to fantazie

V nedávné zprávě poradenské agentury Mckinsey[1] se můžeme dočíst, že umělá inteligence v logistice se zatím uplatňuje ve čtyřech oblastech: zákaznický servis, vývoj služeb a produktů, marketing a prodej a samozřejmě v optimalizaci dodavatelského řetězce (její role je patrná zejména v softwaru pro plánování tras, plánování, předvídání poptávky a nabídky, automatizaci ve skladech, kontrole dodávek na vady a poškození, kontrole dynamiky cen, inteligentních silničních systémech jako Valerann).

Za několik desítek let se dočkáme další automatizace dodavatelského řetězce. Chatboti v odděleních nákupu již pomáhají zpracovávat objednávky, sledovat zásilky a poskytovat informace o službách. Technologie strojového učení pomáhá předvídat poptávku po konkrétních produktech, průběžně snižovat náklady na pohonné hmoty a díky simulátorům cen v dodavatelském řetězci s větší pravděpodobností předvídat peněžní toky v nadcházejících měsících. Podpora robotiky a automatizovaných řízených vozidel (AGV) má obrovský význam pro řízení zásob.

AI znamená úspory

Umělá inteligence přináší obrovské úspory. Společnost DHL zavedla systém, který s vysokou pravděpodobností předpovídá zpoždění dodávek leteckou dopravou v důsledku cyklického přeplnění letišť nebo extrémních povětrnostních podmínek – ačkoli letecká doprava představuje pouze 1 % celkové světové přepravy zboží z hlediska tonáže, z hlediska hodnoty tvoří až 35 %. Další kurýrní gigant, UPS, vyčlenil na příštích několik let značnou část svého rozpočtu ve výši 20 miliard dolarů na investice do implementace umělé inteligence, která by zpracovávala a analyzovala desítky miliard datových záznamů, jež společnost každý měsíc generuje.

Příkladem zapojení velkých dat do logistiky, který se již zapsal do historie, bylo, když společnost UPS prakticky eliminovala odbočování doručovacích vozidel vlevo. Po analýze tras a výsledků spalování paliva bylo zjištěno, že auta při odbočování vlevo stojí na motoru a čekají na přednost. Dnes dodávky s logem UPS v 90 % případů odbočují doprava nebo jedou rovně, čímž společnost ročně ušetří 37 milionů galonů paliva.

Intenzivně se pracuje také na autonomních vozidlech. 75 % dopravních společností očekává, že se v příštích deseti letech dostanou na silnice [2]. A i když jsou to velmi optimistické předpovědi, dříve či později to určitě přijde.

 

[1] https://www.mckinsey.com/featured-insights/artificial-intelligence/ai-adoption-advances-but-foundational-barriers-remain

[2] https://www.iru.org/resources/newsroom/technology-and-automation-will-define-future-road-transport