Искусственный интеллект в складской логистике: будущее или настоящее?

1 августа 2016

Информационные технологии прочно заняли место в нашей жизни. Теперь такими понятиями как Интернет вещей и Искусственный Интеллект никого не удивить. Прогресс быстро шагнул с экранов телевизора в реальную жизнь. Мобильные языковые ассистенты (голосовой помощник на вашем смартфоне, а теперь и ПК) такие как Siri, Cortana и Google Now решают сегодня множество задач. Относительно недавно в этом разрезе порадовали отечественные разработчики, которые презентовали мобильного и онлайн ассистента для ПК - "Дусю", которая гораздо лучше зарубежных аналогов понимает русскую речь и соответственно, быстрее и точнее справляется с возложенными на нее обязанностями. “Дуся” - это новый шаг в сторону индивидуального планировщика задач и повседневного помощника. На сайте разработчика можно посмореть много любопытных видео на тему, как это работает.

 

 

Методы искусственного интеллекта такие как классификация и сопоставление с первоначальным данными (информационным запросами) предлагают потенциально полезную информацию и являются уже частью нашей повседневной жизни. Вы сталкиваетесь с ними каждый раз, когда вы начинаете набирать запрос в поле поиска Google/Yandex - автозаполнение предлагает набор вариантов, или например, каждый раз, когда вы смотрите на товары в популярных интернет-магазинах, при этом система рекомендует и другие продукты, которые могут вам понравиться. На этих же методах так же основана вся контекстно-медийная реклама в интернете. Сегодня с утра вы об этом думаете, а уже вечером или даже в течение дня реклама “догоняет” ваши мысли и запросы совершенно на других сайтах, никак не связанных с Вашими первоначальными идеями. Все это основа для Искуственного Интеллекта будущего.

 

 

Но сегодня мы поговорим о возможности применения Искусственного Интеллекта в такой, на первый взгляд, скрупулезной и трудоемкой сфере как складская логистика. И да, здесь технологии шагнули далеко вперед. Не верите? - Сейчас мы Вам расскажем.

 

Голосовые технологии и управление персоналом на складах

Продолжая тему голосовых ассистентов, нельзя пройти мимо технологий вроде Pick-by-Voice - этаких первых Siri на складах, которые уже давным давно обкатаны на многих складских комплексах. Голосовые системы управления складами значительно изменили на всех уровнях характер работы применивших их компаний. По сообщениям зарубежной печати, благодаря использованию этой технологии ряду фирм удалось улучшить важнейшие показатели своей деятельности, такие как производительность (до 35%) и точность выполнения заказов (доведена до 99,99%), а также уменьшить количество больничных листов и время обучения персонала (на 50%) и текучку кадров.

 

В данный момент при использовании технологии Искусcтвеннного Интеллекта возможности программного продукта существенно расширились. Сейчас система может не только указывать расположение товара на складе, но и подсказывать/формировать наиболее оптимальный путь до расположения ячейки и в последствии наиболее удачно размещать его исходя из востребованности и товарного соседства, при этом учитывая многие другие факторы, такие как температура, освещенность, сроки годности.

В данном ракурсе - программный продукт на основе Искусственного Интеллекта может не только сообщать (прямая обязанность языковых ассистентов), но и анализировать входящую информацию по приходам товара и отгрузкам, и в соответствии с этим, выявлять непрогнозируемые пики, помогая тем самым руководителям Распределительных Центров самостоятельно грамотно распределять персонал.

 

Управление производительностью склада на основе данных

Наши японские коллеги из компании Hitachi, славящиеся своей любовью к технологиям, пошли дальше. Вместо руководителей Распределительного Центра и начальников смен они решили попробовать применить программу с Искусственным Интеллектом, которая руководит складским персоналом и менеджерами исходя из данных ей параметров. Эти роботы-начальники не только могут следить за производственным процессом и обязанностями подчиненных в реальном времени, но и находить способы для улучшения эффективности работы персонала.

 

Компания «Хитачи» объявила об этой инициативе через пресс-релиз в сентябре 2015 года: «Разработка искусственного интеллекта, издающего рабочие приказы, основываясь на местной кайзен-активности и флуктуациях спроса».

Под «кайзен» «Хитачи» понимает японскую философию бизнеса, говорящую о постоянном улучшении рабочих практик, персональной эффективности и всего в таком духе. Сейчас Искусственный Интеллект поставили управлять системой менеджмента на складе — и программа уже улучшила эффективность работы на 8%.

Согласно пресс-релизу, искусственный интеллект способен давать адекватные рабочие задания, основанные на массивах данных, собираемых ежедневно в корпоративных бизнес-системах, а также их верификации в логистических задачах. Значит, в отличие от предыдущих попыток автоматизации управления, эта система может менять рабочие задачи и приказы в реальном времени, основывая свои решения на больших объемах информации.

«Искусственный Интеллект «Хитачи» запрограммирован на то, чтобы учитывать в рабочих потоках, например, состояние погоды (среди других факторов), — пишет Гленн Макдональд, журналист из Yahoo! Tech — Так что можно забыть про то, что переложить ответственность за срыв сроков, к примеру, на снежную бурю. Босс уже знает о буре, и он уже сделал все необходимые поправки. Самое же удивительное, что новая программа включает себя концепт кайзена, при которым рабочим придется использовать новые более эффективные подходы к работе, основываясь на своем персональном опыте. Но «Хитачи» и тут ввела видоизменение. Искусственный Интеллект теперь будет автоматически анализировать результат применения новых подходов, выбирать процессы с наилучшими показателями и применять их в следующем рабочем распоряжении».

 

 

По заявлениям «Хитачи», опробовав систему на складской логистике, компания собирается внедрить ИскИнов (именно так они назвали эти системы) в другие области, такие как финансы, транспорт, производство и здравоохранение для того, чтобы «бизнес-операции могли быстро и самым эффективным образом отвечать на изменения в обществе».

Говоря об участии Искусственного Интеллекта в работе персонала в целом, сегодняшние технологии дают невиданные доселе возможности.

Например, менеджеры смогут получать доступ к данным на основе анализа коммуникаций сотрудников на совещаниях, о текущем положении дел внутри компании с целью выявления, какие вопросы в настоящее время наиболее обсуждаемы, какие риски рассматриваются, и где люди планируют разместить ключевые ресурсы (будь то капитал или временной ресурс). Искусственный Интеллект обеспечивает перспективный прогностический интеллект, который представляет собой совершенно новый уровень знаний для принятия управленческих решений. Компьютеры не будут принимать решения за нас, но они могут просеять через себя огромные массивы данных, чтобы выделить наиболее интересные вещи, которые менеджеры с одной стороны, ввиду субъективности восприятия, могли бы не учесть. С другой, менеджеры могут копнуть полученные данные от Искусственного Интеллекта гораздо глубже, используя уже человеческий интеллект, который обладает большей вариативностью, чтобы прийти к правильным выводам и, соответственно, принять правильные меры.

 

Современные технологии на основе Искусственного интеллекта могут управлять производительностью предприятия и склада на основе данных полученных в ходе их работы.

Однако проблема кроется в другом. Аудиторско-консалтинговая компания Deloitte провела исследование в ходе которого выяснилось, что только 8% организаций считают, что их ежегодный процесс сбора информации о работе компании и последующие отчеты стоят усилий! Иначе говоря, в лучшем случае, компании делают отчеты ради отчетов, но не делают соответствующих выводов. Здесь сотрудники делятся на два диаметрально противоположных лагеря: одни утверждают, что слишком мало данных для формирования отчетов, другие - что массив данных слишком велик и нужны большие человеческие ресурсы для их анализа.

Если эффективность старших руководителей может быть оценена на основе общей деятельности компании, а также на основе некоторых показателей, такие как количество продаж - они имеют объективные, количественные показатели эффективности. То почти все остальные показатели эффективности полагаются на субъективных критериях анализа. При отсутствии достоверных и измеримых данных имеет место быть бессознательное смещение результатов (ввиду субъективных факторов), в результате чего управление эффективностью (простите за тавтологию) будет крайне не эффективным. Выводы о работе сотрудника или подразделения будут предвзятыми или, по крайней мере, не совсем точными.

Искусственный Интеллект позволит руководителям определить реальных вкладчиков, которые являются движущей силой бизнес-результатов. Вы будете в состоянии сказать, кто сделал ключевое решение, чтобы выйти на новый рынок и какие люди на самом деле заботятся о ключевых аспектах, чтобы таковое произошло. Искусственный Интеллект уменьшает роль догадок и интуиции. Как результат - более эффективное распределение человеческого ресурса, так как люди будут лучше сочетаться с определенными проектами, т.к. проекты будут соответствовать их сильным сторонам, и соответственно, самые компетентные сотрудники в определенной области будут работать с более серьезными проектами.

 

Повышение мобильности сотрудника через Искусственный Интеллект

Здесь, говоря о мобильности сотрудника, мы имеем в виду не скорость его передвижения, а скорость усвоения определенных знаний.

Поскольку мы становимся эффективнее при распределении человеческого ресурса, то организации должны сделать определенную работу и по поддержке возросшей мобильности человеческих талантов, как внутри, так и вне организации. Люди - не “устройства горячего подключения” как usb-флешка. Им необходимо время, чтобы стать продуктивными в новой роли (в основном, требуется время, чтобы построить необходимые причинно-следственные связи в новой области знаний).

Искусственный Интеллект сделает адаптационный период гораздо более быстрым и эффективным. В первый же день на работе сотрудник будет иметь возможность использовать весь пласт знаний и понять не только суть своей работы, но и ключевые узлы, в которых ему предстоит работать.

 

Вместо того, чтобы вручать пачку файлов для прочтения, вы сообщаете своим коллегам, что адаптационный Искусственный Интеллект будет иметь возможность ответить на такие вопросы, как: “Как мне небоходимо работать в новой должности? Каковы были встречи, что обсуждалось? Когда наша следующая встреча? ее статус?” Искусственный Интеллект также будет иметь возможность ответить на вопросы какие вещи были сделаны в прошлом, например: “Покажите мне облако тегов из рабочего времени моего предшественника? На что он тратил основную часть своего времени? Как его работа развивалась на протяжении последних 12 месяцев?”

 

Искусственный Интеллект может даже попросить уходящих сотрудников предоставить данные и ключевые моменты, которые должны быть переданы их преемникам. Неявные знания, на усвоение которых, как правило, уходит несколько недель, а то и месяцев. Таким образом, уже в течение первых часов работы с момента принятия на себя новой роли, сотрудник сможет применить эти знания на практике.

Если мы говорим о гибких командах как системе управления персоналом и кросс-функциональности каждого участника, который может переходить от проекта к проекту или подключаться к нему на различных стадиях, то такие системы особенно полезны.

В Искусственный Интеллект такого рода заложили фундамент уже существующие сегодня Экспертные Системы, в большинстве своем использующиеся на крупных предприятиях и розничных сетях. Так что подобные программы на основе Искусственного Интеллекта - это вопрос ближайшего будущего.

В настоящее время типовая Экспертная Система состоит из трех компонентов: базы знаний, механизма умозаключений и пользовательского интерфейса. База знаний хранит серии решений типа «если... то...». Ее создают на основе опросов ряда «экспертов» о характере исходных данных и логических схемах, на которых строится принятие решений. Например, опытный менеджер транспортного отдела перечислит ключевые данные и критерии, используемые при выборе перевозчика определенных грузов.

Опытный прогнозист располагает знаниями о наиболее подходящем методе прогнозирования. Интеграция и координация логических схем принятия решений, предложенных рядом экспертов, позволяет создать изрядную базу знаний, которая поможет менее опытным работникам повысить эффективность своих решений.

Механизм умозаключений обеспечивает поиск в базе знаний именно тех правил и алгоритмов, которые пригодны для принятия конкретного решения.

 

Механизм умозаключений выявляет пригодные для конкретного случая правила и устанавливает последовательность их оценки. Пользовательский интерфейс облегчает взаимодействие между тем, кто принимает решения, и экспертной системой. Интерфейс «переводит» пользователю важные вопросы на обычный язык и истолковывает его ответы. Хороший интерфейс дает пользователю возможность развивать базу знаний всякий раз, когда он овладевает дополнительной информацией. Экспертная Система уже доказали свою способность повышать производительность и качество логистических операций.

Подобные системы помогают преобразовывать данные и информацию в полезное знание, отыскивать и делать общим достоянием редкие опыт и навыки, управлять знанием как жизненно важным для конкурентоспособности ресурсом.

 

Искусственный Интеллект для решения сложных логистических задач

Ученые из Университета им. Карлоса III в Мадриде представили новый метод, основанный на Искусственном Интеллекте, который может автоматически создавать планы, позволяющие разрешать различные вопросы с гораздо большей скоростью, чем нынешние методы, в условиях ограниченности ресурсов. Этот метод - пример инновации, которую можно применять в логистике, автономном управлении роботами, пожаротушении и он-лайн обучении.

Новый метод позволяет найти решения, которые эквивалентны или лучше решений, предлагаемых другими существующими методами, и при этом гораздо быстрее в ситуации с ограниченностью используемых ресурсов. По времени реализации этот метод быстрее других в три - десять раз, при этом, как считают разработчики метода – группа PLG (Исследовательская группа по планированию и обучению) – качество решений аналогично текущим методам планирования.

В области логистики новый метод был испытан в ходе проекта, реализованного совместно с Министерством промышленности, туризма и торговли Испании. В частности, была создана система автоматического планирования для смешанных перевозок грузов. В систему ввели данные: размещение грузовых автомобилей, графики движения транспортных судов и поездов, а также описание заказов клиентов (размещение контейнеров, маршрут, тип товара). Располагая указанной информацией, система сначала решала, какой грузовик и контейнер необходимо задействовать, затем вычисляла маршрут и порядок пунктов назначения, и при необходимости изменяла метод транспортировки (грузовик, поезд и/или судно).

 

Очень часто случается, что в реальной ситуации плана нет вообще, или отсутствует единый универсальный план, который позволил бы выполнить все задачи. Чаще всего это происходит из-за ограниченности какого-то одного ресурса, например, времени, финансов, топлива и пр. И вот здесь можно использовать новый, инновационный метод. Этот метод протестировали в ряде смоделированных реальных ситуаций, достаточно часто встречающихся в области планирования. Также метод интегрировали в общую систему автономного управления роботами. Фактически, НАСА уже использовала автоматическое планирование для автономного управления вездеходами Spirit и Opportunity, которые передвигались по Марсу несколько лет назад. В этом случае использовалась смешанная система инициатив, в которой операторы вездеходов использовали специальный планировщик для создания планов (движение, отбор проб, фотографирование и пр.) для двух автоматических аппаратов. Планировщик учел все эксплуатационные ограничения и создал план, в который операторы могли вносить изменения. Позже план проверили на предмет отсутствия различного рода несоответствий и передали в систему вездеходов для его выполнения.

 

Как Вы видите, программные решения основанные на принципах Искусственного Интеллекта можно применять абсолютно для любых задач: от прикладных, с которыми мы сталкиваемся каждый день, до глобальных решений, которые могут приниматься на уровне кроссконтинентальных компаний.

Искусственный Интеллект так быстро вошел в нашу жизнь, что мы даже не успели удивиться происходящему. Tempora mutantur et nos mutamur in illis. Главное вовремя осваивать новые технологии, ибо от гибкости нашего восприятия зависит наше с Вами будущее.

 

РАЗВИВАЕМСЯ ВМЕСТЕ!