Jövő technológiája az AI? A válasz: igen is, meg nem is. Igen, mert az AI potenciálját még messze nem merítettük ki. Ugyanakkor nem, mert az AI-alapú alkalmazások már régóta a mindennapjaink részét képezik – például a mobiltelefonok arcfelismerése, a chatbotok vagy az online fordítószolgáltatások révén. A logisztikában is gyakrabban használjuk, mint gondolnánk: például szállítmányozási mennyiségek előrejelzésénél, anyagáramlás-irányításnál vagy adminisztratív folyamatok támogatásánál.

Fotó: Dachser

Ugyanakkor az is tény, hogy sok területen az AI még nem kiforrott. Az emberi intelligencia szimulálása lényegében bonyolult matematikai valószínűségszámításokra épül. Ezért – az adatok minőségétől függően – hibákat is eredményezhet, amelyeket a logisztikában, különösen a magas minőségi és biztonsági követelmények mellett, minimalizálni kell. A hibacsökkentésre mind az autonóm módon működő AI-ügynököknél (mellékfolyamatokban), mind az ember által felügyelt AI-asszisztenseknél szükség van. Ezért jelenleg elképzelhetetlen a logisztika emberi döntéshozók nélkül – különösen akkor, ha üzleti kockázatot is mérlegelni kell, és egy bizonyos  hibahatáron belül kell maradni.

Azok a logisztikai cégek, amelyek még nem foglalkoznak intenzíven az AI lehetőségeivel, középtávon kiszorulhatnak a piacról. Az ügyféligények és a piaci környezet komplexitása nem csökken – mindehez hozzáadódik a szakképzett munkaerő hiánya. A Dachser már ma is alkalmaz AI-t a raktárakban, átrakó központokban és irodákban, ezzel támogatja a munkatársakat, növeli a hatékonyságot és csökkenti a szűk keresztmetszeteket. Ez segít pótolni a humánerőforrás-hiányt és hosszú távon biztosítani a minőséget.

Új, váratlan lehetőségek

Több mint hat éve indult a Dachser és a Fraunhofer IML közös kutató-fejlesztő laboratóriuma Dortmundban. Itt fejlesztették ki például azokat az algoritmusokat, amelyek akár 25 hétre előre meg tudják jósolni a beérkező szállítmányok mennyiségét, segítve ezzel a szezonális kapacitástervezést. A logisztikai hatékonyság kulcsa ugyanis a tervezhetőség. Az AI itt is hozzáadott értéket nyújt: az első gépi tanulási projekt neve PAnDA One, amely a Predictive (P) Analytics (An) Dachser (DA) rövidítése – az „One” utal arra, hogy ez volt az első ilyen projekt a cégnél.

Az AI-t alkalmazzák az @ILO digitális iker rendszerben is, amely valós időben észleli, lokalizálja és méri a csomagokat a gyűjtőraktárakban, mennyezeti kamerák segítségével pontos digitális térképet készít a raktári mozgásokról. Ez növeli az átláthatóságot, csökkenti a manuális feladatokat (pl. a szkennelést), és akár 30%-kal hatékonyabbá teszi az áruk kirakodását. A Dachser tervei szerint az @ILO technológiát fokozatosan vezetik be Európa-szerte, 2025-ben legalább hat új telephelyen.

Autonóm AGV robotok a raktárban

Az AI nemcsak az átrakó központokban, hanem a raktárautomatizálásban is hasznos. Nyolc németországi Dachser-raktárban működnek már automata irányított járművek (AGV-k) – más néven autonóm mobil robotoknak (AMR-eknek) is hívják őket: Érzékelőrendszerek – például kamerák, lidar és radar – segítségével térképezik fel környezetüket, és mesterséges intelligencia támogatásával tájékozódnak. Ez lehetővé teszi számukra, hogy önállóan végezzenek el egyszerű, ismétlődő feladatokat. A vezető nélküli szállítórendszerek önállóan mozognak a raktárban, például raklapokat tárolnak be vagy vesznek ki a padlószintről. Kommunikálnak egymással, és feladatokat cserélnek, ha egy másik jármű gyorsabban elérheti a célt. Ha akadály kerül eléjük, lefékeznek. Ennek köszönhetően a robotok szinte soha nem tesznek meg felesleges utakat, vagyis nagyon hatékonyan dolgoznak. Ugyanakkor biztonsági érzékelők gondoskodnak arról, hogy a járművek ne ütközzenek. Lenyűgöző, milyen jól működik ez.

A pontos navigáció, a rajintelligencia és az IT-rendszerekbe való zökkenőmentes integráció jelentősen növeli a napi logisztikai folyamatok hatékonyságát – és a munkatársak is örülnek annak, hogy egy „robot kolléga” könnyíti meg a munkájukat.

A Dachser vegyes üzemben alkalmazza az AGV-ket. Ez azt jelenti, hogy közös közlekedési útvonalakon mozognak az ember által vezetett járművekkel. A teljes automatizálásnak kevés értelme lenne, mert csökkentené a rugalmasságot. Most az a feladat, hogy megtaláljuk az emberek és gépek optimális együttműködését, amely a lehető legnagyobb hozzáadott értéket teremti.

Közös kutatás

Mit hozhat a jövő? A robotikai iparágban a szakértők úgynevezett alapmodellekkel (foundation model) kísérleteznek az autonóm járművekkel való kommunikáció és azok vezérlése érdekében. Ez javítaná a robotok képességeit az olyan összetett feladatok elvégzésére, mint a természetes nyelvfeldolgozás, a képek és tárgyak felismerése, valamint az autonóm navigáció. Ezek a modellek lehetővé teszik azt is, hogy a robotok hatalmas mennyiségű adatból tanuljanak, és alkalmazkodjanak új környezetekhez és feladatokhoz – ezáltal növelve rugalmasságukat és a felhasználási lehetőségek körét. Már nem is kell sokat várni, hogy lássuk, vajon az autonóm járművek, amelyeket a raktárakban használnak, intuitívabban és hatékonyabban vezérelhetők-e. Világszerte intenzív kutatás zajlik ezen a téren.

A Dachser is növeli befolyását az AI-kutatásban. Az idei év első negyedévében a logisztikai szolgáltató bővítette kutatási együttműködését a Fraunhofer Intelligens Elemzési és Információs Rendszerek Intézetével (IAIS). A Fraunhofer IAIS Németország és Európa egyik vezető tudományos intézete a mesterséges intelligencia (AI), a gépi tanulás és a big data terén. Közel 400 munkatársuk segíti a vállalatokat termékek, szolgáltatások és folyamatok optimalizálásában, valamint új digitális üzleti modellek fejlesztésében. Ennek az új partnernek a bevonásával a Dachser Enterprise Lab keretében tovább erősítheti a Dachser a mesterséges intelligenciával kapcsolatos szaktudását.

A további kutatások teljesen új lehetőségeket tárnak fel az AI alkalmazásában – ehhez azonban a mesterséges intelligenciát kifejezetten a vállalaton belüli, saját adatokkal kell betanítani, különösen a speciális logisztikai folyamatok és megoldások esetén. Ugyanakkor figyelembe kell venni a költségeket is – különösen azokat, amelyeket a nagy számítási teljesítményt igénylő AI-modellek jelentenek –, valamint az EU mesterséges intelligencia alkalmazására vonatkozó új jogi keretét, az AI Act-et.