Det digitale skifte i logistikk
I en stadig mer kompleks verden er det avgjørende å kontinuerlig forbedre tjenester for å kunne levere topp moderne logistikk. Kunstig intelligens (KI) spiller en viktig rolle i denne kontinuerlige utviklingen. Michael Kriegel, leder for DACHSER Chem Logistics, deler innsikter om KIs potensial innen logistikk, og hvordan det bidrar til å adressere dagens utfordringer hos DACHSER.
DACHSER satte tidlig fokus på digitalisering, og ved å innføre SSCC-strekkoden og svært integrerte kjernesystemer bidro selskapet til å forme den digitale utviklingen innen logistikk. I dag er maskinlæring og kunstig intelligens (KI) et av de viktigste temaene på DACHSERs digitaliseringsagenda.
Logistikkbransjen har et stort behov for digital transformasjon for å sikre kvalitet og løse utfordringer som mangel på sjåfører, og andre dyktige arbeidere. Bransjen blir også oppfordret til å øke tempoet når det gjelder å ta i bruk nye teknologier, og å innlemme store trender i samfunnet, for eksempel digitalisering, urbanisering, e-mobilitet og tilkoblede tjenester – som endrer måten vi lever på – i utviklingen. Dette krever en strategisk måte å tenke på samt god kontroll, siden alt handler om å aktivt forme fremtiden ved å forutse hva som kommer til å bli nødvendig. Hos DACHSER utforsker vi tre viktige bruksområder for KI-apper: selve håndteringen av stykkgods, planleggingsprosesser samt utslippsreduksjoner.
Potensialet i KI for stykkgodslogistikk
Stykkgodslogistikk er en grunnleggende faktor for konkurranseevnen når det gjelder industrielle økonomier. Også her reduseres mengden gods som lastes på paller og i store sekker, og derfor er det fornuftig å dele lasteplass med andre avsendere. Dette er den eneste løsningen for å levere gods raskt og kostnadseffektivt. Men ødelagte forsyningskjeder og den store økningen i leveranser til sluttkunder fører til økt press på selv de mest effektive stykkgodsnettverkene. Det er her intelligent datastyring, algoritmer og KI kommer inn i bildet. De kan finne de beste løsningene ved hjelp av matematiske modeller som kan «lære» mønstrene og strukturene fra treningsdataene.
Alt starter med logistikkpraksis, som først og fremst er basert på menneskelig ekspertise og de fysiske tingene som kreves for å tilby tjenester, for eksempel nettverks- og terminalstrukturer. Effektiviteten bestemmes i stor grad av hva som skjer ved nettverksnavene, der langtransport og regiontransport møtes.
Suksess avhenger av logistikkoperatørene, spesielt lasterne og losserne, som har erfaringen som kreves for å optimalisere plassen på tilhengere og vekselflak – nesten som å spille Tetris.
Forskjellene i utnyttelsen av lastekapasiteten mellom en erfaren laster og en uerfaren laster kan være opptil 15 prosent. I tråd med demografiske endringer og tilhørende mangel på kvalifisert personell, samt plassmangel, er det veldig viktig at vi finner stadig mer intelligente og effektive måter å bruke de tilgjengelige ressursene på.
KI for stykkgods
@ILO digital tvilling er et stort sprang innen stykkgodslogistikk. @ILO, som er en forkortelse for Advanced Indoor Localization and Operations, kan lage et omfattende digitalt kart av en godsterminal i sanntid. @ILO bruker todimensjonelle datamatrisekoder – som ligner på QR-koder og festes på toppen av hver pall – som identifikatorer. Disse kodene registreres av flere hunder optiske skanneenheter i taket i terminalen. I løpet av bare noen sekunder – og ved hjelp av KI-baserte algoritmer – lager denne teknologien en digital tvilling, som er en sanntidsrepresentasjon av alle prosesser i terminalen, inkludert volummålinger og registrering av godset med en nøyaktighet på én meter. Trucksjåfører og ansatte på lageret har tilgang til denne informasjonen på skjermer og mobile enheter, slik at de vet nøyaktig hvor hver pall er, og hvor den skal. Dette kan redusere individuelle prosesstider med alt fra 15 til 35 prosent. Det samme gjelder for farlig gods, som naturligvis fortsatt er merket på riktig måte. Det som er nytt her, er at det nye systemet viser denne informasjonen på en mye mer tydelig og effektiv måte enn tidligere løsninger.
@ILO er resultatet av mer enn seks års samarbeid mellom DACHSER og Fraunhofer IML. DACHSER har allerede implementert teknologien ved fire av anleggene i Europa, og den skal rulles ut til de større avdelingene i Europa i løpet av de neste årene.
Godsterminaler er ikke det eneste stedet KI kan bidra med fornuftige løsninger. Et annet eksempel er automatisering av lageret. Automatiserte guidede kjøretøy (AGV-er) med sensorsystemer som kameraer, lidar og radar, navigerer ved hjelp av KI. Disse selvkjørende transportørene jobber autonomt og utfører enkle, repetitive oppgaver, som å flytte paller fra lageret til godsterminalen.
Intelligent planlegging
Planlegging er en annen viktig faktor for å oppnå effektivitet og kvalitet innen logistikk. Her kan KI også virkelig utgjøre en forskjell, noe som er tydelig i DACHSERs første maskinlæringsprosjekt: PAnDA One. Dette er et akronym for Predictive (P) Analytics (An) DACHSER (DA), der «One» viser at dette er selskapets første maskinlæringsprosjekt. PAnDA One-modellen er spesialutviklet for å forutse innkommende volumer ved logistikkavdelingene våre i Europa, slik at det blir enklere å ta beslutninger for å planlegge kapasiteten. Det gjør det mulig å skaffe egnet lastekapasitet på markedet på et tidlig stadium, eller å planlegge ressursene ved terminalen. Modellen forutser relevant innkommende volum for opptil 25 uker i forveien. Dermed gir PAnDA One avdelingene et annet verdifullt verktøy som leverer data for å underbygge «magefølelsen» til erfarne ledere, og som validerer informasjonen fra samtaler med kunder.
Vi trenger kritiske tenkere
Det DACHSER har lært av å bruke KI-apper, er at maskinlæring ofte innebærer en prøve-og-feile-tilnærming. Det handler om å teste opplæringsdata helt til man oppnår ønsket grad av presisjon samt et kvalitetsnivå som er egnet for brukstilfellet. I motsetning til tradisjonell programmering krever dette spesielt én ting – tålmodighet. KI kan også medføre ulemper, for eksempel manglende kontroll, ansvarsrisikoer og andre utfordringer. Derfor er det viktig å granske hver prosess grundig og bruke sunn fornuft. Men alt i alt gir digital transformasjon unike muligheter for fremtidsrettet utvikling. I stedet for å erstatte mennesker vil en fornuftig dose med KI og maskinlæring hjelpe dem med å ta bedre og mer velbegrunnede beslutninger. Logistikk lages av mennesker for mennesker – og det kommer ikke til å forandre seg.
