AI v doprave a logistike | AI v podnikaní #75

Správa flotily s AI v doprave

Systémy založené na AI môžu analyzovať veľmi veľké množstvá údajov o vozidlách, vodičoch a trasách. To umožňuje prispôsobiť rozvrhy a trasy, lepšie využiť dopravné zdroje a znížiť spotrebu paliva až o 10-15%.

Inteligentné systémy vybavené schopnosťami strojového učenia môžu predpovedať potenciálne poruchy mesiace vopred na základe údajov zo senzorov nainštalovaných vo vozidlách a iných zariadeniach. To umožňuje naplánovať opravy a údržbu v pohodlných časoch, minimalizovať prestoje a vyhnúť sa neplánovaným zastaveniam na ceste.

Jedným z príkladov využitia AI v správe flotily je DB Schenker, globálny líder v logistickom priemysle. Spoločnosť používa pokročilé AI algoritmy na optimalizáciu plánovania dopravy, predpovedania dopytu a správy ponúk. V Bulharsku napríklad spoločnosť využila riešenie Transmetrics AI na zlepšenie využitia vozidiel a zníženie tranzitných časov pre hromadné zásielky.

V leteckej doprave spoločnosť používa hybridný simulačný a predpovedný nástroj, ktorý umožňuje prispôsobenie simulácií a je založený na historických údajoch. Využitím AI DB Schenker nielen urýchľuje svoju digitálnu transformáciu, ale aj zabezpečuje dlhodobú konkurenčnú výhodu na logistickom trhu.

Zdroj: DB Schenker (https://shippingwatch.com/logistics/article14448745.ece)

Implementácia AI na optimalizáciu trás a zníženie nákladov na dopravu

Moderné mapovacie systémy poháňané AI môžu analyzovať dopravné zápchy v reálnom čase, hľadať obchádzky a navrhovať optimálne trasy pre vodičov na základe aktuálnych podmienok. Navyše, algoritmy strojového učenia môžu pomôcť lepšie plánovať distribúciu nákladov tak, aby boli prepravované na čo najkratšie vzdialenosti. To sa priamo premieta do nižších prevádzkových nákladov.

Jedným z príkladov spoločnosti špecializujúcej sa na AI riešenia pre optimalizáciu trás je americká firma FourKites. Vyvinuli platformu na monitorovanie dodávateľského reťazca v reálnom čase, ktorá využíva údaje a strojové učenie na zlepšenie viditeľnosti a efektívnosti dopravy.

Jedným z ich klientov, Henkel, ťaží z využívania riešenia FourKites tým, že má prístup k údajom v reálnom čase o polohe a odhadovanom čase príchodu (ETA) zásielok. To im umožňuje lepšie plánovať svoje úlohy a reagovať na akékoľvek potenciálne oneskorenia.

FourKites priniesol Henkelovi aj ďalšie výhody, ako sú úspory času a nákladov, zlepšenie kvality a zodpovednosti LSP (poskytovatelia logistických služieb), spravodlivé riešenie sporov a vyhnutie sa pokutám za oneskorenia. V roku 2024 plánuje Henkel sledovať takmer milión zásielok pomocou FourKites.

Zdroj: Four Kites (https://www.fourkites.com/platform/)

Správa zásob s AI v doprave

Umelá inteligencia je zdatná v analýze obrovských množstiev údajov na presné predpovedanie dopytu po konkrétnych tovaroch a surovinách. V dôsledku toho je možné efektívnejšie spravovať zásoby, presnejšie doplniť sklady a znížiť nedostatky.

Dva populárne nástroje, ktoré využívajú AI a strojové učenie na optimalizáciu dodávateľského reťazca, sú:

• RELEX (https://www.relexsolutions.com/) – komplexná platforma používaná na predpovedanie dopytu a automatické doplňovanie zásob. Spoločnosť pomáha zákazníkom vo všetkých odvetviach plánovať dopyt, spravovať zásoby, optimalizovať logistické procesy a zvyšovať rast príjmov.
• SAP IBP (https://www.sap.com/products/scm/integrated-business-planning.html) – pokročilý modul plánovania zásob a dodávateľského reťazca, ktorý je súčasťou balíka SAP. SAP IBP pomáha optimalizovať logistické procesy a poskytuje rôzne funkcie, vrátane plánovania predaja a operácií (S&OP), predpovedania dopytu, reakcie a dodávky, plánovania zásob a plánovania dopravy.

Zavedenie AI na automatizáciu procesov v sklade a autonómnu dopravu

Autonómne roboty vybavené modulmi umelej inteligencie už pracujú v mnohých moderných skladoch a logistických centrách. Sú schopné vyberať objednávky, baliť produkty a prepravovať palety tovaru. Algoritmy strojového učenia umožňujú týmto robotom rozpoznať jednotlivé tovary a balíky, plánovať si vlastné cesty po sklade a dokonca komunikovať so zamestnancami.

Čo sa stane, keď je produkt, zabalený a pripravený robotom, pripravený vyraziť na cestu? To otvára dvere implementácii AI v autonómnych vozidlách. Jedným z príkladov je autonómny kamión T-Pod, ktorý sa aktuálne testuje v distribučných centrách DB Schenker. Môže byť ovládaný operátorom počas jazdy na ceste alebo, vďaka implementácii AI, môže autonómne prepravovať palety produktov a vyhýbať sa prekážkam na ceste. Navigácia je uľahčená použitím kamier, radaru a hĺbkových senzorov.

DB Schenker T-Pod je prvé vozidlo svojho druhu, ktoré bolo schválené na verejné cesty vo Švédsku. Môže prepravovať až 20 ton nákladu a má dojazd približne 200 km na jedno nabitie.

Zdroj: DB Schenker (https://www.dbschenker.com/)

Monitorovanie a analýza údajov v reálnom čase s AI v doprave

Údaje zo senzorov vo vozidlách, systémov automatizácie skladu a lokalizátorov zásielok môžu byť analyzované v reálnom čase algoritmami umelej inteligencie. To umožňuje okamžité prijímanie presných obchodných rozhodnutí a zlepšuje efektivitu celej organizácie. Napríklad systém vybavený modulom AI môže okamžite reagovať na oneskorenia dodávok a informovať zákazníkov alebo prijať preventívne opatrenia.

Tím OLX použil strojové učenie na vytvorenie prediktívneho modelu ETA, ktorý v doprave a logistike znamená Odhadovaný čas príchodu. Model zohľadňuje také faktory ako:

• poloha,
• typ tovaru,
• počasie,
• prázdniny atď.

Model bol trénovaný na údajoch z viac ako dvoch miliónov transakcií a testovaný s údajmi zo šiestich krajín. Model ETA dosiahol veľmi vysokú presnosť a precíznosť a preukázal schopnosť prispôsobiť sa zmenám na trhu a prevádzkových podmienkach. Model ETA pomohol zvýšiť dôveru a spokojnosť zákazníkov, ako aj zlepšiť efektivitu a ziskovosť procesu dodávky.

Bezpečnosť a prevencia nehôd

Inteligentné monitorovacie systémy vybavené modulmi AI nielen chránia majetok dopravných spoločností. Analyzovaním obrázkov z kamier a údajov zo senzorov môžu hodnotiť správanie vodiča a detekovať znaky únavy, navrhujúc prestávky počas jazdy. Navyše, algoritmy strojového učenia, ktoré neustále analyzujú prichádzajúce telemetrické údaje z vozidiel, môžu predpovedať potenciálne poruchy s dostatočným predstihom.

A tak izraelský startup Cortica aplikoval neurónové siete na analýzu zvukov motora na včasné zistenie blížiacich sa porúch. Spoločnosti ako Continental a ZF Friedrichshafen AG ponúkajú podobné riešenia pre prediktívnu diagnostiku vozidiel pre prepravcov.

Budúcnosť AI v doprave a logistike

Odborníci sa zhodujú, že vďaka umelej inteligencii prejde priemysel TSL kompletnou transformáciou v priebehu nasledujúcich desiatich rokov. Autonómne kamióny sa stanú štandardom na cestách v Spojených štátoch a začnú sa častejšie objavovať aj v iných častiach sveta. Medzitým v skladoch väčšinu operácií – od vyberania objednávok po nakladanie – budú vykonávať roboty.

Vďaka AI sa náklady na dopravu a logistiku znížia až o 30-40%. Dodacie lehoty sa tiež skráti vďaka optimalizácii trás a nakladania, ako aj implementácii inteligentných mestských systémov, ktoré uľahčujú pohyb vozidiel počas posledných kilometrov trasy. Integrácia AI v logistike zlepší kvalitu zákazníckych služieb a riziko ľudských chýb bude takmer eliminované.

Zdroj: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

AI v doprave – zhrnutie

Na záver, systémy využívajúce strojové učenie a AI algoritmy v doprave majú obrovský potenciál v priemysle TSL, ktorý sa práve začína využívať. Ich implementácia je príležitosťou na výrazné zníženie nákladov, skrátenie dodacích lehôt, zlepšenie bezpečnosti dopravy a lepšie obslúženie zákazníkov. Aby však bola úspešná, implementácia týchto technológií musí byť strategická.

Ak sa vám náš obsah páči, pridajte sa k našej komunite usilovných včiel na Facebooku, Twitteri, LinkedIn, Instagrame, YouTube, Pinterest, TikTok.