Применение искусственного интеллекта и роботизация процессов на складах водного транспорта

Искусственный интеллект всё больше и больше проникает в сферы нашей жизнедеятельности. Однако, своё начало он берёт с больших промышленных объектов. Именно склады водного транспорта выступают полигоном для отработки различных технологий и идей.

Аннотация статьи
искусственный интеллект
ИИ
склад
автоматизация
морской транспорт
Ключевые слова

Актуальность

Технология искусственного интеллекта изменяет многие складские операции, например, сбор данных, процессы инвентаризации и многое другое. В результате компании могут увеличить выручку. ИИ в автоматизации складских помещений водного транспорта используется для прогнозирования спроса на ту или иную продукцию. На основе этих данных заказы могут быть изменены, и изделия по требованию могут быть доставлены на локальный склад для дальнейшей транспортировки водным транспортом. Такое прогнозирование спроса и заблаговременное планирование логистики означает снижение транспортных издержек.

Искусственный интеллект может использоваться для прогнозирования спроса, изменения заказов и перенаправления транзитных товаров на склады водного транспорта, где это необходимо. Такое планирование и гибкость в логистике означает лучшее обслуживание и более низкие логистические затраты.

Складские системы автоматизации предоставляют возможность покорить множество рутинных задач. Ведущей технологией, используемой в этих системах, является компьютерное зрение, которое может идентифицировать и помочь организовать инвентаризацию. Еще один перспективный вариант использования-автономный контроль качества.

Эти системы также позволяют оптимизировать запасы и транспортировку между складами.

Как это не странно, но склад водного транспорта часто выступает как полигон для испытаний ИИ.

Автоматизация на складах широко считается “низко висящим плодом " для этих технологий, потому что задачи, как правило, одинаковы на всех складах, а окружающая среда более структурирована. Например, комплектация заказов составляет более 40% от операционных затрат на большинстве складов. Хотя задачи повторяющиеся, они включают в себя некоторые вариации с продуктами и дизайном упаковки, что делает невозможным заранее жестко запрограммировать роботов.

Кроме того, затраты на рабочую силу составляют до 70% от общего бюджета склада. Потребительский спрос, ценовая конкуренция и быстрые требования к поставке приводят к сильному бизнес-обоснованию для складов водного транспорта, чтобы быть первым адоптером роботов с поддержкой искусственного интеллекта.

Большинство задач на складе являются отказоустойчивыми, в отличие от задач в автомобильной промышленности. Если робот случайно роняет предмет на склад, он может повторить попытку до тех пор, пока не достигнет требуемой скорости и успешности, не повредив товар.

ИИ особенно подходит для отказоустойчивых простых задач-действий, которые человек может выполнять в течение нескольких секунд – с достаточным количеством изменений в полуструктурированных средах. Поскольку технология совершенствуется в таких средах, как склады, она может затем применяться в других отраслях промышленности, таких как производство, где задачи являются более сложными и существует больше неопределенностей. Таким образом, автоматизированный склад действует как инкубатор, прогнозируя перетекание знаний во многие другие сегменты рынка.

Штучный сбор – это Святой Грааль

Автоматизация склада, в том числе и на водном транспорте, существует уже несколько десятилетий в виде автоматизированных систем хранения, поиска и мобильных роботов, таких как Kiva (теперь Amazon Robotics), которые перемещают предметы вокруг.

Но большинство операций подбора и упаковки на складе по-прежнему выполняются людьми, при этом затраты на рабочую силу составляют от 50 до 70% от общего бюджета склада. Нехватка рабочей силы привела к росту зарплат на 6-8% каждый год, в то время как расходы на роботов значительно снизились с 1990-х годов.

Штучный сбор уже давно является святым Граалем робототехники. Год за годом такие компании, как Amazon и KUKA, проводят робототехнические испытания для стартапов и академических команд, чтобы создать машины, которые могут идентифицировать, подбирать и укладывать товары. Появление глубокого обучения позволяет роботам распознавать, подбирать и размещать сотни или до тысячи предметов.

Но технология еще не совершенна. Это все еще сложно для машины, чтобы распознать десятки миллионов объектов, и манипулировать деформируемыми объектами или элементами с прозрачными пакетами. Однако опрос Locus Robotics и Osaro показывает, что многие отраслевые эксперты ожидают, что технология созреет. Кроме того, прогнозируется, что скоро на рынок выйдет технология камер «robot vision», которая может распознавать почти все на складе в течение пяти лет. Если это произойдет, то это коснется не только складов, но и розничной торговли, доставки и многих других приложений, которые мы еще не представляли.

Подталкивание к стандартным моделям

Технологические усовершенствования в автоматизации складов водного транспорта и за их пределами также подтолкнут зрелую, но фрагментированную индустрию робототехники к тому, чтобы стать более стандартизированной и модульной. Учитывая природу узкого ИИ, большинство стартапов в индустрии робототехники с поддержкой ИИ предпочитают сосредоточиться на конкретных вертикальных приложениях и собирать собственные данные в качестве защитного преимущества.

Лучший пример-штучный сбор товара роботами. По мере совершенствования технологии мы увидим, что складские штучные стартапы выходят на рынки обрабатывающей промышленности, продовольствия и сельского хозяйства. Переход от ручного программирования робота и его обучения и автономного действия на конкретных простых задачах – и совместного обучения – станет более важным в будущем.

Однако не так просто найти масштабируемые и технически осуществимые бизнес-кейсы, такие как штучный сбор, за которые клиенты готовы платить.

Учитывая существующие технологические ограничения, все еще существует компромисс между точностью и гибкостью. Глубокое обучение позволяет роботам обрабатывать вариации, но эти роботы с поддержкой искусственного интеллекта все еще не могут достичь той же точности и точности, что и традиционные роботы, по крайней мере сегодня.

Некоторые стартапы предоставляют модули или технологические стеки для других игроков в экосистеме, чтобы смягчить проблемы сложности и масштабируемости, упомянутые выше. Новые области, в которых стартапы, вероятно, войдут и разрушат, включают в себя модули телеоперации, контроллеры, которые позволяют обеспечить более безопасное взаимодействие человека и робота, антропоцентрические протоколы ИИ и датчики, которые могут количественно оценивать поведение человека.

В конечном счете, мы можем увидеть унифицированные операционные системы для роботов с поддержкой искусственного интеллекта, подобные Windows или Android в пространстве потребительской электроники, или стандартные пользовательские интерфейсы, которые фундаментально преобразуют фрагментированную робототехнику и еще больше ускоряют ее разрушение.

Стандартные модули и интерфейсы снизят стоимость выхода на рынок и сократят время выхода на рынок. По мере совершенствования технологии ИИ и робототехники мы увидим бум в различных отраслях промышленности, включая сельское хозяйство, пищевую промышленность, домашнюю и даже хирургическую робототехнику.

А ведь всё начиналось со складов водного транспорта…

Текст статьи