Każdy dostawca systemów WMS umieszcza obecnie informacje o sztucznej inteligencji (AI) już na pierwszym slajdzie. Podczas wyboru systemu WMS większość nabywców nie ma możliwości odróżnienia rozwiązań gotowych do wdrożenia w środowisku produkcyjnym od prototypów opartych na skryptach pokazowych.
AI w systemach WMS polega na wykorzystaniu algorytmów uczenia maszynowego (Machine Learning, ML) i optymalizacji zintegrowanych z systemem WMS w celu usprawnienia koordynacji zasobów magazynowych, personelu i rozwiązań automatyzacji.
Konkretnie zmienia to sposób działania systemu pomiędzy dwoma cyklami konfiguracji. System WMS oparty na regułach czeka, aż ktoś go ponownie skonfiguruje, gdy warunki ulegną zmianie. WMS wspomagany przez sztuczną inteligencję dostosowuje się w ramach wyznaczonych granic: ponownie alokuje zadania, równoważy obciążenie pracą i sygnalizuje odchylenia, zanim osiągną one wartości graniczne.
AI działa na podstawie danych. Jeśli granice systemu są niejasne — co omówiono w sekcji dotyczącej architektury IT i skalowalności systemu WMS — sztuczna inteligencja nauczy się błędnych schematów.
Dlaczego sztuczna inteligencja ma znaczenie przy wyborze rozwiązań WMS?
AI stała się ważnym kryterium wyboru obok zakresu funkcjonalności, nakładu pracy związanego z integracją, skalowalności i całkowitego kosztu posiadania. Te czynniki nadal mają większe znaczenie niż kiedykolwiek. Nigdy temu nie zaprzeczymy.
Magazyny od zawsze śledzą operacje w czasie rzeczywistym. To nie jest nowość. Nowe jest otoczenie, w którym funkcjonują.
Dzisiejsze magazyny koordynują automatyzację od wielu dostawców, absorbują wahania przepustowości rzędu 30–40% pomiędzy kwartałami i obsługują kanały, które nie istniały jeszcze 3 lata temu. Wszystko to przy pomocy tych samych zespołów.
Statyczne reguły i ręczne korekty nadal działają. Po prostu zajmują więcej czasu, niż jest to akceptowalne dla danej operacji.
AI pomaga systemowi WMS nadążyć za tą złożonością. Gdy brakuje personelu na zmianie, przydzielanie zadań jest odpowiednio dostosowywane. Gdy następuje gwałtowny wzrost wolumenu, priorytety są ponownie równoważone bez czekania na planistę. Operatorzy są prowadzeni przez wyjątki, bez ich eskalacji.
Plan działania dostawcy WMS w zakresie sztucznej inteligencji stanowi interesujący temat do zgłębienia. Może on ujawnić coś ciekawego: ile dostawca inwestuje w swój produkt i w jakim kierunku zmierzają innowacje.
Zrozumiały, oparty na faktach plan działania w zakresie AI wskazuje na aktywną kulturę badań i rozwoju. Niejasny plan wskazuje, gdzie kończą się ambicje.
Podczas wyboru systemu WMS warto oceniać sztuczną inteligencję nie jako dodatkową funkcję, lecz jako wskazówkę, jak platforma poradzi sobie ze zmianami w ciągu najbliższych 3 lat.
Jak dużą wagę należy przykładać do sztucznej inteligencji przy wyborze systemu WMS?
Głównymi kryteriami wyboru pozostają zakres funkcjonalny, głębokość integracji, skalowalność architektury, model wdrożenia oraz całkowity koszt posiadania.
System WMS, który osiąga dobre wyniki w zakresie sztucznej inteligencji, ale nie spełnia tych podstawowych wymagań, nie przetrwa wieloletniej eksploatacji.
AI nie zastępuje tych kryteriów. Wyróżnia ona dostawców dopiero wtedy, gdy spełnione są podstawowe wymagania.
Dwie platformy o równoważnej głębokości funkcjonalnej, podobnej dojrzałości integracji i porównywalnej strukturze kosztów mogą nadal znacznie różnić się pod względem sposobu radzenia sobie ze zmiennością, kierowania operatorami i dostosowywania się do zmian.
Sztuczna inteligencja jest tym elementem, w którym ta różnica staje się widoczna.
Traktuj sztuczną inteligencję jako czynnik wyróżniający, a nie fundament. Najpierw oceń podstawy.
Pięć przypadków użycia sztucznej inteligencji, które już wdrożono w magazynach
Sztuczna inteligencja w systemie WMS ma znaczenie tylko wtedy, gdy oferuje wymierną różnicę na hali magazynowej.
Produktywność, dokładność i responsywność.
Traktujemy sztuczną inteligencję pragmatycznie. Uważamy, że jeśli nie pozwala zaoszczędzić czasu ani zmniejszyć liczby błędów w codziennych operacjach, nie mamy na nią miejsca w produkcie.
Większość dostawców inwestuje w sztuczną inteligencję, ale poziomy jej dojrzałości są różne. Niektórzy dostarczają funkcje na poziomie produkcyjnym do dziesiątek lokalizacji. Inni prowadzą obiecujące projekty pilotażowe. Oba podejścia są uzasadnione, o ile przynoszą efekty.
Oto pięć konkretnych przykładów wdrożeń w środowisku produkcyjnym.
1. Dynamiczny przydział zadań:
Równoważenie pracy w czasie rzeczywistym między operatorami a robotami.
Gdy następuje wzrost wolumenu lub brakuje rąk do pracy, system przeprowadza redystrybucję zadań bez czekania na planistę. Jedna z firm e-commerce przeszła na całkowicie bezfalowy model realizacji, skracając czas realizacji zamówienia z 2 dni do 2 godzin.
2. Prognozowanie obciążenia pracą i przewidywanie opóźnień
System prognozuje nierównomierne obciążenie pracą, zanim zagrozi opóźnieniem wysyłek.
Kierownicy ponownie alokują zasoby na podstawie wczesnych sygnałów, a nie późnych alertów. Korzyść jest wymierna: mniej przekroczonych terminów, mniej „gaszenia pożarów”.
3. Computer Vision przy przyjęciach i kontroli jakości
Oparte na sztucznej inteligencji systemy wizyjne natychmiast rozpoznają pożadane i niepożądane kody kreskowe na palecie.
W jednym przedsiębiorstwie skrócono czas walidacji palet o 60%, eliminując dziesiątki ręcznych skanowań w każdym cyklu. To samo zadanie wykonane w krótszym czasie i przy mniejszej liczbie błędów.
4. Wskazówki kontekstowe dla operatorów
Asystenci AI podpowiadają kolejną logiczną czynność w zrozumiałym dla operatora języku.
Pracownicy tymczasowi osiągają pełną wydajność w ciągu kilku dni, a nie tygodni. Nocne zmiany przebiegają z mniejszą liczbą błędów, gdy starsi operatorzy są niedostępni.
5. Rozmieszczanie towaru na podstawie popytu
Rozmieszczenie produktów jest dynamicznie przeliczane na podstawie szybkości rotacji, sezonowości i natężenia ruchu w alejkach.
Statyczne plany rozmieszczenia towaru dezaktualizują się w ciągu kilku tygodni. Rozmieszczanie oparte na sztucznej inteligencji jest dostosowywane na bieżąco, skracając czas przemieszczania się w strefach kompletacji.
O co faktycznie pytają liderzy w kontekście sztucznej inteligencji w rozwiązaniach WMS
Gdy w rozmowach o systemach WMS pojawia się temat sztucznej inteligencji, liderzy działów ds. IT i łańcucha dostaw zazwyczaj zgłaszają te same cztery obawy.
Są to zasadne kwestie. Oto, jak je definiujemy.
Skąd mamy wiedzieć, że jest to rzeczywiste rozwiązanie, a nie chwyt marketingowy?
Poproś o wymierne dowody. Jakie decyzje są obecnie zautomatyzowane? Jakie dane je zasilają i jak często są odświeżane? Dostawca, który może pokazać interwencje z ostatnich 48 godzin, jest w zupełnie innej sytuacji niż ten, który tylko przedstawia plan działania.
Czy sztuczna inteligencja zmniejszy naszą zależność od kluczowych ekspertów?
Będzie to się odbywać stopniowo. Sztuczna inteligencja nie eliminuje wiedzy eksperckiej, lecz sprawia, że można się nią dzielić. Sterowane wykonywanie zadań oznacza, że zmiany nocne nie są uzależnione od jednej osoby, a wdrażanie nowych pracowników przebiega szybciej. Zyskujemy na odporności procesów, a nie na redukcji etatów.
Czy to skomplikuje naszą architekturę IT?
Wręcz przeciwnie, o ile system jest zbudowany na przejrzystej architekturze. Rozwiązanie, które przewiduje problemy, generuje mniej awaryjnych aktualizacji i pilnych zgłoszeń. Kluczowe pytanie brzmi: czy sztuczna inteligencja dostawcy jest zintegrowana z systemem WMS, czy dołączona jako oddzielna warstwa wymagająca zarządzania kolejną integracją?
Jak sztuczna inteligencja mojego systemu WMS będzie współpracować z pozostałymi systemami?
Obecnie większość rozwiązań sztucznej inteligencji działa w izolacji w ramach poszczególnych narzędzi. Kolejnym krokiem jest wyspecjalizowana sztuczna inteligencja przekazująca decyzje za pośrednictwem otwartych protokołów. Zapytaj dostawcę, czy dąży do interoperacyjności, czy też tworzy kolejny zamknięty system.
Jak ocenić stopień dojrzałości sztucznej inteligencji w systemie WMS?
Omówiono obawy. Teraz czas na metodologię
Żaden dostawca nie jest w stanie spełnić wszystkich wymagań związanych z dojrzałością sztucznej inteligencji. Rynek rozwija się dynamicznie, a poziomy dojrzałości są zróżnicowane. Podczas oceny najważniejsza jest jakość rozmowy.
Poniższe pięć pytań pomoże Ci zrozumieć, w jakim miejscu faktycznie znajduje się dostawca systemu WMS:
| Przedmiot zainteresowania | Co ujawnia odpowiedź? |
| Jakie dane zasilają oferowane rozwiązanie sztucznej inteligencji i jak często są one odświeżane? | Czy sztuczna inteligencja bazuje na sygnałach operacyjnych w czasie rzeczywistym, czy na statycznych migawkach danych. |
| Czy można zmienić priorytet podczas prezentacji i pokazać, jak system się zaadaptuje? | Czy sztuczna inteligencja dostosowuje się w ramach procesu, czy też wymaga ponownej konfiguracji. |
| Jak oferowane rozwiązanie sztucznej inteligencji współpracuje z inteligencją innych systemów? | Czy dostawca dąży do stworzenia sztucznej inteligencji opartej na współpracy, czy też tworzy kolejną odosobnioną strukturę. |
| Czy potraficie wyjaśnić logikę stojącą za tą konkretną rekomendacją? | Czy sztuczna inteligencja jest zrozumiała i czy można ją obejść w sytuacjach krytycznych. |
| Jak radzicie sobie z bezpieczeństwem danych i możliwością audytu w kontekście sztucznej inteligencji? | Czy dostawca zajął się kwestią zarządzania IT, czy też odłożył ją na później. |
Dostawca, który szczerze odpowiada na pytania dotyczące obecnych ograniczeń, jest bardziej wiarygodny, niż dostawca, który twierdzi, że potrafi wszystko. Przejrzystość w kwestii dojrzałości sztucznej inteligencji mówi o dostawcy tyle samo, co same możliwości.
Sztuczna inteligencja potrzebuje systemu WMS, który zachowuje kontrolę
Sztuczna inteligencja wzmacnia wszystko, co znajduje się pod spodem. Ustrukturyzowany system WMS z czasem staje się inteligentniejszy. System nieuporządkowany generuje błędne odpowiedzi z zachowaniem pewności siebie. A sztuczna inteligencja wyszkolona na wzorcach z dwóch lat sprzed pandemii COVID-19 będzie optymalizować działania pod kątem świata, który już nie istnieje.
Jakość i aktualność danych to niepodważalne warunki wstępne.
Przed nami jeszcze jedna zmiana. Obecnie większość rozwiązań sztucznej inteligencji w zarządzaniu magazynem działa w odosobnieniu. System WMS obsługuje realizację. System ERP zajmuje się finansami. System TMS odpowiada za transport. Każdy z nich analizuje swój własny obszar. Jest to przydatne, ale powoduje podział na silosy.
Kolejnym krokiem jest inteligencja oparta na współpracy: wyspecjalizowane systemy AI przekazujące decyzje za pośrednictwem otwartych protokołów, takich jak A2A. A2A (Agent-to-Agent) to otwarty protokół zapewniający interoperacyjność agentów sztucznej inteligencji. Jest obecnie obsługiwany przez Google i coraz większą liczbę dostawców.
Dostawcy dążący do tego celu podejmują strukturalne ryzyko, które w ciągu najbliższych 5 lat spowoduje rozdzielenie platform.
Aby sztuczna inteligencja mogła realizować tę trajektorię, system WMS musi spełniać trzy warunki:
- Architektura wspiera ciągłe przepływy danych między systemami, a nie wymianę partiami.
- System WMS może koordynować mieszane środowiska automatyzacji, łącząc przenośniki, roboty i systemy typu „goods-to-person” bez uzależnienia od jednego dostawcy sprzętu. Sposób, w jaki system WMS radzi sobie z przygotowaniem do automatyzacji, decyduje o tym, czy AI może koordynować działania w całym przedsiębiorstwie.
- Model wdrożenia umożliwia częste aktualizacje sztucznej inteligencji bez zakłóceń. Kompromisy między systemem WMS chmurowym a stacjonarnym bezpośrednio wpływają na to, jak szybko funkcje sztucznej inteligencji dotrą do hali magazynowej.