Dachser ocenia jak wykorzystać potencjał sztucznej inteligencji dla logistyki w branży chemicznej

Na bardzo wczesnym etapie swojej działalności operator logistyczny nadał cyfryzacji priorytetowe znaczenie. Wprowadzając kod kreskowy SSCC i wysoce zintegrowane systemy podstawowe, firma pomogła ukształtować cyfrowy kurs, jaki obrała logistyka. Obecnie najważniejszymi elementami tego procesu w Dachser są uczenie maszynowe i sztuczna inteligencja (AI).

Aby zapewnić jakość i sprostać wyzwaniom, takim jak niedobór kierowców i innych wykwalifikowanych pracowników, logistyka pilnie potrzebuje cyfrowej transformacji. Co więcej, branża jest wzywana do dalszego zwiększania tempa, przy wdrażaniu nowych technologii i włączaniu megatrendów społecznych, zmieniających sposób w jaki żyjemy, takich jak cyfryzacja, urbanizacja, e-mobilność i łączność. Wymaga to strategicznego nastawienia i silnej kontroli, ponieważ wszystko sprowadza się do aktywnego kształtowania przyszłości poprzez przewidywanie tego, co będzie niezbędne.

Potrzebę i korzyści wynikające z zastosowania sztucznej inteligencji dostrzega również Ewelina Staszewska-Kobiela, Kierownik Rozwoju Biznesu Polska DACHSER Chem Logistics. 

W Dachser badamy trzy kluczowe przypadki użycia aplikacji opartych na AI, które przyniosą korzyści również naszym klientom z branży chemicznej. Jest to automatyzacja usług drobnicowych, planowanie procesów i redukcja emisji.

Logistyka drobnicowa jest kluczowym elementem wpływającym na konkurencyjność w branży przemysłowej, a więc także w obrębie produkcji chemicznej. W tym przypadku wolumen ładunków przewożonych na paletach i w big bagach również maleje, co oznacza, że lepszym rozwiązaniem jest dzielenie przestrzeni ładunkowej z innymi nadawcami. Jest to jedyny sposób na szybką i ekonomiczną dostawę towarów przy jednoczesnym ograniczeniu emisji CO2 do minimum. Jednak zerwane łańcuchy dostaw oraz gwałtowny wzrost dostaw do klientów końcowych wywierają presję nawet na najbardziej wydajne sieci drobnicowe. Tutaj z pomocą przychodzi inteligentne zarządzanie danymi, algorytmy i sztuczna inteligencja, które za pomocą modeli matematycznych, zdolnych do „uczenia się” wzorców i struktur obecnych w danych szkoleniowych, mogą generować najlepsze możliwe rozwiązania.

Wszystko zaczyna się od praktyk logistycznych – opartych przede wszystkim na fachowej wiedzy specjalistów i zasobach fizycznych, takich jak infrastruktura sieci i terminali, niezbędnych do świadczenia usług. Wydajność w dużej mierze zależy od tego, co dzieje się w hubach logistycznych, gdzie łączą się transporty na długich i krótkich dystansach. Dużą rolę odgrywa operator logistyczny, a zwłaszcza pracownicy zajmujący się załadunkiem i rozładunkiem towarów. Optymalizacja ładowności naczep i nadwozi wymiennych przypomina grę Tetris i wymaga solidnego przygotowania. Przykładowo biorąc pod uwagę tylko poziom posiadanego doświadczenia pracownika różnica w wykorzystaniu przestrzeni ładunkowej może wynosić nawet 15%. Ponadto z powodu zmian demograficznych i związanych z nimi niedoborami wykwalifikowanego personelu i miejsca, konieczne jest przyjęcie bardziej inteligentnych i wydajnych sposobów radzenia sobie z dostępnymi zasobami. Dachser ma w tym zakresie już wyraźne osiągnięcia. Z końcem 2023 r. Dachser i Fraunhofer IML otrzymali Niemiecką Nagrodę Logistyczną od Niemieckiego Stowarzyszenia Logistycznego (German Logistics Association – BVL) za @ILO, innowację technologiczną, która w znacznym stopniu digitalizuje procesy logistyki drobnicowej.

@ILO (skrót od Advanced Indoor Localization and Operations) to technologiczna innowacja, która może zapewnić kompleksową cyfrową mapę terminala tranzytowego w czasie rzeczywistym. Do identyfikacji otoczenia, @ILO wykorzystuje dwuwymiarowe kody Data Matrix, podobne do kodów QR, umieszczonych na górze każdej palety oraz kilkaset optycznych jednostek skanujących umieszczonych na suficie terminala. W ciągu kilku sekund, przy pomocy algorytmów opartych na sztucznej inteligencji, technologia ta tworzy cyfrowego bliźniaka, czyli reprezentację wszystkich procesów zachodzących w terminalu w czasie rzeczywistym. System zapewnia identyfikację, pomiar wszystkich opakowań i ich lokalizację z dokładnością do jednego metra. Powstały obraz jest stale aktualizowany, a informacje są wyświetlane na monitorach i urządzeniach obsługiwanych przez pracowników. Dzięki temu kierowcy wózków widłowych i pracownicy magazynu dokładnie wiedzą, gdzie znajduje się każda paleta i dokąd musi się udać. Może to skrócić czas poszczególnych procesów od 15 do 35 procent. To samo dotyczy towarów niebezpiecznych, które oczywiście nadal muszą być oznakowane zgodnie z przepisami. Jednak to co uległo zmianie, to w tym przypadku fakt, że nowy system dostarcza tych informacji w sposób znacznie bardziej przejrzysty i wydajny niż poprzednie rozwiązania.

@ILO jest wynikiem ponad sześciu lat wspólnych badań prowadzonych przez Dachser i Fraunhofer IML. Dachser wdrożył już tę technologię w czterech swoich europejskich lokalizacjach, a w ciągu najbliższych kilku lat wprowadzi ją w kolejnych oddziałach w Europie.

Terminale tranzytowe nie są jedynymi miejscami, w których sztuczna inteligencja może pomóc w zapewnieniu przydatnych rozwiązań. Przykładem może być automatyzacja w magazynie. Pojazdy sterowane automatycznie (AGV) wyposażone w systemy czujników, takich jak kamery, sensory lidar i radar, poruszają się właśnie z pomocą sztucznej inteligencji. Te autonomiczne transportery pracują samodzielnie, wykonując proste, powtarzalne zadania, takie jak przenoszenie palet z magazynu do terminala tranzytowego.

Kolejnym kluczowym czynnikiem dla osiągnięcia wydajności i jakości w logistyce jest zdolność planowania. Również w tym przypadku sztuczna inteligencja może naprawdę wiele zmienić, czego najlepszym przykładem jest PAnDA One – pierwszy projekt uczenia maszynowego Dachser. Jest to akronim od Predictive (P) Analytics (An) DACHSER (DA), gdzie "One" oznacza, że jest to pierwsze tego typu rozwiązanie w firmie. Model PAnDA One został specjalnie zaprojektowany do prognozowania wolumenów towarów dostarczanych do naszych europejskich oddziałów logistycznych, co stanowi istotne wsparcie decyzyjne w zakresie planowania zdolności produkcyjnych. Dzięki czemu możliwe jest uzyskanie odpowiedniej ładowności na danym rynku już na wczesnym etapie planowania lub właściwe zarządzanie zasobami w terminalu tranzytowym. W tym celu model prognozowania dostarcza odpowiednie informacje dotyczące wielkości ładunków przychodzących z wyprzedzeniem do 25 tygodni. PAnDA One daje zatem oddziałom Dachser kolejne cenne narzędzie – takie, które służy do weryfikacji prognoz sporządzanych przez doświadczonych menedżerów operacyjnych i potwierdzenia spostrzeżeń zebranych podczas rozmów z klientami. Technologia ta pomaga podejmować rozsądne decyzje.

Zrównoważone praktyki, zarówno w wymiarze ekologicznym, społecznym, jak i ekonomicznym, torują drogę do bezpiecznej i stabilnej ekonomicznie przyszłości. Dachser dąży do jak najszybszego osiągnięcia zerowej emisji CO2 netto dla własnych obiektów i pojazdów. Z tego powodu firma utworzyła specjalne punkty e-mobilności zlokalizowane na terenie oddziałów we Fryburgu, Hamburgu i Malsch koło Karlsruhe. Są to miejsca, w których koncentrujemy się na badaniach i testowaniu bezemisyjnych ciężarówek akumulatorowo-elektrycznych i ich infrastruktury ładowania, wykorzystaniu i samodzielnej produkcji energii elektrycznej ze źródeł odnawialnych oraz inteligentnym zarządzaniu i zużyciem energii. Choć na pierwszy rzut oka może się to wydawać nieoczywiste, gromadzenie danych i ich inteligentne wykorzystywanie odgrywa ważna rolę w tym procesie. Szczególnie, że opracowywanie wiarygodnych modeli i scenariuszy zastosowań dla wdrażania bezemisyjnego transportu krótko- i długodystansowego wymaga zbierania informacji na wielką skalę. Jest to ekscytujący przypadek zastosowania sztucznej inteligencji przez firmę Dachser z myślą o przyszłości.

To, czego Dachser nauczył się podczas korzystania z aplikacji AI, to fakt, że uczenie maszynowe często wiąże się z metodą prób i błędów. Chodzi o sprawdzanie danych testowych tak długo, jak to konieczne, aby osiągnąć pożądany dla danego przypadku użycia poziom dokładności i jakości. W przeciwieństwie do konwencjonalnego kodowania, wymaga to przede wszystkim jednej rzeczy: cierpliwości. Sztuczna inteligencja może mieć również swoje wady, takie jak utrata kontroli czy ryzyko odpowiedzialności. Dlatego ważne jest, aby krytycznie przeanalizować każdy proces, kierując się zwykłym zdrowym rozsądkiem. Niemniej jednak, transformacja cyfrowa oferuje wyjątkowe możliwości zrównoważonego, przyszłościowego rozwoju. Natomiast rozsądna dawka sztucznej inteligencji i uczenia maszynowego zamiast zastępować ludzi, pomoże im podejmować bardziej świadome, a tym samym lepsze decyzje. Logistyka jest tworzona przez ludzi, dla ludzi – i to się nie zmieni. Oznacza to, że każda firma ma wszystko, czego potrzeba, aby kształtować swoją cyfrową przyszłość.