AI i ML omogućit će tvrtkama da lakše predvide trendove potražnje, optimiziraju razine zaliha i identificiraju potencijalne poremećaje u lancu opskrbe u realnom vremenu.
Piše: Boban Mladenovski
Robotika i automatizacija razvijaju se brzim tempom i postaju iznimno važni za lance opskrbe i upravljanje. To se događa kao rezultat sve veće potražnje za brzinom i učinkovitošću, kao i kontinuiranog rasta e-trgovine. Robotika i automatizacija poboljšavaju upravljanje lancem opskrbe smanjenjem troškova, povećanjem radnog opterećenja, smanjenjem pogrešaka, smanjenjem provjera, ažuriranjem, brigom o rokovima isporuke i indukcijom montaže na problematičnom i opasnom mjestu. Robotika također pomaže u dizajniranju, stvaranju itd., dok automatizacija pomaže u obavljanju zadataka od strane ljudi korištenjem fizičkih strojeva koji se samostalno voze, kompjuterskog softvera i druge tehnologije.
Unatoč tome što je široko prihvaćen kao alat za pomoć u donošenju odluka, sustav upravljanja lancem opskrbe vrlo rijetko koristi AI (umjetnu inteligenciju) ili ML (machine learning), odnosno strojno učenje. Umjetna inteligencija i strojno učenje postali su učinkovite tehnologije za poboljšanje upravljanja lancem opskrbe. Način na koji tvrtke organiziraju, implementiraju i unaprjeđuju svoje aktivnosti u lancu opskrbe revolucioniran je integracijom različitih tehnologija.
Precizno predviđanje potražnje jedna je od najvažnijih prednosti ML-a i AI-ja u upravljanju lancem opskrbe. ML algoritmi mogu pouzdano procijeniti potražnju ispitivanjem povijesnih podataka o prodaji i drugih faktora, omogućavajući tvrtkama da optimiziraju razine svojih zaliha i smanje zalihe. Kao rezultat toga, kupci su zadovoljniji jer dobivaju svoje proizvode u potpunosti i na vrijeme. Analizom različitih faktora, kao što su vremenske prilike, promet i uvjeti na putu, ML i AI također mogu pomoći u optimizaciji transportnih ruta.
Kao suštinski dio globalne ekonomije, lanac opskrbe odgovoran je za transport, distribuciju i isporuku robe kupcima širom svijeta. Povećana potražnja, rastući troškovi, kao i potreba za povećanjem učinkovitosti i brzine samo su neki od problema koje sektor mora prebroditi. Poboljšanjem preciznosti, brzine i pouzdanosti lanca opskrbe, robotika i tehnologije automatizacije imaju potencijal da odgovore na mnoga od ovih pitanja. Tvrtke koje rade s e-trgovinom ulažu velika sredstva u usvajanje novih tehnologija zasnovanih na robotici i automatizaciji.
Autonomni robot sposoban je za percepciju, donošenje odluka i djelovanje kao odgovor na promjene u okruženju. Mehatronika i automatizacija su svestrani, brzo se mogu koristiti za kompjutorizaciju i na taj način nalaze primjenu u raznim industrijskim segmentima jer su prilagodljivi i najjednostavniji za primjenu. Nove tehnologije osiguravaju da se proizvodi skladište, pakiraju i isporučuju pravovremeno i učinkovito. Automatizacijom ponavljajućih i dugotrajnih operativnih procesa, povećavaju se preciznost i sigurnost uz istovremeno omogućavanje vidljivosti i kontrole u cijelom skladištu u realnom vremenu.
Neke od glavnih upotreba robota i automatizacije u upravljanju skladištem su:
• Automatski transport i rukovanje materijalima
• Mobilni autonomni roboti za ispunjavanje i odabir narudžbi
• Automatska kontrola i upravljanje rezervama
• Automatska inspekcija i kontrola kvalitete
• Virtualna i proširena stvarnost za obuku i simulaciju
• Automatski sustavi za skladištenje i pronalaženje (AS/RS).
Koji su najbolji automatizirani sustavi?
Automatizirani AS/RS sustavi koriste se za skladištenje i preuzimanje robe u skladištima. To je skup kompjutorski kontroliranih sustava koji pomažu da se kompjutorizira upravljanje zalihama za skladištenje i vraćanje robe. Pomoć u kreiranju ovih okvira olakšava posao brzim vraćanjem i postavljanjem stavki. AS/RS sustavi rade kao neka vrsta dizalica, krećući se duž postavljenih tračnica, mogu se pouzdano kretati po stazama postavljenim na podu, a također i vertikalno na odabranim razinama. Istovremeno se koriste za ubrzanje pripreme naloga i upravljanja rezervama.
Uz automatizaciju, kompanije sve više koriste tzv. automatski vođena vozila (AGV) koja predstavljaju autonomne transportne sustave za kretanje robe u skladištima i proizvodnim objektima. Obično se koriste za transport od skladišta do utovarnog pristaništa. AGV zamjenjuju klasične viličare, imaju nezavisne staze koje su označene i odvojene jedna od druge žicama, dobro označenim trakama i senzorima. Da bi se izbjegle određene prepreke, također se koriste kamere, LIDAR infracrvena tehnologija, kao i druga osnovna senzorska tehnologija, navigacijska tehnologija i sistemska integracija.
Druga tehnologija koja se koristi u skladištima dolazi u obliku kolaborativne robotike poznate kao (Cobots). Ovi svestrani, poluautonomni roboti stvoreni su da pomognu radnicima u obavljanju raznih zadataka u skladištima. Neki od tih kobota patroliraju podom skladišta tražeći ljude koji pripremaju narudžbe i služe kao prilagodljivi kontejneri za skladištenje narudžbi. Savršen put kroz radno okruženje osigurava koordinacija senzora, koji im omogućavaju da prepoznaju prepreke kao što su, na primer, kutije. Organiziranjem ili grupiranjem stanica, koboti mogu odgovoriti na više unaprijed određenih zahtjeva i na taj način pomoći radnicima na različitim lokacijama u skladištu. Ovakav način rada ubrzava i unaprjeđuje cjelokupni proces radi zadovoljavanja zahtjeva kupaca.
Tehnologija Goods-to-Person moderan je model koji koriste kompanije za e-trgovinu baziran na operacijama velikog obujma, također kada online kupovina uključuje određene proizvode. G2P je posebno koristan za ispunjavanje više pojedinačnih narudžbi odjednom, koje zahtijevaju preuzimanje pojedinačnih proizvoda s različitih lokacija i pakiranje u pakete spremne za otpremu. Tradicionalna priprema proizvoda uključivala je ljude koji su morali hodati do proizvoda.
Skraćivanjem vremena za pripremu narudžbi, poboljšava se učinkovitost u radu, a povećava se i količina gotovih narudžbi. Dakle, implementacijom novih tehnologija imamo robote koji mehanički uklanjaju pojedinačno uskladištene proizvode i isporučuju ih radniku koji priprema narudžbu ili ih dostavlja na komisionu stanicu. Akcent komisionih i pakirnih stanica je na ergonomiji i visokoj produktivnosti, jer radnik ne mora ići na lokaciju na kojoj se proizvod nalazi.
Svaka tvrtka treba predvidjeti dnevnu potražnju uzimajući u obzir mnoge faktore, na primjer, datum i vrijeme kupovine, broj kupljenih artikala i pritom odrediti trend prodaje. Tako se može identificirati sezonska potražnja i razviti model ponašanja kupaca. Koristeći nekoliko ML modela i alata umjetne inteligencije, vjerojatno ćemo doći do zaključka da je u prazničnoj sezoni prodaja povećana. Može se zaključiti da prodaja može rasti ili padati ovisno o vremenskim prilikama i događajima. Samo tako ćemo razumjeti uzročno-posljedičnu vezu prilikom predviđanja buduće potražnje kao rezultata različitih uvjeta i utjecaja.
Učinkovitost lanca opskrbe, produktivnost i uštede u troškovima značajno su se povećale upotrebom robotike i automatizacije, umjetne inteligencije i ML-a. Globalna e-trgovina se povećava, a s tim rastom dolazi i potreba da se proizvodi kreću što je brže moguće kroz lanac nabave. Povećana očekivanja kupaca za brže ispunjavanje narudžbi, žestoka konkurencija i pojava novijih poslovnih modela naveli su kompanije, posebno tvrtke za e-trgovinu, da traže vrhunska tehnološka rješenja kako bi na najbolji način odgovorile na zahtjeve svojih klijenata. To uzrokuje generiranje novih tehnoloških rješenja koja će se pojaviti u ne tako dalekoj budućnosti.
Zapravo, očekuje se da ćemo svake godine imati neka nova tehnološka rješenja za unaprjeđenje lanca nabave, uključujući mobilna, inteligentna, autonomna rješenja koja će omogućiti da posao brzo napreduje i zadovolji sve veću potražnju. Istovremeno će se raditi na osiguranju nižih troškova poslovanja, održavanju njihove konkurentnosti i upravljanju manjkom radne snage i efikasnosti. Tvrtke mogu poboljšati propusnost, smanjiti pogreške i smanjiti troškove rada automatizacijom većine ručnih procesa.
Možemo zaključiti da će primjena AI-ja i ML-a omogućiti tvrtkama da lakše predvide trendove potražnje, optimiziraju razine zaliha i identificiraju potencijalne poremećaje u lancu opskrbe u realnom vremenu.
