AI przestaje być ciekawostką – staje się doradcą wspierającym procesy logistyczne
AI (Artificial Intelligence; sztuczna inteligencja) to, w największym uproszczeniu, samouczące się maszyny, roboty, a także oprogramowanie pozwalające im reagować w sposób podobny do człowieka. Pierwsze informacje o wdrożeniach rozwiązań z zakresu AI w logistyce zaczęły się pojawiać w Polsce kilka lat temu, a teraz zainteresowanie nimi szybko rośnie.
Tekst: Michał Jurczak
Zdjęcie: Freepik.com
Sztuczna inteligencja w dość oczywisty sposób może mieć, a w wielu przypadkach już ma, wpływ na praktyki stosowane w logistyce. Pozwala bowiem np. analizować ogromne ilości danych generowanych przez powszechnie stosowane w sektorze TSL systemy WMS (Warehouse Management System) czy TMS (Transport Management System). AI może wspierać klientów i dostawców oraz wspomagać uzyskanie kluczowych dla nich informacji. W praktyce pozwala np. samoczynnie rozpoznawać towary, wie, które z nich najczęściej są kompletowane razem, czy które są najczęściej zamawiane. Pozwala automatycznie rozróżniać uszkodzenia i określać ich charakter. Umożliwia też optymalizowanie transportu, wybierając najlepsze trasy (z uwzględnieniem bieżących warunków drogowych, dostępności kierowców czy priorytetów dostaw), czy też najbardziej efektywne połączenia, przypisując konkretny pojazd do danego ładunku. Już obecnie AI wykorzystywana jest w logistyce do analizy danych w czasie rzeczywistym (np. po to, aby przewidzieć obciążenia operacyjne w magazynach czy pomagać zorganizować pracę) czy do prognozowania popytu. W istocie pomaga w procesach decyzyjnych, ułatwia świadome zarządzanie ryzykiem. W wielu przypadkach jest w stanie proponować działania naprawcze, zanim jeszcze wydarzy się jakieś niepożądane zjawisko.
AI robi swoje
Branża logistyczna jest podatna na AI, jest też w stanie znacząco wykorzystać oferowane przez nią możliwości. Ubiegłoroczny raport opracowany przez Mecalux i Intelligent Logistics Systems Lab z MIT-u na podstawie ankiety przeprowadzonej wśród ponad dwóch tysięcy specjalistów ds. logistyki (z 21 krajów) wskazuje na duże tempo wdrażania automatyzacji i sztucznej inteligencji (ponad 9 na 10 magazynów korzysta już z jakiejś formy sztucznej inteligencji lub inteligentnej automatyzacji). W ponad połowie organizacji, zwłaszcza dużych firm posiadających liczne obiekty i złożone sieci logistyczne, procesy są już w znacznym stopniu lub w pełni zautomatyzowane. Magazyny mają już dawno za sobą pojedyncze testy pilotażowe i coraz częściej wykorzystują sztuczną inteligencję w codziennej pracy, m.in. w takich zadaniach jak przygotowywanie zamówień, optymalizacja zapasów, konserwacja urządzeń, planowanie pracy oraz monitorowanie bezpieczeństwa. – Dane dowodzą, że fi rmy posiadające inteligentne magazyny przewyższają konkurencję pod względem produktywności, dokładności i elastyczności. Przedsiębiorstwa inwestujące w sztuczną inteligencję są nie tylko szybsze, ale także dysponują większą odpornością i przewidywalnością, co pozwala im skuteczniej radzić sobie ze zmiennością i lepiej się przygotować na szczyt sezonu – podkreślał, podsumowując raport, Javier Carrillo, Dyrektor Generalny Mecalux.
Jakub Kawalec, Starszy Programista, Asseco Business Solutions, twierdzi, że sektor TSL to jedna z tych branż, w których AI nie jest modą, tylko naturalnym kierunkiem rozwoju. – Logistyka pracuje na dużej liczbie danych, jest pod ciągłą presją czasu i kosztu, a do tego opiera się na procesach, które trzeba powtarzać szybko i z małym marginesem błędu. To tworzy dobre warunki zarówno dla algorytmów wspierających planowanie i pracę magazynu, jak i dla narzędzi przyspieszających pracę na dokumentach oraz komunikacji – mówi J. Kawalec, zaznaczając jednocześnie, że sama technologia niczego nie załatwia. Jeżeli dane są niespójne między WMS, TMS, ERP i innymi systemami, a proces działa głównie na wyjątkach i ręcznych obejściach, to nawet dobry model pozostanie jedynie ciekawostką. – W logistyce liczy się nie to, czy AI da się pokazać na demo, tylko czy pomaga przyspieszyć konkretny etap pracy, ograniczyć liczbę pomyłek i utrzymać stabilność operacji – mówi J. Kawalec.
Wojciech Ciężobka, Analityk Biznesowy, verocargo, zaznacza, że w praktyce AI jest aparatem matematycznym do rozpoznawania wzorców w dużych wolumenach danych celem optymalizacji i automatyzacji procesów, a dla tak postawionej definicji zastosowań AI w branży TSL nie brakuje. – Na pewno prościej jest automatyzować zamknięte magazyny, gdzie procesy można w pełni ustandaryzować end-to-end. Natomiast w spedycji, gdzie na proces wpływa wiele zewnętrznych czynników, a samą oś procesu stanowi transport drogowy, wyzwań jest więcej – zaznacza W. Ciężobka.
Podobnego zdania jest Jadwiga Żurek, Sales Director, Arvato, potwierdzając, że argumentami za zastosowaniem AI w sektorze transportowo-logistycznym jest nie tylko to, że opiera się on na dużej liczbie danych, ale również powtarzalność procesów oraz konieczność szybkiego podejmowania decyzji operacyjnych. – To środowisko, w którym nawet niewielka optymalizacja pojedynczego etapu może przynieść wymierny efekt w skali całej operacji – przypomina J. Żurek, dodając, iż w logistyce magazynowej AI coraz częściej pełni rolę warstwy analityczno-decyzyjnej, która wspiera istniejące systemy automatyzacji i robotyzacji. – Nie działa więc w oderwaniu od innych technologii, ale jako element szerszego ekosystemu, przetwarza dane, analizuje bieżącą sytuację operacyjną i pomaga systemom magazynowym podejmować trafniejsze decyzje – tłumaczy J. Żurek.
Obszary szczególnej troski
To, że takie zastosowania jak OCR czy analityka BI to dziś rynkowy standard i fundament cyfryzacji (bez nich nie ma mowy o zaawansowanym AI), przypomina W. Ciężobka (verocargo). – Ciekawsze wyzwania pojawiają się w samej spedycji, np. w zagadnieniu automatycznego sugerowania stawek. Algorytmy AI automatycznie przeszukują otwarte źródła danych, takie jak giełdy transportowe, inne informacje rynkowe oraz bieżące parametry zlecenia, i w oparciu o nie, mogą sugerować wycenę. Istnieją też na rynku narzędzia analityczne, które wykrywają wzorce w przepływach potoków ładunkowych i sugerują ich usprawnienia, klasyczne zagadnienie optymalizacji. To występuje jednak częściej na etapie pierwszej i ostatniej mili, gdzie analizowane ścieżki i przepływy są bardziej przewidywalne – mówi W. Ciężobka i dodaje, że problem pozostaje otwarty na etapie middle-mile, co wynika z większej liczby czynników zewnętrznych wpływających na planowanie tras i otwartego środowiska, w którym poruszają się samochody. – Nie jest to jednak problem niemożliwy, a trudniejszy. Sztandarowym przykładem jest w pełni autonomiczny transport, który od lat pozostaje „śpiewką przyszłości” – zastrzega przedstawiciel firmy verocargo, podkreślając jednocześnie, że obecny rynkowy boom na sztuczną inteligencję napędzają głównie modele językowe (np. ChatGPT), które świetnie radzą sobie z tekstem i powoli uczą się obsługi komputera, ale wciąż nie rozwiązują skomplikowanych problemów fizycznej nawigacji w dynamicznym środowisku drogowym. Do tego potrzeba innych klas algorytmów. – Prawdopodobnie rozwiązanie problemu autonomicznego transportu będzie zbieżne z rozwiązaniem problemów z zakresu robotyki, więc warto śledzić również tę dziedzinę – radzi W. Ciężobka.
To, że w magazynie najlepiej widać rozwiązania bezpośrednio wspierające wykonanie zadania, podkreśla J. Kawalec (Asseco Business Solutions). Jako przykład podaje Voice Picking w Softlab WMS by Asseco, gdzie magazynier realizuje wybrane procesy w trybie hands-free, a system prowadzi go głosowo przez kolejne kroki. – Drugi obszar to algorytmy wspierające rozmieszczanie towaru, planowanie kompletacji, wyznaczanie ścieżki zbiórki czy priorytetyzację zadań. To są po prostu funkcje, które mają przyspieszyć pracę magazynu i ograniczyć liczbę pomyłek – dodaje J. Kawalec. Jeśli chodzi o transport, J. Kawalec przypomina, że mowa dziś przede wszystkim o lepszym przewidywaniu przebiegu realizacji, wcześniejszym wychwytywaniu ryzyka i sprawniejszej wymianie informacji między uczestnikami procesu. – Tu znaczenie mają zarówno klasyczne mechanizmy analityczne, jak i dobra integracja systemów. W praktyce największą wartość daje rozwiązanie, które pozwala zareagować wcześniej, a nie dopiero opisać problem po fakcie – tłumaczy J. Kawalec, wspominając też o dużej podatności spedycji na rozwiązania oparte na pracy z treścią i dokumentem. – Nadal dużo czasu zabiera tam czytanie maili, odczyt danych z faktur i zamówień, porządkowanie informacji i odtwarzanie kontekstu sprawy. Dlatego dobrze bronią się tu narzędzia takie jak Businesslink, które automatyzują wymianę dokumentów, wspierają OCR, mapowanie pozycji i automatyczne uzupełnianie danych przy kolejnych dokumentach, a także asystenci AI ułatwiający pracę w systemie ERP – wylicza przedstawiciel Asseco Business Solutions.
O tym, że najczęściej wdrożenia zaczynają się od optymalizacji pojedynczych procesów, ponieważ łatwiej wtedy dopasować infrastrukturę do konkretnego wyzwania i zmierzyć efekty, przypomina J. Żurek (Arvato), a jako przykład podaje rozwiązania wspierające lub zastępujące pracowników w najbardziej powtarzalnych i żmudnych czynnościach, np. przy pracach przeładunkowych czy zasilaniu systemów przenośnikowych. – W takich przypadkach mówimy często o połączeniu AI z automatyką i robotyką, np. z wykorzystaniem systemów wizyjnych – dodaje J. Żurek.
Porządkują i automatyzują
– Najbliższe lata nie będą należały do najbardziej efektownych wdrożeń, tylko do najbardziej użytecznych. Będzie więcej rozwiązań, które porządkują pracę użytkownika w systemie, automatyzują obsługę dokumentów, lepiej wspierają kompletację i ułatwiają podejmowanie decyzji na podstawie danych z kilku źródeł jednocześnie.
Jakub Kawalec,
Starszy Programista,
Asseco Business Solutions
Eksperci ALEET, spółki technologicznej tworzącej cyfrowe bliźniaki transportu drogowego oparte na AI, zaznaczają, że kluczowa zmiana w zarządzaniu transportem drogowym dotyczy sposobu podejmowania decyzji operacyjnych i krytycznego myślenia. – Tradycyjne i powszechnie stosowane systemy do zarządzania transportem TMS bardzo dobrze opisują to, co wydarzyło się w operacjach transportowych. Na podstawie danych historycznych pozwalają analizować wykonane zlecenia, koszty i wykorzystanie floty. Jednakże nie pomogą nam odpowiedzieć na pytanie, co wydarzy się, jeśli zmienimy jakieś parametry operacji dzisiaj i dziś musimy podjąć decyzję, co dalej, nie wspominając już o przejrzystości kosztów – mówi Katarzyna Marczuk, Prezes Zarządu, ALEET. Nowe technologie pozwalają analizować zarządzanie flotą pojazdów i zleceniami w zupełnie inny sposób niż za pomocą tradycyjnego TMS, np. rozwiązanie oparte na koncepcji cyfrowego bliźniaka floty tworzy wirtualny model operacyjno-ekonomiczny transportu i wykonywanych przewozów dzięki przetworzeniu danych w czasie rzeczywistym. To umożliwia tworzenie i testowanie setek scenariuszy transportowych, jeszcze zanim zostanie podjęta decyzja operacyjno- kosztowa. – Zamiast analizować jeden wariant operacji po fakcie i zastanawiać się, gdzie i co można było zoptymalizować, dla przyszłych transportów możemy sprawdzić setki scenariuszy bez żadnego ryzyka i wybrać ten najlepszy – podkreśla przedstawicielka ALEET. Takie podejście pozwala m.in. badać wpływ zmian na strukturę zleceń, testować różne modele wykorzystania floty czy sprawdzać ekonomiczne konsekwencje zmian kosztów operacyjnych. Zmiana sposobu zarządzania operacjami transportowymi pociąga za sobą również zmianę kompetencji potrzebnych do zarządzania transportem. – Jeżeli cyfrowy bliźniak floty potrafi w kilka minut wygenerować setki scenariuszy operacyjnych, to największą wartością w zarządzaniu dostawami przestaje być przygotowanie raportu. Największą wartością staje się zdolność interpretacji tych scenariuszy i zrozumienia ich konsekwencji biznesowych. W praktyce oznacza to rozwinięcie kompetencji w zakresie czytania scenariuszy operacyjnych i decyzyjności w środowisku dużej zmienności – wyjaśnia K. Marczuk.
Trudno nie zauważyć też obecności AI w handlu. Jak podkreślają w niedawnym komunikacie logistycy firmy DACHSER, AI przestaje być ciekawostką – staje się doradcą. Podpowiada produkty, tworzy listy zakupowe, projektuje wnętrza. Firmy muszą więc zadbać o jakość danych produktowych i obecność w sieci. Jeśli produkt nie jest dobrze opisany i widoczny online, sztuczna inteligencja go nie zauważy. Logistycy firmy DACHSER powołują się na badania McKinsey, które szacują, że wartość zastosowań AI w handlu detalicznym sięga setek miliardów dolarów – od personalizacji po automatyzację obsługi. Wykorzystanie AI staje się szansą na indywidualne podejście do klienta i reagowanie na jego potrzeby. Pozwala również zmniejszać koszty administracyjne i umożliwia wejście na rynek mniejszym firmom. – Sztuczna inteligencja będzie doradzała klientowi – od wyboru stylu łazienki po listę produktów. Wygrają ci, których produkty AI widzi i rozumie, bo są dobrze opisane i obecne tam, gdzie klient ich szuka. To nie jest odległa przyszłość – to dzieje się już teraz. Jeśli firma nie przygotuje się na ten trend, zostanie w tyle – komentuje Juliusz Pakuński, Business Development Manager Poland, DACHSER DIY Logistics.
Specyficzne cechy i ograniczenia
– W mojej ocenie AI wpłynie na TSL tak samo mocno jak na każdą inną branżę, jednak szczególnie ciekawe mogą być zastosowania tak zwanej wąskiej sztucznej inteligencji (ang. Narrow AI), czyli rozwiązań sztucznej inteligencji projektowanej ściśle pod dane zagadnienie, wykorzystując jego specyficzne cechy i ograniczenia. To w tych miejscach sztuczna inteligencja ma największy potencjał wsparcia czy nawet zastąpienia działań dotychczas wykonywanych przez ludzi.
Wojciech Ciężobka,
Analityk Biznesowy,
verocargo
Co dalej?
Już obecnie zastosowanie AI w sektorze TSL jest znaczące, a będzie jeszcze większe. – Dziś wykorzystujemy AI do automatycznej rejestracji zleceń na podstawie danych z maili i plików, przekazywanych następnie bezpośrednio do TMS. W kolejnych latach systemy będą coraz mocniej wspierać identyfikację wyjątków, prognozowanie zakłóceń oraz analizę operacyjną w czasie zbliżonym do rzeczywistego. Z naszej perspektywy TMS przyszłości to narzędzie wspierające strategię biznesową – umożliwiające skalowanie operacji oraz budowę przewagi konkurencyjnej opartej na danych i automatyzacji – komentuje Patryk Pietrzak, Specjalista ds. Data Science, Hellmann Worldwide Logistics Polska.
W. Ciężobka (verocargo) spodziewa się w niedalekiej przyszłości przede wszystkim integracji pojedynczych automatyzacji w jeden w pełni zautomatyzowany łańcuch. Jego zdaniem dyspozytor czy spedytor pełniłby w takim modelu rolę podobną do roli kontrolera lotów. Operowałby wieloma równoległymi procesami i reagował w oparciu o wyjątki, oddając rutynowe zadania maszynom, których interfejs z czasem staje się coraz bardziej naturalny dla ludzi. – Warunkiem koniecznym dla tej wizji jest jednak cyfryzacja branży i wykształcenie kultury danych, które prędzej czy później staną się walutą rozwoju, również w tej branży. Spedycja i logistyka są trochę bardziej wymagające z uwagi na występowanie wielu czynników fizycznych i zmienny charakter procesów. To trochę jak w robotyce. Jednak gdy jako branża nauczymy się pracować z danymi i ustandaryzujemy te procesy, pełna automatyzacja przestanie być pytaniem „czy?”, a stanie się pytaniem „kiedy?” – zastrzega W. Ciężobka.
J. Kawalec (Asseco Business Solutions) prognozuje też dalszą perspektywę. Jego zdaniem większego znaczenia nabierze łączenie danych z kilku warstw jednocześnie: magazynu, zamówień, dokumentów, reklamacji i systemów klienta, co otworzy drogę do trafniejszych rekomendacji operacyjnych i bardziej kontekstowego wsparcia użytkownika. – Równolegle będą rosły wymagania dotyczące odpowiedzialności za decyzję modelu, śladu audytowego i zgodności z regulacjami, w tym z AI Act. W logistyce trzeba wiedzieć nie tylko, co system podpowiada, ale też kto tę podpowiedź zatwierdza i na jakiej podstawie – dodaje J. Kawalec.
Z kolei przedstawicielka Arvato największego rozwoju spodziewa się w obszarze jeszcze skuteczniejszego przetwarzania i analizy danych. Logistyka generuje ogromne ilości informacji na każdym etapie procesu, natomiast kluczowe staje się nie samo ich gromadzenie, ale umiejętność wyciągania trafnych wniosków i szybkiego przekładania ich na decyzje operacyjne. Coraz większe znaczenie, jej zdaniem, będzie miała również jakość danych, ponieważ to ona bezpośrednio wpływa na skuteczność modeli predykcyjnych i rekomendacji generowanych przez AI. – Z perspektywy operacyjnej oznacza to m.in. bardziej dynamiczne rozdzielanie pracy, lepsze prognozowanie obciążeń czy szybsze reagowanie na zmiany w procesach. Istotnym kierunkiem rozwoju pozostanie także integracja AI z systemami wizyjnymi, automatyką i robotyką. Roboty będą mogły przejmować coraz więcej powtarzalnych czynności, jednak o przewadze konkurencyjnej decydować będzie przede wszystkim inteligentne oprogramowanie sterujące całym środowiskiem operacyjnym – podsumowuje J. Żurek.
Duże zbiory, szybkie wnioski
– W logistyce magazynowej AI jest dziś wykorzystywana przede wszystkim tam, gdzie kluczowe znaczenie ma analiza dużych zbiorów danych i szybkie wyciąganie wniosków. Dotyczy to m.in. predykcji wolumenów zamówień, planowania zapotrzebowania na pracowników, analizy rotacji produktów, optymalizacji rozmieszczenia towarów czy tras kompletacyjnych.
Jadwiga Żurek,
Sales Director,
Arvato
– Wraz z tym postępem maleje znaczenie ról skoncentrowanych wyłącznie na zarządzaniu systemami raportującymi historię operacji, np. tak jak w przypadku tradycyjnego TMS – komentują eksperci ALEET, wskazując na to, że w najbliższych latach największe znaczenie w transporcie drogowym będą miały umiejętności analizowania modeli predykcyjnych, rozumienie ekonomiki operacji transportowych oraz umiejętności podejmowania decyzji w warunkach wysokich wahań wielu czynników na rynku. – To nie jest zmiana jednego narzędzia ani jednego stanowiska. To zmiana sposobu myślenia o zarządzaniu transportem. Przyszedł czas na krytyczne myślenie o zarządzaniu flotą i dostawami – podsumowuje K. Marczuk (ALEET).
Co proponują?
W. Ciężobka (verocargo) podkreśla, że verocargo podąża za obecnymi trendami, adaptując dostępne na rynku narzędzia do automatyzacji przedsiębiorstwa, ale również rozwijając własne, autorskie rozwiązania. – Nasze ponad 20-letnie know-how pozwala nam na wypracowanie unikalnych i skalowalnych systemów, które integrują wąską („Narrow AI”) oraz generatywną sztuczną inteligencję. Tak samo jak o narzędzia, dbamy o zespół. Szkolimy się i rozwijamy kompetencje przyszłości. Mamy osoby w zespole odpowiedzialne za wdrażanie tej technologii w sposób przystępny dla każdego pracownika. Mamy zestaw wewnętrznych praktyk i poradników, aby usprawnić tę transformację. Nie tworzymy technologii dla samej technologii – budujemy rozwiązanie, które ma wspierać naszych spedytorów w dostarczaniu najwyższej jakości dla najbardziej wymagających klientów – opowiada W. Ciężobka.
Logifact oferuje rozwiązania z obszaru AI, które wspierają logistykę zarówno na poziomie zarządzania operacyjnego, jak i analitycznym. AI pomaga użytkownikom systemu WMS, podpowiadając, jak wykonać określone operacje na podstawie poleceń formułowanych w języku naturalnym, co wspomaga codzienną pracę i przyspiesza realizację zadań związanych z zarządzaniem pracą magazynu. Wspiera także administratorów w tworzeniu raportów i wskaźników, tłumacząc potrzeby biznesowe na kwerendy dopasowane do modelu danych raportowych. Dodatkowo wykorzystuje narzędzia machine learning, które na bieżąco monitorują wskaźniki opisujące procesy magazynowe. Gdy system wykryje anomalie lub niepokojące odchylenia, informuje o tym właściwych użytkowników. Dzięki temu organizacja zyskuje lepszą kontrolę nad procesami, szybszy dostęp do informacji i większą efektywność operacyjną.
Również magazyny przechodzą transformację z prostych hal składowych w zaawansowane centra technologiczne. W raporcie Cushman & Wakefield przywołano przykład magazynów wrocławskich, regionu coraz częściej określanego mianem „Doliny Krzemowej” polskiej logistyki. Raport Cushman & Wakefield wskazuje na masową adaptację w nich rozwiązań z zakresu AI i „Cyfrowych Bliźniaków” (Digital Twins). Wirtualne modele magazynów pozwalają na symulację scenariuszy szczytów sprzedażowych bez ryzyka operacyjnego, co podnosi efektywność procesów o 20–40% Co istotne, inteligencja wrocławskich obiektów idzie w parze z realizacją celów ESG. Systemy Smart Building wykorzystują AI nie tylko do logistyki, ale i do aktywnego zarządzania energią oraz redukcji śladu węglowego, co jest kluczowym argumentem dla funduszy inwestycyjnych. – Wrocław przestał rywalizować wyłącznie metrażem. Dziś magnesem dla najemców, szczególnie z sektora e-commerce i farmacji, jest możliwość wdrożenia tu najbardziej zaawansowanej automatyzacji. Wykorzystanie AI do optymalizacji ścieżek kompletacji skraca procesy nawet o 30%, co przy skali operacji takich graczy jak SHEIN ma kluczowe znaczenie dla rentowności całego łańcucha dostaw w Europie Średniej – mówi Tomasz Bulej, associate industrial & logistics agency, Cushman & Wakefield.
– W Asseco Business Solutions rozwijamy rozwiązania AI tam, gdzie można je osadzić w codziennej pracy systemu, a nie tylko dopisać do listy funkcji. W obszarze magazynowym takim przykładem jest Softlab WMS by Asseco z funkcją Voice Picking, czyli głosowego prowadzenia magazyniera przez wybrane procesy. To rozwiązanie ma odciążyć pracownika od ciągłego patrzenia w terminal, przyspieszyć wykonanie operacji i ograniczyć liczbę pomyłek – mówi J. Kawalec (Asseco Business Solutions). Drugim kierunkiem jest wsparcie pracy na dokumentach i komunikacji. Tu wykorzystuje się rozwiązania takie jak Businesslink, który wspiera OCR, automatyzuje wymianę dokumentów i uczy się mapowania pozycji, oraz Genius, czyli asystenta AI w systemach ERP od Asseco, który odpowiada na pytania użytkownika i podpowiada działania w kontekście bieżącej pracy, także na dokumentach magazynowych i zamówieniach. – Z naszej perspektywy AI ma sens wtedy, gdy skraca pracę, porządkuje informację i pomaga użytkownikowi podjąć lepszą decyzję w systemie, który musi działać stabilnie każdego dnia – podsumowuje J. Kawalec.
Arvato wykorzystuje rozwiązania oparte na sztucznej inteligencji w wielu obszarach logistyki magazynowej, począwszy od przyjęcia towaru, przez kompletację, aż po automatyzację i robotyzację procesów. J. Żurek (Arvato) wśród najważniejszych wymienia automatyczne wymiarowanie nowych SKU, systemy predykcyjne wspierające planowanie wolumenów i zasobów, optymalizację ścieżek kompletacyjnych oraz inteligentne przypisywanie zamówień. AI wspiera również sterowanie zaawansowanymi rozwiązaniami typu goods-to-person oraz systemami robotycznymi, co pozwala jeszcze lepiej wykorzystywać dane i zwiększać efektywność operacji magazynowych.
ALEET wpływa na zarządzanie flotą i przewozami poprzez zastosowanie cyfrowych bliźniaków floty. Tworzy kompleksowe narzędzia predykcyjne do zarządzania operacjami transportowymi. Dostawca tych rozwiązań zapewnia o tym, że systemy potrafi ą obniżyć koszty nawet do 30% Co istotne, ALEET łączy cyfrowe bliźniaki floty z dowolnymi narzędziami telematycznymi, integrując je ze sobą. Systemy ALEET mogą być wykorzystywane przez firmy transportowe niezależnie od rodzaju telematyki, jaką obecnie stosują. ALEET posiada strategiczne partnerstwa z globalnymi liderami w dziedzinie telematyki: Geotab oraz SysTech Taiwan. Misją ALEET jest tworzenie narzędzi do zarządzania flotami w oparciu o AI jako odpowiedź na współczesne wyzwania transportowe. Obecnie firma wdraża na rynku europejskim swoje autorskie systemy cyfrowych bliźniaków floty.
