Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
I.Innowacjeitrendy
21
odcentrówdystrybucyjnychfirmyAmazon.Usługajestniestetydostępnatylkowpo-
godnedni,maksymalnypułapdronajestograniczonymdo120m,awagaładunkudo
2,3kg[1].Należysięspodziewać,żepoopracowaniubezpiecznychsystemówzarządza-
niaruchemlotniczymdladronówtematichwykorzystania,szczególniewprocesach
dystrybucyjnychdoobsługitzw.ostatniejmilibędziebardzoaktualny.
Sztucznainteligencja
SztucznaInteligencja(SI)stałasięnieodłącznymelementemwspółczesnegobiz-
nesu,amagazynyorazprocesylogistyczneniesątutajwyjątkiem.WprowadzenieSI
dotychdziedzinznaczącoprzyczyniasiędopoprawyefektywności,dokładnościoraz
optymalizacjiprocesów.JużterazSIjestwykorzystywanedoprognozowaniapopytu
izarządzaniazapasami.Dziękialgorytmomuczeniamaszynowegoorazanaliziedanych
historycznychmożliwejestdokonywaniestosunkowoprecyzyjnychestymacjipopytu
naprodukty,copozwalanadostosowywaniepoziomówzapasów,minimalizującryzyko
brakówlubnadmiernegogromadzeniatowarów.
SIjestjużodjakiegoczasuwykorzystywanadooptymalizacjitrasydostawwpro-
cesachdystrybucyjnych.AlgorytmySImogąanalizowaćdanedotyczącetras,czasów
podróży,warunkówruchudrogowegoiinnychczynnikówwpływającychnadostawy.
Dziękitemumożnatworzyćoptymalnetrasydostaw,oszczędzającczasikosztyzwią-
zanezpaliwemorazutrzymaniempojazdów.
SztucznainteligencjapowoliwchodzirównieżdosystemówklasyWMS(ang.Ware-
houseManagementSystems).Obszarjejwykorzystaniastalesięrozszerzaiwykracza
jużpozatakiedziałaniajakoptymalizacjaplanowaniazadańdlapracownikówmaga-
zynów,planowanieścieżekkompletacyjnych,harmonogramowaniewyładunkówiza-
ładunkówitp.wkierunkurozwiązywaniabardziezłożonychkwestiinp.:dotyczących
optymalizacjiprocesupakowaniaproduktów(ang.BinPackingProblem).
OpróczoczywistychzastosowańniemożnarównieżpominąćwykorzystaniaSIjako
elementukluczowegowprocesachidentyfikacyjnych,szczególniejakopodstawyreali-
zacjiprocesówanalizyobrazu.Zapomocątechnikwidzeniamaszynowego,SImoże
automatycznieidentyfikowaćproduktynapodstawieichcechfizycznych,takichjak
kształtczyrozmiarlubteżwspieraćskutecznośćidentyfikacjinapodstawieodczytów
kodówkreskowych.
WartewspomnieniajestrównieżwykorzystanieSIjakopodstawydziałaniame-
chanizmówprzewidywaniastanówawaryjnych,zarównowodniesieniudorosnącej
liczbyurządzeńautomatykiirobotykijakrównieżwkontekściepoprawnościreali-
zacjizadańlogistycznych,któresąuwarunkowaneczynnikamizewnętrznymi(np.
stanemdróg,natężeniemruchu,warunkamipogodowymi,cyklemkoniunkturalnym,
sezonowością,itp.).
