Повышение эффективности логистического планирования за счет использования искусственного интеллекта



Один из возможных сценариев применения искусственного интеллекта в логистике может быть извлечение соответствующей части данных, связывать их с внутренними данными, которые могут быть очень сложными из-за низкого качества данных, а также могут включать в себя прогнозирование времени прибытия грузовиков в зависимости от условий движения.

Ключевые слова: искусственный интеллект, логистика, управление автомобильным транспортом.

Искусственный интеллект (ИИ) уже получил широкое распространение в логистике благодаря внедрению таких передовых технологий ИИ, как автоматизированные склады Amazon, автономные грузовики Einride, беспилотники Zipline, роботы доставки последней мили Starship и другие. Эти разновидности технологий могут потенциально заменить некоторые виды ручной работы, не требующие сложных навыков (например, сортировка на складе, доставка «последней мили», водитель грузовика и т. д.).

Однако ситуация меняется, когда искусственный интеллект используется для работы с такими высококвалифицированными позициями, как специалисты по планированию логистических процессов — логистов. В этом случае на сцену выходит расширенный интеллект (РИ). Объединяя человеческий интеллект с искусственным интеллектом, компании могут сэкономить время, сократить операционные расходы и устранить ошибки, допущенные вручную, а сотрудники могут больше сосредоточиться на аналитических и сложных задачах.

Логист — это не тривиальная или повторяющаяся работа, а должность, которая требует больших знаний и опыта в отношении того, что работает, а что нет в отрасли. Эти сотрудники должны понимать сложные требования клиентов, бизнес-правила и исключения, решать вопросы качества данных и многое другое. Их работа также часто связана с использованием здравого смысла, который не является самой сильной чертой искусственного интеллекта, не говоря уже о более фундаментальных вопросах ответственности, когда ИИ совершает ошибку — ответственен ли разработчик, диспетчер, который использовал предложение ИИ, или менеджер, который внедрил эту систему? Поэтому в современном состоянии технологии искусственного интеллекта лучше всего ориентировать на расширение прав и возможностей таких высококвалифицированных сотрудников, чем пытаться их заменить.

В области логистического планирования есть много возможностей для технологических усовершенствований. Сегодня проектировщики обычно используют 2–3 монитора с системой управления транспортом (TMS) на одном экране и Excel или другая учетная программа на другом. Решения часто принимаются на основе ручных расчетов, опыта логиста и интуитивных ощущений. Остается около 10 % на потенциальную оптимизацию, что не стоит игнорировать в низкомаржинальной отрасли.

В то время как логистика становится все более и более динамичной, обычные логистические программы или Excel уже не удовлетворяют скорости логистических процессов. Типичный документ в Excel при планировании включает модели с 10–20 рабочими листами, которые в значительной степени известны только одному человеку, подвергая тем самым всю организацию серьезным рискам в случае, если этот человек покинет компанию по какой-либо причине. Excel не позволяет логистам очень часто обновлять свои планы и может обрабатывать только часть данных, имеющихся в логистической компании. Рабочие листы не обеспечивают прозрачности при принятии решений и подвержены ошибкам при принятии управленческих решений, поэтому логистические компании вынуждены перестраховываться, что приводит, в частности, к избытку порожних грузовиков, порожних контейнеров и ненужных линейных перевозок. Кроме того, эти таблицы Excel позволяют принимать локальные, а не глобальные решения по оптимизации — логисты имеют свои собственные документы Excel и решают, что делать со своим сервисом, складом, складом и т. д. Глобальная оптимизация, при такой организации работы, невозможна.

Для улучшения планирования логистических процессов компаниям следует использовать искусственный интеллект, не в смысле «искусственного интеллекта», а скорее в смысле «расширенного интеллекта». Расширенный интеллект объединяет в себе вклад специалистов по планированию (опыт, ответственность, обслуживание клиентов, гибкость, здравый смысл и т. д.) с технологией искусственного интеллекта, которая позволяет выполнять повторяющуюся и утомительную работу (использование всех имеющихся данных, обновление моделей новыми данными, предоставление резервных решений при отсутствии проектировщика) и многое другое. Например, такие сложные процессы, как оптимальный выбор перевозчика, могут занять 10 минут или больше, когда они выполняются только людьми, которые должны сортировать сотни или тысячи маршрутов и графиков. Но когда этот процесс передается ИИ, сортировка может быть выполнена за считанные секунды, и окончательный выбор остается на усмотрение оператора.

В своем нынешнем состоянии ИИ помогает логистам в реальных логистических операциях, используя интеллектуальные оповещения, основанные на прогнозном анализе. Например, из таких источников, как MarineTraffic компании могут получить информацию о положении в режиме реального времени и расчетном времени прибытия (ETA) для каждого судна в мире на основе спутниковых данных [1]. Чтобы повысить эффективность логистического бизнеса, алгоритмы ИИ могут:

− извлекать соответствующую часть данных, связывать их с внутренними данными, которые могут быть очень сложными из-за низкого качества данных,

− определять, какие события имеют значение из огромного количества данных,

− формулировать предложения по принятию решений и информировать специалистов по планированию о предлагаемом решении в нужное время и месте (например, как оповещения в системе, где принимаются и осуществляются решения, а не по электронной почте, как это часто происходит.

Другие примеры интеллектуальных прогнозных предупреждений могут включать в себя прогнозирование времени прибытия грузовиков в зависимости от условий движения, прогнозирование требований к ремонту контейнеров на основе обнаружения ударов GPS-трекеров, прогнозирование повреждения товаров и страховых требований на основе датчиков температуры, прогнозирование высокого будущего спроса на морские перевозки на основе различных переменных, прогнозирование дней болезни сотрудников склада на основе государственных праздников и погодных условий, и многое другое.

Рис. 1. Человек в среде искусственного интеллекта

Следующим шагом для ИИ в логистическом планировании является так называемый подход «Человек в среде ИИ». Ряд компаний, например, Transmetrics уже предлагает это со своими решениями по прогнозируемой оптимизации логистики [2]. Он работает на основе использования архивных данных для обучения алгоритмам искусственного интеллекта. Решения из этих алгоритмов предлагаются только в качестве предложений для логистов, которые затем должны сделать выбор, принять их или изменить. После этого алгоритмы фиксируют окончательные решения логистов, сравнивают результаты между предложениями людей и ИИ и используют эти данные для дальнейшего обучения ИИ. Таким образом, компании могут продолжать улучшать производительность ИИ, и в конечном итоге обновлять его до версий 2.0, 3.0 и так далее. При таком подходе поставщики логистических услуг могут удержать своих опытных сотрудников в процессе планирования, оставить их под контролем и использовать свои знания для улучшения искусственного интеллекта.

У «Человека в среде ИИ» все еще есть проблемы, которые в основном связаны с тем, как логисты принимают инновационное программное обеспечение. Даже если предложения ИИ оптимальны с статистической точки зрения, люди все равно склонны изменить их, установить дополнительные подушки безопасности, добавить больше правил к алгоритмам и попытаться превратить систему в свою старую Excel. В таком случае программное обеспечение для искусственного интеллекта в конечном счете начнет работать именно как обычный логист, лишаясь потенциальных преимуществ принятия решений по искусственному интеллекту и ограничивая все дополнительные возможности, которые оно предлагает. Для решения этих проблем хорошо продуманные инструменты искусственного интеллекта позволяют выполнять неограниченные настройки, не заставляя логистов использовать программное обеспечение, но в то же время они внимательно следят за эффективностью работы логистов и алгоритмов искусственного интеллекта. Как правило, приемка происходит постепенно в течение шести-двенадцати месяцев опыта работы с системой на основе ИИ.

Рис. 2. Концепция «Логистический автопилот»

Конечной целью ИИ в планировании является так называемая концепция «Логистического автопилота», в соответствии с которой ИИ автоматически выполняет все расчеты и предложения, а логист вмешиваются только в случае необходимости учитывать непредвиденные факторы и стратегию, предоставляя дополнительную обратную связь для обучения ИИ.

Например, в одном случае, система помогает оптимизировать использование порожних контейнеров в отрасли контейнерных перевозок [3]. Программное обеспечение, управляемое ИИ, автоматически рассчитывает, сколько пустых контейнеров нужно загрузить/разгрузить в каждом порту, как распределить оптимальные контейнеры для каждого заказа клиента, вернуть их в нужное время и в нужном месте в нужном состоянии, чтобы дать их следующему клиенту, заранее планировать техническое обслуживание, выгрузку, сортировку и так далее. В результате одна из ведущих судоходных линий добилась 20 % экономии за счет снижения затрат на перевалку порожних контейнеров, в частности, расходов на хранение и транспортировку, а также на 10 % сокращение количества используемых контейнеров.

В другом случае программное обеспечение оптимизирует отправку заказов на перевозку грузов по маршруту и управляет грузовыми автомобильными перевозками на основе фактических и прогнозируемых заказов в течение следующих одной-двух недель [4]. Данная концепция продемонстрировала потенциал сокращения холостых километров перевозки на 10 % и обеспечила в 90 % случаев прогнозирование перевозчиками конечных пунктов назначения в течение следующих двух недель.

Таким образом, расширенный интеллект является более мощным инструментом, чем просто человек или машина, и, вероятно, наилучшим подходом для внедрения технологий искусственного интеллекта в высококвалифицированные рабочие места. Наделенные такими инструментами, эксперты-логисты станут еще более ценными для своих компаний. Пока, только крупнейшие логистические компаний могут позволит себе самостоятельно разрабатывать решения на основе искусственного интеллекта. Необходимо развивать независимых разработчиков программного обеспечения с использованием ИИ С такими поставщиками логистических технологий, которые ежемесячно предоставляют средства прогнозирования и оптимизации ИИ, даже мелкие и средние логистические компании могут получить шанс стать более эффективными и сократить потери ресурсов с помощью новейших технологий.

Литература:

1. M. Swan, Blockchain: Blueprint for a New Economy, O’Reilly Media, Inc., 2015.
2. Q.-J. Kong, L.-F. Li, B. Yan, S. Lin, F.-H. Zhu, G. Xiong, Developing parallel control and management for urban traffic systems, IEEE Intelligent Systems, 28 (2013) 66–69.
3. F.-Y. Wang, Parallel system methods for management and control of complex systems, Control and Decision, 19(5) (2004) 485–489
4. F.-Y. Wang, R. Dai, S. Zhang, G. Chen, S. Tang, D. Yang, X. Yang, and P. Li, A complex system approach for studying sustainable and integrated development of metropolitan transportation, logistics and ecosystems, Complex Systems and Complexity Science, 1(2)(2004) 60–69