Skladová AI potrebuje presný obraz fyzickej prevádzky
Umelá inteligencia sa v logistike používa pri plánovaní, riadení zásob aj automatizácii skladových operácií. Jej rozhodnutia však môžu byť len také kvalitné, ako údaje, z ktorých vychádzajú. Ak systém neodráža skutočný stav na podlahe skladu, ani pokročilé algoritmy nemusia priniesť lepší výkon.
Na túto tému upozornila Oana Jinga, Chief Commercial and Product Officer spoločnosti Dexory, v rozhovore s Petrom MacLeodom. Systém riadenia skladu môže zobrazovať inú pozíciu alebo dostupnosť tovaru, než aká existuje v realite. Takáto medzera medzi digitálnym záznamom a fyzickou prevádzkou sa následne prenáša do plánovania, vychystávania aj plnenia objednávok.
Inventúra je iba jedna časť obrazu
AI potrebuje okrem počtu kusov poznať aj usporiadanie regálov, dostupný priestor, pohyb materiálu, používanú techniku a rozmery či tvar tovaru. Spojenie týchto fyzických informácií s podnikovými systémami je jedným zo základov rozvoja Physical AI v logistike.
Nepresnosť v evidencii môže znamenať hľadanie položiek, dodatočné kontroly a premárnený čas pri vychystávaní. Dôsledkom sú neúplné objednávky, oneskorenia a v prípade výrobných podnikov aj narušené zásobovanie. Dopad sa preto prejavuje v produktivite, zákazníckom servise a ziskovosti, nielen v inventúrnych ukazovateľoch.
Úloha človeka zostáva dôležitá
Prepojené dáta, robotika a AI môžu postupne podporovať rýchlejšie rozhodovanie a analyzovať zložité prevádzkové vzorce. Skúsenosť vedúcich pracovníkov však nemožno jednoducho odstrániť z procesu. Ľudské posúdenie je naďalej potrebné pri výnimkách a pri zohľadňovaní praktických priorít.
Firmy by preto mali začať definovaním konkrétneho problému, overením kvality existujúcich dát a až potom výberom technológie. Najlepšia automatizácia nevyrastie z množstva nástrojov, ale z presného poznania toho, čo sa v sklade skutočne deje.
