ВНЕДРЕНИЕ ТЕХНОЛОГИЙ ИИ В ТРАНСПОРТНО-ЛОГИСТИЧЕСКИЕ
СИСТЕМЫ Бочегов М.А.1, Савченко Т.О.2
1Бочегов Михаил Александрович - магистр, 2Савченко Татьяна Олеговна - магистр, направления Прикладная информатика, кафедра Информационные системы цифровой экономики, Федеральное государственное автономное образовательное учреждение высшего образования «Российский
университет транспорта», г. Москва
Аннотация: статья посвящена исследованию и анализу внедрения технологий искусственного интеллекта (ИИ) в транспортно-логистические системы. В условиях глобальной цифровизации и стремительного развития технологий, транспортно-логистическая отрасль сталкивается с необходимостью повышения эффективности и конкурентоспособности. В статье рассматриваются ключевые направления применения ИИ, такие как оптимизация маршрутов, прогнозирование спроса, управление складскими запасами и автоматизация процессов.
Ключевые слова: искусственный интеллект, транспортно-логистические системы, оптимизация маршрутов, прогнозирование спроса, автоматизация процессов, кибербезопасность, этика.
УДК 004.896
Мировые тенденции
Согласно исследованиям, 70% российских компаний считают ИИ важной технологией для своего бизнеса. Однако только 10% из них используют тот или иной вид ИИ в логистике и доставке. Согласно последнему исследованию на тему воздействия ИИ на экономику, проведенному в США, в ближайшее время 50% операций в 20% всех профессий будет осуществляться с использованием ИИ.
В целом, можно выделить следующие тенденции:
• Растущая популярность использования автономных транспортных средств в логистике и доставке.
• Применение искусственного интеллекта и машинного обучения для управления инвентаризацией и складом. Это позволяет оптимизировать затраты на хранение и управление запасами, а также уменьшать вероятность ошибок.
• Развитие систем прогнозирования спроса. Использование искусственного интеллекта для анализа данных о покупках и потребительском поведении - позволяет улучшить прогнозирование спроса и сократить издержки на запасы.
• Оптимизация маршрутов доставки. Использование алгоритмов искусственного интеллекта позволяет оптимизировать маршруты доставки и улучшить эффективность процесса доставки.
• Развитие роботизации в логистике. Роботы могут выполнять рутинные задачи на складах и в центрах обработки заказов, что позволяет сократить затраты на персонал и увеличить производительность.
• Развитие программных систем управления логистикой. Использование искусственного интеллекта позволяет создавать программные системы управления логистикой, которые могут эффективно координировать процессы логистики и доставки.
Сферы применения инструментов искусственного интеллекта в логистике.
Применение искусственного интеллекта разными сферами в интересах бизнеса - вопрос актуальный, но неоднозначный.
С одной стороны, на практике мы видим кейсы по вовлечению ИИ в электронную торговлю - в коммуникацию продавца и целевой аудитории, в кастомизацию пользовательского опыта. Например, посредством мобильного приложения и технологий искусственного интеллекта покупатель может примерить обувь, одежду, введя параметры фигуры, или интегрировать предметы для дома (категории DIY) в дизайн интерьера.
С другой стороны, например, в сфере складской логистики корректнее говорить об автоматизации процессов, нежели об использовании ИИ в операционных задачах. Деятельность фулфилмент-операторов строится по строгим алгоритмам, большинство из которых автоматизированы. Однако существует ряд операций, где требуются профильные компетенции сотрудников, их вовлечение в ситуацию "здесь и сейчас". Подобным этапом, например, является приемка, где сотрудник порой должен сопоставить каждый отдельный товар с базой, проверить его на подлинность и наличие брака. Поэтому говорить о полноценном замещении человеческих ресурсов искусственным интеллектом не стоит.
В целом, на сегодняшний день ИИ находит в логистике разнообразное применение. Рассмотрим основные направления.
Прогнозирование спроса и управление запасами
С помощью машинного обучения ИИ можно прогнозировать спрос на продукцию в зависимости от данного региона и других параметров, например, погодных условий, мероприятий и т.д. Также используются алгоритмы для оптимизации управления запасами на складах.
Пример. В 2020 году "Лента" интегрировала автоматизированную систему прогнозирования спроса на товары.
На основании прошлых периодов формируется "комплекс моделей", который сам определяет значимость каждого фактора для конкретного товара в отдельном магазине. Итоговая "модель" применяется для прогнозирования будущих периодов с максимальной детализацией, она самообучаема, гибка для настройки и учета новых факторов. Модель постоянно адаптируется и развивается с учетом различных тенденций спроса.
Умные дороги
Объединение ИИ с датчиками, RFID метками, системами спутникового мониторинга и сетями 5G может дать мощный толчок развитию умных дорог.
Умные дороги являются компонентом концепции умных городов, в которой применяются передовые информационные технологии (интернет вещей, облачные вычисления, большие данные, искусственный интеллект) для облегчения планирования, строительства, управления и обслуживания. Технология умных дорог позволит повысить безопасность дорожного движения и сократить задержки в цепочке поставок, вызванные неблагоприятными погодными условиями и дорожными инцидентами.
Более качественное обслуживания клиентов
Планирование и гибкость в логистике означают лучшее обслуживание и меньшие логистические затраты. Провайдерам логистических услуг ИИ поможет автоматизировать рутинные задачи, такие как написание электронных писем и создание контента. Инструменты на базе ИИ используются для анализа поведения клиентов, предоставления более точных аналитических данных по продажам и маркетингу.
Автоматизация складов и центров обработки
Использование ИИ для автоматизации складов и центров обработки заказов позволяет повысить эффективность и уменьшить время обработки.
Для реализации этих и других процессов используются различные технологии и источники данных, такие как:
• сбор данных с датчиков, установленных на транспортных средствах, складах и других объектах логистической инфраструктуры;
• использование меток RFID и других технологий, позволяющих отслеживать местонахождение грузов и контролировать их перемещение;
• использование данных, полученных от коммуникационных сетей, таких как Интернет вещей (IoT), чтобы мониторить оборудование и процессы на расстоянии;
• анализ внешней информации, в том числе погоды, пробок на дорогах и прочих факторов, которые влияют на время доставки и работу цепочки поставок;
• использование софта и программ для управления процессами логистики, которые интегрируют все собранные данные и автоматизируют ряд процессов.
Пример. У Alibaba самый большой в мире автоматизированный склад с роботами, которые собирают и упаковывают товары для доставки клиентам. В настоящее время роботы на складе компании выполняют 70% работы. Роботы могут удерживать до 500 кг во время движения. У каждой машины есть специальные датчики для предотвращения столкновений друг с другом, есть Wi-Fi для вызова сотрудниками.
Как развивается ИИ в логистике и доставке в России. Есть ли отставание в сравнении с западными компаниями
В целом, в России наблюдается рост использования искусственного интеллекта в логистике и доставке, но по сравнению с западными компаниями в этой сфере есть отставание. Некоторые отечественные компании уже применяют ИИ для оптимизации процессов складирования и доставки, но широкое внедрение этой технологии все еще ограничено.
В России есть примеры успешного использования ИИ в логистике. Например, в сфере оптимизации маршрутов доставки. Однако это разработки предыдущего поколения. Больше возможностей и конкурентных преимуществ могло бы дать внедрение больших моделей ИИ, таких как ChatGPT. Лично мы считаем, что сейчас наши логистические компании не сильно отстают от западных в использовании ИИ, однако ситуация будет ухудшаться на фоне санкций и блокировки доступа к ИИ, а также в связи с выездом из страны высококлассных специалистов.
Отставание в использовании ИИ в логистике и доставке в России связано с недостаточным развитием инфраструктуры для применения этой технологии. Например, низкий уровень цифровизации в грузовых терминалах и на складах, отсутствие стандартов для обмена информацией, ограниченная доступность к облачным технологиям и др.
Тем не менее, многие компании в России понимают потенциал ИИ и активно работают над его внедрением. Российские производители транспортных средств и IT-компании активно развивают технологии автономной транспортировки, также развиваются и программные решения для управления логистическими процессами с использованием ИИ, - добавляет эксперт.
Какие сложности сопутствуют процессу внедрения ИИ в логистике
Сложности могут быть связаны с недостатком квалифицированных специалистов и данных для обучения моделей ИИ. К тому же на уровне компаний не всегда есть понимание, как использовать технологию для решения бизнес-задач. Тормозит процесс также нехватка финансирования и времени, отсутствие синхронизации целей между командами, внедряющими ИИ.
Недостаточность данных. Одной из ключевых проблем внедрения технологий в логистику является отсутствие доступа к полному объему данных, необходимых для обучения алгоритмов ИИ. В таких случаях точность работы систем может сильно ограничиться.
Сложность адаптации к индивидуальным потребностям. Каждая логистическая компания имеет свою специфику и требует индивидуального подхода в реализации ИИ-решений.
Необходимость высокой квалификации персонала. Внедрение ИИ в логистику требует обширных знаний в области искусственного интеллекта и его приложения в отраслях. Компании, которые не имеют достаточного количества специалистов в этой области, могут столкнуться со сложностями при внедрении ИИ-решений.
Сложность внедрения новых технологий. Только введение новых технологий ИИ не гарантирует того, что она станет эффективной. Важно создать интеграцию между системами, обучить персонал обращаться с новой технологией, качественно организовать информационный поток.
Опасность нарушения безопасности данных. Внедрение ИИ может стать значительной угрозой для безопасности данных и личной информации. Это связано как с риском кражи данных, так и с опасностью ошибочно обработанной информации.
Высокая стоимость внедрения ИИ-решений. Внедрение ИИ в логистику может потребовать существенных инвестиций. В то же время поддержание и дальнейшее развитие ИИ-систем может даже более ресурсозатратным. Выбор правильных решений требует внимательного анализа сильных сторон этой технологии в сочетании с многофакторной оценкой ожидаемой помощи этой технологии и неизбежных затрат.
Насколько перспективно использование ИИ в логистике в России
Использование искусственного интеллекта в логистике в России может являться вполне перспективным направлением, поскольку данная технология способна решить ряд проблем, связанных с оптимизацией процессов и повышением эффективности управления цепочек поставок. В России также наблюдается активное развитие технологий автономной транспортировки, использующей искусственный интеллект, особенно в городах с высокой плотностью населения.
Однако, для успешного внедрения ИИ в логистику необходимо решать ряд проблем и преодолевать некоторые препятствия: создавать условия для сбора и обработки большого количества данных, обучать персонал обращаться с новыми технологиями, гарантировать безопасность данных и т.д.
Список литературы
1. Бобылев С.Н. & Гусев А.В. (2021). Искусственный интеллект и его применение в транспортной логистике. Москва: Научное издательство.
2. Иванов Д.А. & Соколов Б.В. (2022). Цифровизация логистических процессов: Влияние искусственного интеллекта. Логистика и управление цепями поставок, 12(4), с. 45-58.
3. Козлов И.В. & Петров А.С. (2021). Интеллектуальные транспортные системы: Принципы и технологии. Транспортная инфраструктура, 7(2), с. 33-47.
4. Лебедев Е.М. & Смирнова Н.А. (2021). Применение машинного обучения в оптимизации логистических операций. Вестник транспортных наук, 18(3), с. 59-72.
5. Никулин А.В. & Федоров П.В. (2022). Искусственный интеллект в управлении транспортными потоками: Современные тенденции и перспективы. Транспортная логистика, 10(1), с. 24-38.