Användning av AI i logistikbranschen
Artificiell intelligens (AI) har blivit en vardagsteknik. Den öppnar upp stora möjligheter även inom logistik branschen – och det handlar inte bara om analys av stora datamängder. Som ett praktiskt stöd kan AI hjälpa medarbetare i beslutsfattande eller ta över monotona rutinuppgifter. Hur används AI redan inom styckegodstransporter och vilken potential har den?
Är artificiell intelligens (AI) en framtidsteknologi? Svaret är både ja och nej. Ja, eftersom vi är långt ifrån att ha utnyttjat AI:s fulla potential, och nej, eftersom AI redan är en del av vår vardag – genom ansiktsigenkänning i mobiltelefoner, chattbotar eller översättningstjänster på internet. Också i logistiken används AI oftare än man tror. Den driver tillämpningar inom exempelvis prognoser av transportvolymer, styrning av materialflöden och stöd för administrativa processer.
Samtidigt är AI ännu inte fullt utvecklad på många områden. Denna ”simulering av mänsklig intelligens” är i grunden avancerad matematik med sannolikhetsberäkningar. Därför uppstår fel beroende på datakvalitet – och i logistiken, där kraven på säkerhet och kvalitet är höga, måste felfrekvensen minimeras. Det gäller både för så kallade AI-agenter, som agerar självständigt i icke-kritiska sidoprocesser, och för AI-assistenter, där människor alltid övervakar och fattar slutbeslut. Logistikbranschen kan därför inte klara sig utan människor – det slutgiltiga beslutet måste tas av en människa, särskilt när affärsrisker är inblandade och felmarginalen måste vara noll.
Samtidigt är verkligheten som så att de logistikföretag som inte satsar på AI på allvar snart kommer att slås ut från marknaden. Kundernas krav och verksamhetens komplexitet blir inte mindre – och därtill ökar bristen på kvalificerad personal. DACHSER använder redan AI-lösningar på lager, terminaler och kontor för att stötta medarbetare i beslutsfattande, öka effektiviteten och undvika flaskhalsar. På så sätt kan man kompensera för personalbristen och samtidigt säkra en hög kvalitet på lång sikt.
Nya oväntade möjligheter
I det så kallade Enterprise Lab – ett forsknings- och utvecklingslaboratorium vid Fraunhofer IML i Dortmund – började DACHSER för över sex år sedan att utveckla algoritmer som exempelvis kan förutse inkommande volymer. Det på så detaljerad nivå som för var enskild filial och med upp till 25 veckor på förhand, detta för att underlätta kapacitetsplaneringen. Planering är nämligen avgörande för både effektivitet och kvalitet i logistiken. Här gör AI verkligen skillnad, vilket visades i DACHSERs första maskininlärningsprojekt: PAnDA One. Akronymen står för Predictive Analytics DACHSER, och ”One” markerar att det var företagets första projekt inom maskininlärning.
@ILO som identifierar, lokaliserar och mäter gods på styckegodsterminaler i realtid.
AI-algoritmer används också i den digitala tvillingen @ILO, som identifierar, lokaliserar och mäter gods på styckegodsterminaler i realtid. Med hjälp av optiska skanningsenheter i taket och tvådimensionella datamatriskoder skapas en digital tvilling av alla rörelser och processer på terminalen. Vilket ökar transparensen och ger bättre överblick. Samtidigt försvinner manuella moment som skanning av gods, vilket gör vissa lossningsprocesser upp till 30 procent effektivare. DACHSER kommer successivt att rulla ut @ILO i hela Europa under de kommande åren, med minst sex nya platser planerade för 2025.
Vad väntar framöver?
DACHSER stärker kontinuerligt sitt eget arbete inom AI-forskning. Under årets första kvartal utökade företaget samarbetet med Fraunhofer Institute för Intelligent Analysis and Information Systems (IAIS) i Sankt Augustin. Fraunhofer IAIS är ett ledande forskningsinstitut inom AI, maskininlärning och big data i Tyskland och Europa, med nästan 400 medarbetare som hjälper företag att optimera produkter, tjänster och processer samt utveckla nya digitala affärsmodeller. Genom detta nya partnerskap inom DACHSER Enterprise Lab kan företaget ytterligare fördjupa sin kompetens inom AI.
Framtida forskning kommer att öppna nya möjligheter för AI, men systemen måste tränas på specifika interna data – särskilt för specialiserade logistikprocesser och lösningar. Samtidigt måste företag ta hänsyn till kostnader, framför allt för AI-modeller som kräver hög beräkningskapacitet. Samt inte minst att ta hänsyn till efterlevnaden av EU:s nya regelverk för AI, det så kallade AI Act.
Sammanfattningsvis erbjuder AI logistikbranschen många nya möjligheter som tidigare inte var möjliga. Men teknologin är inte egentligen ”intelligent” – den bygger på avancerad matematik, stora datamängder och beräkningskraft. Dessutom är AI inte alltid den bästa lösningen på digitala problem; ofta är traditionell programmering fortfarande effektivare. Utmaningen framåt är att hitta rätt balans mellan standardiserade AI-applikationer och egenutvecklade lösningar – och att anpassa dem till de specifika behoven.
