Umělá inteligence (UI) v intralogistice – rozhodující je přínos pro zákazníka!

Oba souhlasí. Technologie UI nabízí široký optimalizační potenciál – také pro optimalizaci procesů v distribučním centru i v celém dodavatelském řetězci. Vysoká kvalita dat však není jediným rozhodujícím faktorem. Stejně tak se v datových modelech nesmí zapomínat na zkušenosti lidí a požadavky spotřebitelů.

"A pak se přes noc všichni stali influencery UI," vtipkuje Helmut Prieschenk, výkonný ředitel WITRONu, v předběžném rozhovoru pro nahrávání podcastu s Franziskosem Kyriakopoulosem, zakladatelem společnosti 7LYTIX z Lince, o sociálních sítích a humbuku, který se tam šíří kolem Large Language Model ChatGPT. Prieschenk chce se zakladatelem mluvit o Industrial UI, o Demand Forecasting a "trochu" o ChatGPT. Kyriakopoulos a jeho tým vyvíjejí řešení Machine Learning pro maloobchod a průmysl. Rakušan je fyzik a Prieschenk je matematik. "To je nebezpečná směs," varuje Prieschenk a směje se. "Samozřejmě, že jsme se ve WITRONu již zabývali LLM (Large Language Models). Ale přimlouvám se za určitý klid. Jejich použitím svět neskončí – a my neustále ověřujeme, zda jsou tyto nástroje vhodné k tomu, aby smysluplně pomohly našim zákazníkům nebo našim vývojářům při realizaci konkrétních požadavků zákazníků," vysvětluje rodák z Horní Falce.

Potřebuji ROI

Franziskos Kyriakopoulos s ním souhlasí, ale již nastiňuje aplikace. "LLM jsou dobří ve zpracování sekvencí – objednávek, inkas, prodejů nebo komunikace se zákazníky. To lze využít i v intralogistice." Souhlasí však s Prieschenkem. "Je to velký humbuk, mnoho influencerů šíří polopravdy." WITRON se s tím již setkal. Konkurenti systému OPM by reklamovali UI v dokončovacím algoritmu. "Výsledky se však ani zdaleka nepřibližují funkcím našeho WITRON-OPM. Ty nebyly vyvinuty pomocí UI, ale s velkým podílem lidské inteligence, založené na čistém softwarovém řemesle, intenzivní komunikaci s uživateli a dlouholetých praktických zkušenostech. K věci musíme vždy přistupovat střízlivě. Naši zákazníci původně nehledají nový "nástroj", mají problém a potřebují pro něj funkční řešení, které optimalizuje logistický proces v distribučním centru nebo v dodavatelském řetězci, stabilně funguje v praxi a lze ho rozumně integrovat do rostlé struktury."

Nebrzdí nás však tato střízlivost v Německu a v Evropě? "Už teď potřebuji ROI," zdůrazňuje Prieschenk vehementně. "Vývojáři LLM ročně spálí 500 milionů dolarů a potřebují dalších několik miliard," uvádí Kyriakopoulos. "To by bylo v Německu nebo tady v Rakousku nemyslitelné."

Neriskujeme dostatečně? Prieschenk je skeptický. "To si nemyslím. Když se podívám například na investice do Q-Commerce, zatočí se mi hlava. Mnoho investorů plně riskovalo. Trh se však vyvíjel zcela jiným směrem. Předpokládané tempo růstu se nenaplnilo. Mezitím dochází ke konsolidaci. Investoři se posunuli dál. Naši prodejci chtějí UI, investují do této technologie. My i naši zákazníci však potřebujeme nástroje UI, jako je rozpoznávání vzorů nebo rozpoznávání obrazu, které jsou transparentní a umožňují pak řešit problémy, které jsme dříve řešit nemohli nebo jsme je mohli řešit jen s velkým úsilím."

Vývojáři 7LYTIXu pracují s LLM, ale zaměřují se na Demand Forecasting. "Můžeme přinést přidanou hodnotu, ale některé společnosti často na začátku nechápou, jaká bude přidaná hodnota modelu. Větší obrat díky lepší komunikaci se zákazníkem, nebo Lost Sales? Mnozí to nedokážou spočítat. Potřebují naši pomoc," říká Kyriakopoulos. Prieschenk dodává: "Naši zákazníci WITRON umí velmi dobře počítat a své podnikání zdokonalují již desítky let. Ale chápu, co má pan Kyriakopoulos na mysli: Nejprve je třeba vyjasnit, kde má optimalizace vůbec probíhat. Maloobchodník si klade otázku, zda chci optimalizovat síť dodavatelského řetězce, velikost skladu, být blíže zákazníkovi, minimalizovat dodací lhůty, změnit dodací cykly, snížit plýtvání potravinami a zásoby nebo mít ve skladu méně zásob. V tomto ohledu jsme se společně s našimi zákazníky z různých částí světa hodně naučili. Také to, že požadavky na státní svátky ve Finsku se liší od požadavků na státní svátky v USA nebo že pondělí má jiné požadavky než čtvrtek." Kyriakopoulos souhlasí. "Nejprve potřebujeme požadavek a poté nástroj UI. A nepotřebujeme Deep Learning všude.“

Jaká je potřeba přesnost?

Jak funguje Demand Forecasting? "Na začátku musíme získat přehled o datech. Pro mnoho obchodních společností je to obtížný úkol. Nejde jen o skladové zásoby, ale také o to, kolik zboží je v prodejně, kolik se ho prodalo, jaké jsou ovlivňující faktory, jako jsou propagační akce, kolik mám v prodejně Lost Sales a mnoho dalšího," vysvětluje Franziskos Kyriakopoulos. Kromě toho jsou k dispozici zákaznické karty, roční období, umístění prodejny nebo propagační akce. "A musíme vědět, co je v distribučním centru, v zázemí prodejny, v kamionech na cestách, protože optimalizace nekončí v prodejně. Důležité je také vyhnout se omezením mezi jednotlivými skupinami nebo odděleními a datovým jezerům. Většina potřebných údajů je většinou známa, ale různá oddělení bohužel sledují různé zájmy." Helmut Prieschenk souhlasí: "Ani při komplexním logistickém plánování by nemělo být v centru pozornosti pouze distribuční centrum, ani by se neměly zohledňovat hlavní zájmy jednotlivých logistických oblastí nebo oddělení ovlivňujících procesy, jako je nákup nebo expedice. Je důležité zapojit do procesu optimalizace celý dodavatelský řetězec – interně i externě – a co nejvíce se vyhnout silům, a to jak fyzickým, tak IT."

"Data vstupují do velmi jednoduchých modelů," pokračuje Kyriakopoulos. Základem jsou zkušenosti lidí. To ještě není UI. Mluvíme o regresích. Pak se sami sebe ptáme, zda jsme se stali lepšími? Následují analýzy časových řad a první metody Machine Learning. Vždy se musíme dívat na to, jaké přesnosti dosáhneme v další fázi a jaká je přidaná hodnota pro zákazníka a uživatele."

A WITRON? "Musíme se ujistit, že mechanika odpovídá modelu. Protože fyzika musí fungovat stejně dobře. Mám dodat kufry nebo kusy? Nebo článek dokonce v obou variantách? Jak často se pobočka doručuje? Co když se změní rozsah článků?"

Logistická centra WITRON vytvářejí flexibilitu jak pro pobočku, tak pro E-Commerce. Pro úspěšnou implementaci je však zásadní myslet zpětně napříč všemi kanály – od spotřebitele až po distribuční centrum a případně ještě dále k dodavateli. Výzvu vidí především ve vysvětlitelnosti modelu. "U našich zákazníků se setkáváme se systémy push a pull. Některé fungují lépe než jiné."

Nechá si v budoucnu vedoucí pobočky diktovat příkazy od modelu se UI? Kyriakopoulos zná argumenty z módního průmyslu. "Pokud tam někdo nakupuje 20 let, je těžké mu hned vysvětlit přidanou hodnotu nebo ho přesvědčit, že model je možná lepší. Ale děláme to transparentně, jaké faktory používáme, jak je vážíme a kam se jednotlivé faktory posouvají."

Člověk má svrchovanost

Rakušané se mohou dívat do budoucnosti 18 měsíců. Model je prostřednictvím rozhraní připojen ke stávajícím systémům maloobchodního prodejce, výrobce oceli nebo prodejce obuvi. "Nechci všechno bourat, abych mohl použít model se UI," směje se Kyriakopoulos. "To je správná cesta – integrace do stávajících architektur," potvrzuje Prieschenk.

Jak robustní je však tento model? Heslo. Covid19. "To jsme také nemohli vidět," vysvětluje Rakušan. "V té době jsme pracovali s modelem v logistice mražených potravin. Krátkodobá předpověď nebyla zpočátku dobrá, ale po týdnu se model opět osvědčil. Po dvou týdnech byla stabilní. Samotná předpověď však nestačí. Klient s tím musí pracovat – například posílit marketingové kanály, spustit promo akce nebo v případě potřeby upravit ceny."

To je zásadní, říká Prieschenk. "Člověk pak převezme vládu. Nikdy nepodceňujte instinkt manažera logistiky, servisního technika nebo provozovatele pobočky. Zkušenosti lidí a dobře fungující datový model jsou základem pro přijímání inteligentních - tj. správných rozhodnutí v dlouhodobém horizontu. V distribučním centru se to týká také provádění strategií údržby nebo "správného fungování" systému. A co je důležité, modely, nástroje a řešení musí být robustní, osvědčit se v praxi a přinášet skutečnou přidanou hodnotu v každodenním podnikání."

UI poskytuje informace, odpovědná osoba rozhoduje a nadále má nad procesem svrchovanou moc. "Před více než 20 lety jsme v logistickém centru provedli revoluci v oblasti fyziky. S řešením OPM se nám podařilo zajistit, že palety a válečkové kontejnery jsou tříděny stroji bez chyb a způsobem, který je vhodný pro danou pobočku. Nyní děláme další krok a zaměřujeme se na data a komplexní logistické modely. A jsem si jistý, že se ještě dočkám komplexního modelu WITRON UI pro sklad," předpovídá Prieschenk.

O tom, kde modely UI stále mění logistiku, v čem se Kyriakopoulos a Prieschenk neshodli a kam tato technologie směřuje, hovoří oba v podcastovém rozhovoru.