В пир и в мир: искусственный интеллект в логистике и ретейле - AIS

В пир и в мир: искусственный интеллект в логистике и ретейле

07.02.2024

Около 53% крупных организаций в России используют искусственный интеллект в своей деятельности, а вклад этой сферы в ВВП к 2025 году может составить до 2%, об этом в начале 2023 года заявил вице-премьер Дмитрий Чернышенко. В январе этого года было подписано соглашение о сотрудничестве между бизнесом и государством по «дорожным картам» высокотехнологичных направлений, в том числе направления ИИ.

Национальная стратегия искусственного интеллекта до 2030 года была утверждена в 2019 году, с 2021 года по решению президента России и под руководством Минэкономразвития активно реализуется федеральный проект «Искусственный интеллект» национального проекта «Цифровая экономика». Он предусматривает различные меры поддержки, например, формирование кадрового потенциала отрасли, разработку отечественных решений, поддержку исследований и так далее.

В этом году предполагается создание индекса «интеллектуальной зрелости» отраслей экономики и регионов, на основе которого предлагается оценить результат работы разных уровней исполнительной власти в части внедрения ИИ, а также уровень применения ИИ в российской экономике.

Рассказываем, как искусственный интеллект применяется на транспорте и в розничной торговле.

Решения ИИ в логистике

Проблема 1. Холостой пробег от местоположения транспорта до места погрузки товара, груза или пассажира.

Решение. Прогнозирование спроса на базе исторических данных позволяет спланировать объем и тип нужного транспорта, его расположение, расписание, стоимость проезда и другие параметры. Совокупно это позволяет снизить до 20% пробег без груза/пассажира, время доставки и повысить потенциальную пропускную способность. Система идентификации и учета вагонов «Ардис» позволяет управлять отгрузкой продукции, анализировать местонахождение вагонов. Решение построено на платформе системы распознавания номеров вагонов и решает задачи служб логистики и безопасности. Об этом говорится в отчете Альянса в сфере искусственного интеллекта «Приоритетные решения с использованием искусственного интеллекта в ключевых отраслях экономики».

Автоматическая система подсчета объема пассажиропотока на основе ИИ позволяет увеличить точность до 99% и сократить срок окупаемости транспортного средства. Такое решение совместно разработали компании «Ларга» и ComBox Technology: на транспортном средстве устанавливаются видеокамеры и устройства для обработки, передачи и хранения данных, посредством которых система непрерывно подсчитывает количество пассажиров в моменты остановок и открытия дверей.

Проблема 2. Внеплановые поломки транспорта приводят к нарушению сроков поставок.

Решение. Планирование техобслуживания и ремонта на основе прогнозирования неисправностей. Нейросеть способна определить оптимальное время техобслуживания по данным с датчиков, что позволит снизить время простоя до 15%.

Проблема 3. Сложности с доставкой грузов в труднодоступные поселки.

Решение. Беспилотные средства вертолетного типа доставляют грузы и почту до 50 кг 365 дней в году.

Проблема 4. Свыше 80% инцидентов на море происходят из-за человеческого фактора. Убытки оцениваются в $1 млрд ежегодно.

Решение. Применение технологии автономного вождения судов и снижение аварийности до 90%.

Проблема 5. Низкое качество транспортных услуг из-за усталости водителей.

Решение. В январе 2020 года «Мосгортранс» внедрил ИИ-комплекс «Антисон», разработанный ГК «КСОР». Система использует компьютерное зрение для анализа видеопотока. Обнаружив признаки потери концентрации водителя, система подает звуковой сигнал и сообщает о зафиксированном случае в центр мониторинга. Эффект от внедрения — повышение уровня безопасности и дисциплины водителей общественного транспорта, а также снижение общего показателя аварийности.

Решения ИИ в ретейле

Развитие сферы ретейла происходит под влиянием многих внешних факторов. Есть общие процессы, характерные как для России, так и для всего мира, например, массовое перетекание покупателей в онлайн-формат; покупка товаров с доставкой на дом. В части же предпочтений по продуктам питания происходит смещение в сторону здоровой еды.

«Сфера ретейла неоднородна, поэтому стоит разделять офлайн- и онлайн-сегменты, — говорит директор по направлению «Цифровая трансформация отраслей» АНО «Цифровая экономика» Алексей Сидорюк. — С офлайн-ретейлом все сложнее: компании относительно недавно начали накапливать большие массивы данных, размечать их и использовать алгоритмы машинного обучения».

Проблема 1. Снижение качества услуг из-за человеческого фактора.

Решение. Модернизация логистических процессов с помощью роботизированных технологий совместно с нейросетями.

Компании из сферы розничной торговли внедряют роботов, которые проверяют пустоты на полках, соответствие выкладки плану-схеме, актуальность ценников и так далее. Также на рынке представлены роботы, которые анализируют происшествия в торговом зале (упавшая коробка, разлитая жидкость), следят за открытыми окнами/дверьми, наличием огнетушителей на нужных местах. А при использовании роботов на складе для распределения продукции можно быть уверенным, что ИИ правильно классифицирует товары и направит их в нужные места.

В сентябре 2022 года Сбербанк продемонстрировал роботизированную систему SberShuttle, которая предназначена для автоматизации складской логистики в индустрии электронной коммерции. Система представляет собой стеллажное хранилище. Между стеллажами по рельсам перемещаются роботы-шаттлы, перевозящие контейнеры с товарами от мест хранения на станцию комплектации. Контроль за всем процессом осуществляет оператор с помощью системы на базе ИИ. Решение полностью автоматизирует работу склада, исключая ошибки, вызванные человеческим фактором, и снижая операционные расходы.

Проблема 2. Продолжительное время доставки товаров.

Решение. Согласно исследованию McKinsey, 46% потенциальных покупателей расформировывают корзину, если обнаруживают, что срок доставки не соответствует их ожиданиям. Поэтому компаниям сферы ретейла нужно составлять самые оптимальные маршруты для сокращения сроков доставки, а также учитывать разные временные интервалы доставки, совместимость грузов, постоянно меняющуюся ситуацию на дорогах. Все это возможно реализовать с помощью технологий ИИ.

Сервис доставки Delivery Club разработал систему «Алан», которая формирует расписание для курьеров с использованием технологий ИИ. Собственная разработка компании прогнозирует и определяет спрос по конкретным зонам на основе исторических и внешних данных (погода, праздники), предпочтений курьера (маршрут), что оптимизирует время курьеров и позволяет избежать простоя.

Источник: rbk.ru