Bez přesných dat z provozu zůstává skladová AI slepá

Umělá inteligence se v logistice prosazuje v plánování, řízení zásob i automatizaci. Samotný algoritmus však nezaručí lepší výsledek. Pokud vstupní údaje neodpovídají skutečnosti ve skladu, může AI pouze rychleji podporovat nesprávná rozhodnutí.

Na tento rozpor upozornila Oana Jinga, Chief Commercial and Product Officer společnosti Dexory, v rozhovoru s Peterem MacLeodem. Systém řízení skladu může například uvádět jinou dostupnost nebo lokaci zboží, než jaká je ve skutečnosti. Rozdíl mezi digitálním záznamem a fyzickou situací pak narušuje plánování i důvěru v automatizované doporučení.

Fyzická realita skladu jako datová vrstva

Pro moderní AI nestačí znát počet kusů. Potřebuje také informace o regálových strukturách, volném prostoru, pohybu, technice a rozměrech či tvaru zboží. Teprve propojení těchto údajů s podnikovými systémy vytváří obraz, který může sloužit jako základ pro Physical AI.

Relativně malá nepřesnost v evidenci může způsobit dlouhé hledání položek, opakované kontroly a ztrátu času při vychystávání. Následkem mohou být neúplné objednávky, zpožděné dodávky nebo narušení zásobování výroby. Dopad proto nespočívá pouze v přesnosti inventury; týká se produktivity, zákaznického servisu i ziskovosti.

Nejdříve problém, potom technologie

Roboti, propojená data a pokročilá analytika mohou v budoucnu pomáhat s rychlejšími a složitějšími rozhodnutími. Algoritmy se mohou přiblížit i zkušenostem vedoucích pracovníků, kteří dokážou rozpoznat provozní souvislosti. Lidský úsudek ale zůstává důležitý při vyhodnocování nestandardních situací.

Praktický postup pro průmyslové firmy je proto opačný než bezhlavné pořizování novinek: nejprve určit konkrétní provozní nedostatek, prověřit kvalitu dat a teprve následně zvolit vhodný nástroj. Kvalitní automatizace začíná přesným poznáním skladu.