人工智能（AI）、數(shù)字化、機器人技術等對物流帶來的好處是巨大的。一下來自德國的五位專家解釋了人工智能如何降低成本和提高效率。

AI 在物流領域得到進一步發(fā)展，不是因為技術上的可能性，而是因為它有巨大的潛力。- 圖片：AdobeStock生產的Perig

在物流行業(yè)，更多地使用人工智能是有意義的，正如德國多特蒙德弗勞恩霍夫 IML 的負責人 Michael ten Hompel 解釋的那樣：“人工智能在物流中的應用潛力巨大，物流將成為第一個大規(guī)模建立人工智能流程的行業(yè)。” 其中一個原因是，就像幾何學一樣，物流可以在算法上相對輕松，細節(jié)已經相對標準化——但也非常復雜。

AI 無處不在

ABB SE 國際業(yè)務發(fā)展總監(jiān) Torsten Mallée 解釋說：“人工智能不是未來的愿景，但現(xiàn)在在日常生活中無處不在，例如手機和導航系統(tǒng)。然而，人們的期望很高，因為有聲明“人工智能將改變一切。”

人工智能不會因為技術可能性的存在而被擴展，而是因為它具有降低成本、提高效率以及更好地識別和滿足客戶需求的巨大潛力。據(jù)說人工智能是一種關鍵的一個競爭因素。”

（1）實際上使用AI 有多容易或困難。在數(shù)據(jù)保護方面，您需要考慮什么？

“但它并不總是關于大數(shù)據(jù)。您實際上需要多少數(shù)據(jù)？數(shù)據(jù)經濟是其中的一個方面。”Agile IT Management GmbH 董事總經理 Arvin Arora 說。

Agile IT Management 董事總經理Arvin Arora描述了使用人工智能帶來的挑戰(zhàn)：“任何想要將人工智能以高附加值帶入運營實踐的人，也不得不掙扎一下。”因此，他提到了關鍵詞數(shù)據(jù)質量、可擴展性、穩(wěn)健性、透明度。他說：“這不僅僅是機器學習。因為 80% 是更傳統(tǒng)的軟件開發(fā)。”有一個關鍵的因素組合。數(shù)據(jù)是一個因素，更快的系統(tǒng)，更好的算法和不斷增長的軟件形式的生態(tài)系統(tǒng)。

沒有AI 就沒有數(shù)字化轉型

Arora 警告說：“但它并不總是關于大數(shù)據(jù)。你實際上需要多少數(shù)據(jù)？數(shù)據(jù)經濟是其中的一個方面。它還與數(shù)據(jù)保護有關，因為并非必須插入每個員工姓名 - 還有其他選項。因為你可以提取數(shù)據(jù)并查看哪些層工作得更好——這并不重要。所以它不一定是關于大數(shù)據(jù)，而是關于你正在做的事情或相應問題的重要數(shù)據(jù)。”

AI 在正確的地方

另一個重要方面是缺失數(shù)據(jù)或訓練數(shù)據(jù)，特別是對于那些開始從事沒有可用數(shù)據(jù)的 AI 項目的公司而言。有時您必須收集一到兩年的數(shù)據(jù)。還有一個問題是，為一個客戶成功運行的模型是否可以轉移到另一個客戶。Arora 說：“這取決于模型使用的數(shù)據(jù)。如果這些不是特定于客戶的，那么當然不是關鍵。”

（2）以整個歐洲的大型卡車車隊為例，AI 在行動中可以真正實現(xiàn)什么？

匈牙利布達佩斯 Waberer's International公司 的首席執(zhí)行官 Robert Ziegler 說：“我們必須每天匹配負載和容量，基本上是每小時和每分鐘。有很多無法估量的事情。”

“我們使用互聯(lián)網 AI 以及大數(shù)據(jù)和帶有數(shù)據(jù)的傳感器，以及 GPS 坐標。根據(jù)這些信息，專家系統(tǒng)會提出建議——然后在某個時候我們可以基于此做出決定。” Robert Ziegler說。關于人工智能在公司中的實際應用：“我們多年來一直在使用人工智能，并且每天都在努力開發(fā)它。但沒有一個項目會結束。”換句話說：人工智能研究仍然忙于將仍然相對較弱的人工智能轉變?yōu)閺姶蟮娜斯ぶ悄堋?/p>

經典而智能的交通工具——仍然沒有機器人

Ziegler 繼續(xù)說道：“我們的數(shù)據(jù)非常復雜，因為我們在整個歐洲擁有非常龐大的車隊。我們使用一種出租車系統(tǒng)，所以不是從 A 到 B 然后再回到 A，而是從 A 到 B 到 C 到 D等等這意味著我們必須每天匹配負載和容量，基本上每小時和每分鐘。”有很多不可估量的。有時客戶取消旅行，然后卡車出現(xiàn)問題。因此，網絡必須不斷優(yōu)化。

AI 勝過人類智能

“以我們的規(guī)模，已經不可能再用員工來處理這個問題。組合是無限大的。這就是為什么我們現(xiàn)在不可能忽略基于決策的系統(tǒng)。基本上，我們必須能夠每分鐘檢查 5000 輛卡車，看看是否一切都以最佳方式運行，或者是否需要進行更改。”人類大腦無法再做的事情，計算機可以使之成為可能。但我們也想規(guī)劃未來，這意味著我們現(xiàn)在不僅要規(guī)劃我們目前可用的負載，還要規(guī)劃未來五天。五天后我們在哪里又需要一輛卡車？”Ziegler 說人類嚴重依賴智能技術。

交通正在增加，但司機呢？

目前，關于司機短缺的話題一再發(fā)生。Ziegler：“司機短缺？沒有司機短缺。因為司機是我們商業(yè)模式的一部分。如果我們不明白這一點，那么我們總是會談論司機短缺。在這方面，我們的優(yōu)化也很重要不僅要考慮質量和產能利用率，還要考慮司機的滿意度。周末想在家，偏愛某些路線。工作時間，這樣我們就不會惹他生氣。”

整個供應鏈和倉儲物流的智能行為

我們行業(yè)的特點是利潤率非常低，因此我們必須將目標保持在很高的水平，從而更加數(shù)字化。競爭是巨大的。對準時性的要求也越來越高：過去，經典的貨運公司通常會在正確的日期到達，因為那時您會準時到達。今天，您可以在 15 分鐘內準時到達。我們甚至在一分鐘內測量。越來越多的人同意固定時段。復雜度越來越高。然而，讓我擔心的是，路線規(guī)劃師不再了解這個黑匣子中發(fā)生的事情。只要我們了解機器中發(fā)生的事情，一切都會好起來的。但是，我們將無法再了解黑匣子中發(fā)生的事情的時候會到來。

（3）在物流領域大肆宣傳AI 的背后是什么？

“目標是讓 AGV 能夠對環(huán)境做出反應。”多特蒙德弗勞恩霍夫 IML 數(shù)據(jù)驅動物流團隊負責人 Jens Leveling 說。

“在物流人工智能大肆宣傳的背后，有很多清醒的軟件開發(fā)和 IT 項目都非常關注數(shù)據(jù)。第一個項目是 AGV 中的環(huán)境感知主題。帶有圖像傳感器的攝像頭可以監(jiān)控 AGV 周圍的環(huán)境我們將環(huán)境分類為其他 AGV、人、貨架、托盤等對象，我們必須考慮到要識別的對象并非完全可見。”Jens Leveling說目標是 AGV 可以對環(huán)境做出反應。例如，當 AGV 要求人類避讓，用于人機通信。或者也用于機器與機器的交互。

AI 和文本分析

第二個例子來自文本分析的背景。“大多數(shù)物流公司都可以分配給中型公司，其中數(shù)字化的想法是將紙張轉換為數(shù)字文件。”Leveling 說紙張作為信息的載體仍然存在，你仍然必須非常認真地對待這一點。“我們現(xiàn)在可以使用 AI 來識別我們當前擁有的文檔類型。或者也可以識別文本模塊，例如電子郵件地址。然后機器學習可以將這些信息放入上下文中。通過機器學習，我們可以收集信息”。