Künstliche Intelligenz ist ein breites und sich dynamisch entwickelndes Gebiet. Es erlaubt u. a. große Datensätze effektiv zu analysieren, das Problem unvollständigen Daten zu lösen und schwierige und komplexe Entscheidungen zu treffen. Ein gutes Beispiel dafür ist, das Nutzen von Video on Demand-Plattformen oder Fotografieren mit einem Smartphone (hier die Bilderkennung zur automatischen Kalibrierung der Bildparameter).
Die Möglichkeiten der künstlichen Intelligenz und insbesondere einer ihrer Aspekte, dem maschinellen Lernen, werden immer interessanter für die Entwickler von Systemen zur Lagerverwaltung (WMS – Warehouse Management System). Schon heute lohnt es sich nachzudenken, welche Probleme das maschinelle Lernen lösen kann und welche Verbesserungen im Lagerbetrieb damit erzielt werden können.
Maschinelles Lernen
Das maschinelle Lernen bzw. Lernsysteme sind Programme, die ihre Leistung auf der Grundlage des erworbenen Wissens automatisch verbessern und optimieren. Sie nutzen, die dem System zur Verfügung gestellten Daten, um zu Lernen. In welchen Bereichen kann man sie im Lager einsetzen?
Künstliche Intelligenz und optimale Lagerplätze
Dank der Algorithmen des maschinellen Lernens wird das WMS Prozesse der automatischen Zuweisung von Lagerplätzen verbessern können. Bei der Entscheidung über die Platzierung von Waren berücksichtigt das System gleichzeitig viele komplexe und zeitlich variable Faktoren und Abhängigkeiten. Zu nennen sind insbesondere Warenrotation und Statistiken über die Kombination verschiedener Waren innerhalb eines Auftrags. Das Ergebnis einer solchen Optimierung ist eine Verkürzung der Wege und der Abholzeiten sein.
Analyse der Nachfrage
Künstliche Intelligenz dank des maschinellen Lernens ermöglicht eine mehrdimensionale Analyse des Verbraucherverhaltens und somit die Erfassung von Trends und saisonalen Schwankungen der Nachfrage. Dadurch kann das WMS die erwartete Nachfrage für ein bestimmtes Produkt in der Zukunft prognostizieren, was bessere Planung und rationellere Verwaltung der Lagerbestände zur Folge hat.
Künstliche Intelligenz und Prioritätenverwaltung in Echtzeit
Beim Betrieb von Lagern insbesondere solchen, die zu Logistikdienstleistern gehören, kommt es häufig zu Häufungen von Aufträgen, die die Findung schneller Kompromisse erfordert. Die in einem WMS implementierten Algorithmen helfen die Auswirkungen möglicher Entscheidungen abzuschätzen, einschließlich der finanziellen Folgen von Verzögerungen. Dadurch wird der Lagerverwalter bei seiner Entscheidung unterstützt und weiß, welchen Aktivitäten zu welchem Zeitpunkt die höchsten Prioritäten zugeschrieben werden sollten.
Zeichen- und Spracherkennung
Dank den Algorithmen Künstlicher Intelligenz kann die Zuverlässigkeit optischer Zeichenerkennung (OCR – Optical Character Recognition) erhöht werden. Sie ermöglichen eine effektive Erkennung von Zeichen, selbst wenn sie teilweise verschmutzt oder beschädigt sind. In Lagern von Produktionsstätten und Wartungsdiensten wird die OCR-Technologie häufig in Verbindung mit DPM (Direct Part Marking) eingesetzt, d.h. mit Symbolen, die sich direkt auf dem Produkt befinden. Sie ist besonders nützlich, wenn das markierte Objekt extremen Bedingungen wie hohen Temperaturen oder einer ätzenden Umgebung ausgesetzt ist.
Das maschinelle Lernen bietet auch Unterstützung für Spracherkennungssysteme, die bei Pick-by-Voice verwendet werden. Bei Pick-by-Voice hat der Mitarbeiter beide Hände frei, was seine Bewegungsfreiheit deutlich erhöht und die Arbeit beim Kommissionieren erleichtert. Pick-by-Voice erhöht auch die Sicherheit der Ausrüstung – z.B. Verluste verursacht durch das Fallenlassen von mobilen Terminals.
Reibungsloser Warenfluss
Eine weitere interessante Anwendung des maschinellen Lernens für automatische Lager, ist die Unterstützung von MFC-Software (Material Flow Control) für einen reibungslosen Warenfluss. Die Optimierung von Förderstrecken und Regalbediengeräten verhindern Staus und beschleunigt den gesamten Prozess des Warenein- und -ausgangs. Diese Funktion ist besonders in E-Commerce-Lagern nützlich, die eine große Anzahl kleiner Aufträge ausführen und sich durch ein hohes Verkehrsaufkommen auszeichnen.
Diese wenigen Beispiele schöpfen natürlich nicht alle Möglichkeiten aus, die sich im Lager durch maschinelles Lernen eröffnen. In jedem Fall ist zu erwarten, dass die Liste der Aufgaben, die an Künstliche Intelligenz Algorithmen übergeben werden, sich in naher Zukunft systematisch und dynamisch erweitern wird.
