Grupa KION stawia na AI

Systemy Smart Factory, inteligentne układy wsparcia operatora czy pojazdy zdolne do samodzielnego wykonywania operacji – marki Grupy KION coraz częściej wykorzystują w swoich rozwiązaniach sztuczną inteligencję. Działające w oparciu o tę technologię rozwiązania pomagają optymalizować operacje magazynowe, przewidywać popyt i wąskie gardła oraz zmniejszać w efekcie ryzyko

nadmiernych zapasów lub niedoborów materiałów. Wykorzystując pozycję globalnego lidera technologicznego w obszarze intralogistyki, Grupa KION systematycznie poszerza potencjał, jaki daje AI. O jej zastosowaniu w magazynach – dziś i w przyszłości – opowiedział w wywiadzie Joachim Tödter, Senior Director Technology & Innovation w KION.

Pojazdy sterowane automatycznie istnieją w jakiejś formie od około 30 lat. Dawniej uruchomienie każdego systemu stanowiło unikalne wyzwanie, a wszelkie modyfikacje wymagały znacznej konfiguracji. Jesteśmy jako KION nośnikiem zmiany tej sytuacji. Zaawansowane czujniki oraz wyrafinowane rozwiązania sprzętowe i programowe

stopniowo ułatwiają wdrożenia i zwiększają elastyczność rozwiązań. W przyszłości będziemy w stanie całkowicie zrezygnować z początkowego procesu konfiguracji. Wózki widłowe będą w stanie autonomicznie orientować się w przestrzeni i się do niej dostosowywać.

Jednym z najistotniejszych trendów jest dziś odchodzenie od „sztywnej” automatyzacji na rzecz elastyczności. Dobrym tego przykładem jest projekt „IMOCO under Industry4.E”, w który zaangażowana jest firma STILL (IMOCO to skrót od Intelligent Motion Control, inteligentna kontrola ruchu – przyp. red.). Ma on na celu umożliwienie pojazdom AGV autonomicznego poruszania się po magazynie i omijania wszelkich przeszkód dzięki najnowocześniejszym czujnikom i rozwiązaniom z obszaru sztucznej inteligencji. Dane pochodzące z kamer, radarów i skanerów laserowych są inteligentnie przetwarzane, by trafnie klasyfikować obiekty otaczające pojazd.

Tak, zdecydowanie. Połączenie kamer oraz opartej na sztucznej inteligencji analizy obrazu zbliża nas do punktu, w którym pojazdy AGV są w stanie autonomicznie identyfikować obiekty: co jest półką, co osobą, a co paletą. Potrafią rozróżniać i rozpoznawać warunki środowiskowe oraz odpowiednio je interpretować i reagować.

Przykładem zastosowania tej technologii są drony do analizy systemów magazynowania. Spodziewamy się, że dzięki inteligencji maszynowej wkrótce będzie możliwe wykrywanie z ich użyciem nieprawidłowości i uszkodzeń elementów infrastruktury magazynowej.

Bazą są sieci neuronowe dające autonomicznym systemom zdolność „uczenia się” nowych umiejętności. Zanim będą mogły wykorzystać „wiedzę” w praktyce, sieci neuronowe muszą najpierw zostać „przeszkolone” w zakresie rozpoznawania danych wejściowych. W kontekście analizy obrazu oznacza to zdolność rozpoznawania obiektów przypominających przykłady szkoleniowe.

Proces jest podobny do uczenie się dziecka: na podstawie oglądanych książeczek ze zwierzątkami mały człowiek zyskuje umiejętność samodzielnego odróżniania kota od psa. Podobnie dzieje się z sieciami neuronowymi „karmionymi” danymi szkoleniowymi. Różnica polega na tym, że sztuczna inteligencja jest w stanie uczyć się znacznie szybciej niż dziecko.

Potencjał jest ogromny – szczególnie w zakresie zwiększania wydajności i elastyczności procesów. Systemy AI mogą przykładowo:

• pomóc zoptymalizować zarządzanie zapasami i uniknąć nadwyżek lub niedoborów materiałów;
• wspierać zapobieganie błędom i problemom dzięki prewencyjnej analizie danych;
• być używane do przewidywania skoków zużycia energii i unikania dzięki temu dodatkowych opłat.

Innym przykładem jest projekt badawczy ARIBIC  rozpoczęty przez Grupę KION i jej partnerów. Skrót ten oznacza Artificial Intelligence-Based Indoor Cartography (mapowanie wnętrz na podstawie sztucznej inteligencji).

Projekt pokazał, że w oparciu o dane z AGV możliwe jest tworzenie w czasie rzeczywistym cyfrowego bliźniaka całego magazynu – wraz z wizualizacją operacji i procesów.

Warto zaznaczyć przy tym, że zakres możliwości wykorzystania AI stale się poszerza. Podczas prowadzonych kilka lat temu testów wizji maszynowej uzyskiwaliśmy wskaźniki rozpoznania obiektów na poziomie 80-85%. Z jednej strony robiło to wrażenie, z drugiej – ze względu na zbyt wysoki odsetek błędów – pozostawało niepraktyczne. Dziś wskaźniki rozpoznawania są tak dobre, że nie trzeba nawet zastanawiać się, czy wdrożenie sztucznej inteligencji ma sens – to oczywiste. Możliwości obliczeniowe AI stale się poprawiają i to w szybkim tempie – obecnie podwajają się one co osiem lub dziewięć miesięcy. Ten rozwój wciąż przyspiesza.

Jak najbardziej! Jeśli zapewnimy maszynie środowisko symulacyjne, w którym wypróbuje wiele wariantów realizacji przejazdu do podjęcia ładunku, AI przeanalizuje dane i zidentyfikuje najbardziej efektywne rozwiązanie. Testy potencjalnych sposobów wykonania zadania będą realizowane w wirtualnej przestrzeni tysiące razy aż do znalezienia odpowiedzi, która sprosta postawionym wymaganiom. Inżynierowie nie muszą już wprogramowywać w maszynę niezliczonych tras. Jest ona w stanie autonomicznie wybrać najodpowiedniejszą.

Już teraz nasi klienci mają trudności ze znalezieniem pracowników do wykonania części prac. Właśnie dlatego obserwujemy wzrost zapotrzebowania na automatyzację. Pojazdy AGV zastępują operatorów przede wszystkim w monotonnych i obciążających fizycznie zadaniach. Jeszcze długo nie będą jednak w stanie dorównać im w operacjach wymagających delikatnego dotyku lub szczególnej elastyczności. Wyspecjalizowani pracownicy będą więc poszukiwani bardziej niż kiedykolwiek wcześniej – zwłaszcza ci potrafiący instalować systemy automatyzacji, testować je i utrzymywać.

Dobrym przykładem są pojazdy klasy AGV takie jak iGo neo firmy STILL  – inteligentny produkt, który współpracuje z operatorem celem uproszczenia jego pracy. Spodziewamy się, że rozwiązania takie jak to staną się integralną częścią intralogistyki w niedalekiej przyszłości. Obiecujące są także m.in.: system zarządzania energią ifesca oraz LoadRunner – rozwiązanie wykorzystujące logistykę roju do transportu wielu małych pojemników. Interesujący jest także wspomniany już projekt badawczy ARIBIC, którego odkrycia umożliwią przeglądanie stanów magazynowych w czasie rzeczywistym.

By realizować swój potencjał, wszystkie wymienione systemy sztucznej inteligencji wymagają dostępu do dużych ilości danych. Jak radzić sobie z bezpieczeństwem

ich przechowywania i udostępniania?

Troska o dane jest niezbędna – zarówno w perspektywie cyberbezpieczeństwa, szybkiego dostępu do dużej ilości informacji, jak i zachowania wysokiej jakości danych. Powierzenie analizy dużych zbiorów informacji sztucznej inteligencji, by podejmować w oparciu o nie lepsze decyzje, mija się z celem, jeśli nie dopilnujemy trafnego odzwierciedlenia w danych rzeczywistości. W odpowiedzi na te wyzwania rozwijamy KAP, platformę analityczną KION. Pozwala ona bezpiecznie przechowywać dane, dając jednocześnie wygodny dostęp do nich upoważnionemu personelowi. Ludzie pozostają kluczowi w zakresie utrzymania jakości gromadzonych informacji, monitorowania i walidacji systemów AI – i pozostaną niezastąpieni w dłuższej perspektywie.