AI in intra Logistiek: hoe kan het gebruik van data een warehouse slimmer maken

de wereld van de intra logistiek maakt gebruik van grote hoeveelheden data. In dit blog nemen we u mee in de mogelijkheden van kunstmatige intelligentie in magazijnen en hoe u de stroom van data en geheugen, oftewel ‘bits en bytes’, optimaal kunt gebruiken.

14 juni 2021
Blog
Warehousing en automatisering

Achter iedere smartwatch en elk social media-account zit een verhaal. Deze verhalen zijn geschreven met het gebruik van intelligente data. Data die, verzameld over een lange periode, een duidelijk beeld schetsen van bijvoorbeeld de fysieke fitheid van een persoon of van aspecten van hun persoonlijke leven. Maar ook de wereld van de intra logistiek maakt gebruik van grote hoeveelheden data: goederenstromen, routes en kortere wegen door magazijnen, planningen, successen, fouten, uitvaltijd, schades. Verschillende bronnen stellen deze data samen. Van camera's en sensoren tot informatie die handmatig in software wordt ingevoerd of is vastgelegd met geografische navigatiesystemen. In dit blog nemen we u mee in de mogelijkheden van kunstmatige intelligentie in magazijnen en hoe u de stroom van data en geheugen, oftewel ‘bits en bytes’, optimaal kunt gebruiken.

Techneuten praten bij grote gegevensverzamelingen over ‘big data’. Ze hebben het in het bijzonder over hoe kunstmatige intelligentie (ook wel artificial intelligence, AI) miljoenen gegevens kan verwerken om bepaalde terugkerende patronen te identificeren. Dit kan een basis vormen voor het verbeteren van magazijnprocessen. Bovendien leren de AI-systemen steeds bij doordat ze gegevens die ze in de loop van de tijd verzamelen met elkaar combineren. Daardoor zijn op veel gebieden zowel grote als kleine verbeteringen mogelijk. Er bestaan vele mogelijkheden om magazijnen slimmer te maken door middel van het verzamelen en analyseren van data. En naarmate de technologie evolueert, worden deze mogelijkheden uitgebreider.

AI wordt uw ogen en oren

AI verbruikt grote hoeveelheden data. En het type en de kwaliteit van deze data maken een doorslaggevend verschil. Wilt u bijvoorbeeld storingen aan of uitvaltijd van machines voorkomen? Door gebruik te maken van sensoren op voertuigen en andere apparatuur wordt de staat van het voortuig of de apparatuur in de gaten gehouden. De sensoren waarschuwen wanneer nodig. Hoe langer u data verzamelt uit deze en andere systemen en combineert met de achtergrondkennis van magazijnactiviteiten, hoe bruikbaarder de AI-oplossing is. Met als resultaat dat het bijvoorbeeld mogelijk is om steeds preciezer te voorspellen wanneer een bepaald onderdeel onderhoud nodig heeft of aan vervanging toe is.

Andere gegevensbronnen kunnen worden gebruikt om aanvullende doelen te bereiken. Sensoren in vloeren, op schappen of stellingen, in verpakkingen en op pallets zijn handige hulpmiddelen om kortere, efficiëntere routes in magazijnen te bepalen of om de beste manieren te vinden om te automatiseren.

Tekening efficiënte magazijnroute - AI in intra logistiek

Wanneer u deze informatie combineert met de sensoren van apparatuur uit het eerste voorbeeld, geeft AI een nog nauwkeuriger beeld. Door bijvoorbeeld beveiligingscamera's toe te voegen, creëert u nog meer mogelijkheden. En dat is een van de belangrijkste ideeën achter big data: het continu uitbreiden van mogelijkheden om te verbeteren.

De 5 V's van big data

Bij big data draait het allemaal om de vijf V’s. Deze hebben een directe invloed op hoe u grote gegevensverzamelingen nuttig en winstgevend gebruikt in een onderneming.

1. Volume (Volume): De hoeveelheid data

Data zijn de basis voor bruikbare informatie. Hoe meer data AI heeft, hoe beter het patronen kan identificeren die zinvolle inzichten kunnen opleveren. Het eerste doel moet daarom zijn om zoveel mogelijk interne en aanvullende bronnen aan te boren.

2. Snelheid (Velocity): De snelheid van het vastleggen en verzenden van data

Actuele data zijn waardevoller voor AI dan data die binnenkort de ‘houdbaarheidsdatum’ overschrijden. Dit komt omdat AI als het intelligent wil werken vaak beslissingen moet nemen binnen een zeer krap tijdsvenster (d.w.z. in realtime of bijna realtime).

3. Verscheidenheid (Variety): De diversiteit van bronnen

Op het eerste gezicht lijkt het misschien dat data uit verschillende bronnen weinig gemeen hebben. Toch legt AI verbanden en relaties in die enorme hoeveelheden datarecords.

4. Geldigheid (Validity): De kwaliteit van data

Gegevens moeten precies, ondubbelzinnig, exact, betrouwbaar, volledig en begrijpelijk zijn. Deze V is een belangrijke basis voor de vier andere V’s.

5. Waarde (Value): De toegevoegde waarde van het bedrijf

De toegevoegde waarde van big data gaat verder dan het besparen van tijd en geld. Andere voordelen zijn: veiligheid en betrouwbaarheid. Big data kan vooral leiden tot nieuwe, waardevolle kennis over hoe een bedrijf in de toekomst concurrerend kan opereren.

Maak gebruik van bestaande systemen

Met al deze kennis is het van groot belang de hoeveelheid data, die aansluit op toekomstige ontwikkelingen, vast te leggen. Begin hierbij met alle systemen die al digitaal zijn verbonden. Pas deze aan om naast hun oorspronkelijke doel voor data-uitwisseling informatie aan AI te leveren. Zo zijn bijvoorbeeld de gegevens van de eerder genoemde sensoren en camera's bijzonder nuttig.

Het belangrijkste voor het AI-proces is dat alle systemen en onderdelen naadloos kunnen communiceren en samenwerken. Deze uitwisseling levert ‘voeding’ voor AI op en creëert een ‘magazijn vol’ connectiviteit. En dat is weer een belangrijke overweging voor de stap naar automatisering. Denk hierbij aan de zelfstandig rijdende MATIC trucks, die via onder andere laserdetectoren en camera’s bewegende en stilstaande obstakels herkennen en moeiteloos door de ruimte navigeren.

Wilt u weten hoe uw bedrijf data kan inzetten voor het optimaliseren van de intra logistieke processen? Of wilt u meer weten over onze MATIC series? Neem contact op met één van de experts van Motrac. Ze geven u graag persoonlijk advies en op-maat oplossingen