Sztuczna inteligencja zaczyna mieć coraz większe znaczenie w gospodarce. Branża transportu, logistyki i spedycji również nie oparła się rewolucji AI. Autonomiczne pojazdy na drogach, torach, w powietrzu czy na morzu to nie science fiction, ale niedaleka przyszłość. A to dopiero początek rozwoju technologii w TSL. 

Polski rynek transportu, spedycji i logistyki 2 lata temu wart był 140 mld złotych. Branża ta wypracowała 6 proc. polskiego PKB i zatrudniała niemal milion osób. To z pewnością efekt wzmożonej aktywności oraz zwiększenia obrotów w czasie i tuż po pandemii koronawirusa. Jednak branża TSL ma również swoje problemy. To rosnące koszty prowadzenia działalności, w tym paliwa oraz energii, jak również brak kierowców. Wszystko to sprawia, że również TSL szuka możliwości zwiększenia oszczędności w ramach prowadzonego biznesu oraz nowych możliwości rozwoju. 

Coraz częściej firmy branży spoglądają na nowe technologie, automatyzacja i autonomia staje się szansą, jakiej do tej pory nie mieli. Łańcuchy dostaw zabezpieczane są przez wszechmocne algorytmy, kamery i sensory czuwają nad jakością ładunków, a w magazynach uwijają się setki samojezdnych robotów.  Sztuczna inteligencja ma potencjał do zrewolucjonizowania branży TSL Dzięki zaawansowanym algorytmom i możliwościom uczenia maszynowego, SI może przyczynić się do optymalizacji procesów logistycznych, zwiększenia efektywności i zmniejszenia kosztów.

Autonomiczne ciężarówki

Autonomiczne pojazdy mają duży potencjał mogą wprowadzić rewolucję w branży transportowej. To nie pobożne życzenia, ale odpowiedź na wyzwania, z jakimi zaczynają się borykać przedsiębiorcy. Wynikający z Brexitu jak i koronawirusa brak kierowców  w Wielkiej Brytanii w 2021 roku objawił się brakiem paliw na stacjach i gdzieniegdzie pustymi półkami. Gospodarka i obywatele boleśnie to odczuli. Szacowano wtedy, że na Wyspach brakuje nawet 100 tysięcy kierowców zawodowych. W Polsce ten niedobór jest podobny. Odpowiedzią na deficyt kierowców mogłyby być autonomiczne ciężarówki. 

Jak informował Polski Instytut Ekonomiczny (PIE) w raporcie „Branża TSL w obliczu autonomizacji i wojny”, autonomizacja pojazdów ciężarowych obecnie jest wskazywana przez analityków jako bardziej prawdopodobna od automatyzacji pojazdów osobowych. Dlaczego? Zdaniem ekspertów  PIE bardziej widoczna jest korzyść ekonomiczna – związana zarówno z poprawą bezpieczeństwa w ruchu drogowym, jak i też z ograniczeniem zużycia paliwa, skróceniem postojów pojazdów oraz ze zmniejszeniem kosztów pracy. 

Technologia self-driving trucks rozwijają się prężnie choćby w USA, gdzie już ponad 20 stanów zezwala na komercyjne wdrażanie autonomicznych ciężarówek. Co więcej, większość stanów zezwala na testowanie autonomicznych pojazdów z ludzkim wsparciem na pokładzie. Samochody takie mogą być wykorzystywane do dostaw towarów na duże odległości, 24 godziny na dobę, 7 dni w tygodniu. Dodatkowo są wyposażone w zaawansowane systemy bezpieczeństwa, takie jak czujniki radarowe, kamery, lidary i systemy ostrzegania przed kolizją. Te systemy pozwalają na precyzyjne monitorowanie otoczenia i reagowanie na sytuacje drogowe, co może przyczynić się do zmniejszenia liczby wypadków drogowych. Co więcej, autonomiczne pojazdy generują duże ilości danych dotyczących swojej jazdy, parametrów technicznych i otoczenia. Te dane mogą być analizowane i wykorzystywane do doskonalenia procesów logistycznych, prognozowania potrzeb i optymalizacji działań.

Autonomiczny transport 

TSL to nie tylko drogi. W Norwegii rozwijana jest autonomiczna żegluga, czyli bezzałogowe jednostki pływające wzdłuż norweskiego wybrzeża, a w szczególności w niebezpiecznych dla transportu morskiego fiordach. Autonomiczną żeglugę testują także Belgowie. Coraz częściej nad bezzałgowcami zastanawiają się operatorzy promów. W USA natomiast rozwija się rynek dostaw dronowych, gdzie prym wiodą Amazon i Walmart. Ten drugi ze swoich magazynów i supermarketów dostarczył w 2022 roku dronami 6 tys. przesyłek. Z kolei Chińczycy testują coraz częściej drony w postaci podniebnych taksówek, transportujących pasażerów pomiędzy kluczowymi punktami zatłoczonych i zakorkowanych miast. Na koniec warto zwrócić uwagę na niewielkie autonomiczne pojazdy – roboty, które dostarczają do odbiorców paczki, zamówienia z restauracji czy pocztę.

Planowanie tras i analiza jazdy kierowców

Już od wielu lat firmy transportowe wykorzystują systemy zarządzania flotą. W mniej lub bardziej skomplikowany sposób wykorzystują systemy, pozwalające analizować i optymalizować koszty poprzez wskazywanie wyboru właściwej drogi, odpowiedniej prędkości, tonażu ładunku czy bezpieczeństwa i stanu technicznego wykorzystywanych ciężarówek. Jednocześnie monitorowanie floty jest dziś w dużej mierze realizowane przy wykorzystaniu  sztucznej inteligencji. Za pomocą zaawansowanych algorytmów uczenia maszynowego, SI może analizować dane z pojazdów, takie jak lokalizacja, zużycie paliwa, stan techniczny i styl jazdy kierowcy. Może dostarczać informacji zwrotnej dotyczącej optymalizacji stylu jazdy, konserwacji pojazdów i zapobieganiu awariom. W końcu za pomocą umieszczony w pojazdach radarów, lidarów i innych sensorów SI może ostrzegać kierowcę przed niebezpieczeństwem na drodze, oblodzeniem czy innymi czynnikami wpływającymi na bezpieczeństwo kierowcy oraz ładunku. 
Sztuczna inteligencja analizuje dane dotyczące tras, warunków drogowych, natężenia ruchu, a nawet prognozy pogody, aby wyznaczyć optymalny przejazd. To z kolei obniża czas i koszty dostawy, pozwalając wykorzystać dodatkowe godziny na odpoczynek kierowcy czy też dostarczenie dodatkowego ładunku nieco dalej. 

Optymalizacja zarządzania magazynami

Sztuczna inteligencja może być z powodzeniem wykorzystywana do optymalizacji procesów magazynowych, co doskonale widać choćby na przykładzie Amazona. Na podstawie analizy danych o zamówieniach, stanach magazynowych i przewidywanych potrzebach klientów, SI prognozuje zapotrzebowanie na produkty i optymalizuje układ magazynu w celu zwiększenia wydajności. Może również monitorować ruch towarów oraz proponować optymalne sposoby organizacji magazynu.

Analiza danych może dotyczyć asortymentu produktów, częstotliwości sprzedaży, sezonowości, rozmiarów i innych czynników. Wykorzystując algorytmy uczenia maszynowego, SI może identyfikować najlepsze miejsca składowania produktów, minimalizując czas potrzebny na pobieranie towarów i poprawiając przepływ pracy w magazynie.

SI może również analizować dane historyczne, trendy sprzedaży, zachowanie klientów i inne czynniki, aby przewidywać zapotrzebowanie na produkty w przyszłości. Dzięki temu można lepiej planować zamówienia i dostosowywać poziom zapasów w magazynie, minimalizując ryzyko niedoboru towarów i nadmiernego zapełnienia.

Automatyzacja procesów

Jednym z prostych rozwiązań, ale wcale nie bez znaczenia dla TSL, może być również wykorzystywanie sztucznej inteligencji do automatyzacji wielu procesów prowadzonych na co dzień w firmach w sposób tradycyjny. Na przykład, chatboty wykorzystujące generatywną AI mogą obsługiwać zgłoszenia klientów, analizować dane przesyłek, generować raporty czy kontrolować stan techniczny pojazdów na postawie danych i dokumentów. Automatyzacja procesów za pomocą SI może przyspieszyć działania, zwiększyć dokładność i zmniejszyć koszty operacyjne. 

Prognozowanie popytu

Ile logistyk by dał, aby wiedzieć, czy zapotrzebowanie na jego usługi lub produkty w najbliższym czasie wzrośnie, czy zmaleje… Tymczasem SI może pomóc w prognozowaniu popytu na usługi logistyczne, jak i towary. Prognozowanie popytu obejmuje szereg czynności mających na celu zapewnienie odpowiednich poziomów zapasów w magazynie w celu sprostania oczekiwaniom klientom, czyli podaży. Analizując dane historyczne, trendy rynkowe, dane demograficzne i inne czynniki, systemy sztucznej inteligencji mogą przewidywać zmiany popytu w różnych regionach i okresach na konkretne usługi czy towary. Dzięki temu firmy TSL mogą dostosować swoje zasoby i planowanie w celu zwiększenia wydajności oraz lepszego zaspokajania potrzeb klientów.