Kunstmatige intelligentie - een wereld die onze verbeelding te boven gaat

Waarin verschillen traditionele IT-systemen en geavanceerde AI?

Conventionele IT-systemen zijn gebaseerd op regels en komen overeen met statische berichten. Met andere woorden, we definiëren functies en beslisbomen die machines vervolgens implementeren. De bedrijven van vandaag willen echter meer. Ze hebben zeer flexibele en op maat gemaakte IT-ondersteuning nodig voor een verscheidenheid aan ordertypes en -structuren die ze via verschillende verkoopkanalen ontvangen. Systemen moeten bijvoorbeeld tegelijkertijd leveringen aan fysieke winkels en e-commerceverwerking ondersteunen. Een eerste stap is het implementeren van algoritmen die de fulfillment optimaliseren. SSI SCHÄFER heeft deze geïmplementeerd voor de klant Desigual, waardoor we orderbeheerprocessen continu kunnen aanpassen en verbeteren en de kostenefficiëntie van orderverzamelen kunnen verbeteren. De manier waarop logica momenteel wordt gemodelleerd in IT-systemen beperkt echter wat we op dit moment kunnen doen.

Onze innovatieve cultuur houdt ons bij SSI SCHÄFER vooruitstrevend en AI is onze volgende grote missie. We willen intralogistieke processen creëren die zich autonoom en dynamisch kunnen aanpassen aan de veranderende behoeften van klanten. We willen IT-systemen die "open-minded" zijn en patronen kunnen identificeren en analyseren, bijvoorbeeld in bestelgedrag, in situaties die mensen, met onze focus op causale verbanden, niet kunnen verwerken. Deze paradigmaverschuiving zal ons in staat stellen om processen te ontwerpen die wendbaarder en situatiegevoeliger zijn. Dit zal ons bijvoorbeeld in staat stellen om klantorders te voorspellen voordat die orders worden geplaatst, en om in een eerder stadium te picken en te beginnen met verzenden. We willen gebruik maken van de kennis van klanten die in onze gegevens zit.

Wat is kunstmatige intelligentie? Wat is intelligentie? Wanneer wordt een systeem AI?

AI is een poging om computersystemen tot op zekere hoogte zelf te laten denken. Maar zelfs de experts kunnen het niet eens worden over een exacte definitie van intelligentie. Een voorbeeld zijn neurale netwerken. Dit is een IT-model van cognitieve structuren met als doel een algemeen onbekende functionele correlatie tussen invoergegevens en uitkomsten te benaderen. Deze systemen analyseren mogelijke verbanden en gebruiken de beschikbare gegevens op een manier die voor mensen met vooroordelen en vooroordelen niet mogelijk is. Of, anders gezegd, mensen denken in termen van specifieke problemen. Machines zoeken naar verbanden en geven ons antwoorden op vragen die we misschien nooit gesteld hebben.

Hoe ziet de toekomst eruit?

AI-systemen die zijn getraind om overeenkomstige intralogistieke taken uit te voeren, kunnen menselijke werknemers in magazijnen helpen. AI-systemen zullen aanbevelingen doen en de efficiëntie van processen verbeteren door slimme voorspellingen te gebruiken. Met prescriptief onderhoud kan bijvoorbeeld de resterende levensduur van een bepaalde machine in een vroeg stadium worden voorspeld. Potentiële storingen worden van tevoren gediagnosticeerd en preventief onderhoud wordt uitgevoerd met ondersteuning van proactieve intralogistieke processen. Met andere woorden, dit minimaliseert de stilstandtijd van machines. Prescriptief onderhoud combineert de intelligentie van zowel hardware als software.

De term AI is niet nieuw, maar wint wel aan relevantie. Waarom wordt er steeds vaker over dit onderwerp gesproken?

In de jaren '90 hadden we gewoonweg niet de hoeveelheid gegevens of de verwerkingskracht voor geavanceerde machine-learningprocessen die onze eisen stelden. De huidige hardware en krachtige chips maken het mogelijk. Big data technologie brengt ons in de comfortabele positie dat we systemen kunnen voorzien van kunstmatige kennis en continu leren mogelijk kunnen maken. Deep learning, een vorm van machinaal leren gebaseerd op hiërarchische neurale netwerken, is nu bewezen en levensvatbaar. Uiteindelijk hebben we flexibelere, verbeterde mogelijkheden. We kunnen verder gaan dan de theorie en deze technologieën inzetten in ons dagelijks werk. Dingen ontwikkelen zich voortdurend en worden steeds beter, waardoor onze AI-mogelijkheden enorm toenemen.

Welke invloed heeft dit op de intralogistieke oplossingen van SSI SCHÄFER? Welke rol speelt AI binnen uw eigen team?

Bij SSI SCHÄFER IT Solutions hebben we onze IT- en softwarevaardigheden zien ontwikkelen om nieuwe AI-mogelijkheden te creëren. SSI SCHÄFER zal binnenkort AI-systemen kunnen inzetten in projecten van klanten - in ieder geval als het gaat om historische gegevens. In de toekomst zal dit ertoe leiden dat we minder gaan programmeren en ons meer gaan richten op het trainen van systemen, met als doel een groter projectsucces. Tegelijkertijd moeten we de controle over het systeem behouden. Hoe ver gaan we? We hebben terugvalstrategieën nodig waarmee we kunnen reageren op onvoorziene veranderingen aan de kant van de klant. Dit is de enige manier om ervoor te zorgen dat het magazijn van de klant altijd operationeel is. Uiteindelijk willen we een oplossing implementeren waarbij de enige beperking de fysieke intralogistieke apparatuur zelf is.

Flexibiliteit is het centrale kenmerk van softwareondersteuning, waardoor beter kan worden ingespeeld op de behoeften van de klant. Voor een succesvol AI-project is communicatie tussen datawetenschappers, simulatieprofessionals en de mensen die daadwerkelijk verantwoordelijk zijn voor de implementatie echter essentieel. Bij SSI SCHÄFER staat het begrijpen van de werkelijke klantsituatie voorop.