Firmy wdrażają sztuczną inteligencję do planowania pracy magazynu, kontroli zapasów i realizacji zamówień. Wartość takich rozwiązań zależy jednak od jakości danych. Jeżeli system wskazuje dostępny towar w miejscu, w którym fizycznie go nie ma, algorytm może jedynie przyspieszyć błędną decyzję.
Oana Jinga, Chief Commercial and Product Officer w Dexory, omówiła ten problem w rozmowie z Peterem MacLeodem. Rozbieżność między systemem zarządzania magazynem a sytuacją na hali wpływa na kompletację, terminowość oraz poziom obsługi klienta.
Potrzebne są nie tylko dokładne stany magazynowe. AI powinna rozumieć także układ regałów, dostępną przestrzeń, przepływ materiałów, pracujące urządzenia oraz wymiary i kształt towarów. Takie połączenie informacji cyfrowych i fizycznych wspiera rozwój Physical AI w logistyce.
Niewielka nieścisłość może wywołać nieproporcjonalne skutki: dłuższe poszukiwanie produktów, dodatkowe kontrole, niepełne zamówienia, a nawet zakłócenia zaopatrzenia produkcji. Dlatego dokładność danych wpływa na produktywność, obsługę klienta i rentowność, nie tylko na wyniki inwentaryzacji.
Robotyka i połączone dane będą zwiększać możliwości AI, lecz doświadczenie kierowników magazynów nadal ma znaczenie. Przed wdrożeniem technologii przedsiębiorstwo powinno zdefiniować problem i zweryfikować dane, a dopiero potem wybrać narzędzie.
Wielojęzyczny specjalista z doświadczeniem w Europie, Kanadzie i Chinach, Herbert nawiązał bezcenne kontakty w branży motoryzacyjnej i energetycznej. Kierował prestiżowymi projektami obejmującymi współpracę z ENBW, Mercedes-Benz Group, Siemens Group oraz Instytutem Fraunhofera.