Ритейлеры и логистические компании постоянно сталкиваются с различными вызовами: рост объемов онлайн-доставки, нехватка кадров в складской логистике, изменение направлений цепочек поставок на фоне дефицита свободного автотранспорта — все эти тенденции требуют гибкости и постоянной корректировки бизнес-процессов. О том, какие тренды и технологии будут определять логистику, рассказал Станислав Абатуров, директор по логистике компании «Лемана ПРО» («Леруа Мерлен»).
Сегодня инновации становятся сильным конкурентным преимуществом. Технологии позволяют создавать новые возможности с низкой себестоимостью и ликвидировать узкие места, не расширяя штат. Особенно важно, что процесс привлечения ресурсов стал более гибким: их можно задействовать оперативно, исходя из актуальности запроса, и сокращать без издержек, когда потребность снижается.
В ближайшие годы инновационный процесс в логистике будет сфокусирован на автоматизации и робототехнике, применении предиктивной аналитики для управления операционной деятельностью. Также будут разработаны новые варианты использования машинного обучения, искусственного интеллекта и компьютерного зрения.
Автоматизация и робототехника
Автоматизация станет основным ресурсом для решения проблемы нехватки кадров в складской логистике.
На рынке уже стали появляться новые модели роботов-сортировщиков для перемещения товаров по складу, роботов для инвентаризации, а также были созданы роботы-тележки для отбора товаров с конвейерной ленты, сканирования и распределения по лоткам. Мы видим автоматизацию паллетайзеров, «умных» тележек для перемещения грузомест и паллет внутри склада. Все это поможет увеличить оперативность сборки заказов в условиях непрерывного роста роли e-com. Скоро мы сможем в реальном времени увидеть тестирование полноценных роботов-сборщиков.
В качестве примера можно привести наш распределительный центр «Северная звезда», открытый в Московской области в 2019 году. В этом «умном» складе установлена трехмерная автоматизированная система ADAPTO на основе шаттлов со встроенными функциями сортировки и выдачи товара в заданной последовательности.
В систему входят устройства подачи и разгрузки паллет, а также рабочие станции для укладки и разгрузки паллет операторами. Общая пропускная способность системы — 7 400 входящих и 7 400 исходящих паллет в час. Автоматизированное решение объединяет около 73 000 складских мест. Внедрение этой системы позволило увеличить пропускную способность распределительного центра в 2,5 раза в сравнении с другими складскими комплексами той же площади.
Предиктивная аналитика и машинное обучение
Предиктивная аналитика основывается на моделях машинного обучения и позволяет ритейлерам и логистическим операторам не только анализировать прошлые данные, но и прогнозировать события с высокой точностью. Эта технология становится ключевым трендом, обеспечивая эффективность логистики, снижение затрат и увеличение точности операций.
У «Лемана ПРО» («Леруа Мерлен») есть успешный кейс применения ML-модели (Machine Learning) для скоринга поставщиков. Стимулом к разработке этого проекта стало узкое место, которое мы выявили в складской логистике. Количество уникальных артикулов, ежедневно проходящих через логистические объекты, измеряется десятками тысяч единиц. Сотрудники складов и распределительных центров тратили неоправданно много времени на пересчет товаров. Нашей задачей было устранить регулярные приемки товаров на паллете с детальным пересчетом вручную. Для этого мы разработали продукт, позволяющий автоматически оценивать вероятность ошибки в поставке и на основании этого или осуществлять слепую (доверительную) приемку, или проверять партию товаров целиком.
Модель основывается на исторических данных о поставках, типах товара и сопоставляет вероятность и стоимость ошибки с тем временем, которое будет затрачивать сотрудник на самостоятельный прием. Поставщику этот продукт позволяет быстрее осуществить отгрузку, а сотруднику — приемку, что в конечном итоге приводит к более оперативной выкладке товара в торговом зале для продажи. Благодаря данной технологии число ручных пересчетов товаров сократилось на 50%.
Успешный опыт скоринга поставщиков стимулировал появление новых возможностей применения ML-модели в сфере контроля стоков. Аналогичная система работает при сборке товара на РЦ для дальнейших поставок в магазины/дарксторы. Система учитывает историю работы конкретного сборщика и иные факторы (например, тип товара) и предсказывает, какие заказы имеют расхождения, а какие — нет. Применение этой технологии позволило снизить долю просчитываемых сборок на 25%.
Компьютерное зрение
В последние годы технологии компьютерного зрения сделали значительный шаг вперед, предлагая решения, которые кардинально меняют подходы к эффективности. Внедрение этой методики в логистике позволяет игрокам рынка оптимизировать операции, снижать риски и затраты, а также улучшать качество обслуживания.
Один из актуальных для нас вопросов — ручная загрузка грузового транспорта на складах, что часто приводит к логистическим потерям и недозагрузке транспортных средств. Для решения этой задачи мы тестируем технологию компьютерного зрения по замеру объемов паллет и оптимальной загрузке их в кузов, таким образом перераспределяя ресурсы и избавляя сотрудников от необходимости заполнять кузов на глазок. По предварительным оценкам, это позволит сократить число исходящих машин на 3-5%, что приведет к экономии десятков миллионов рублей в год. Полноценный запуск данной системы планируется в 2025 году.
Еще одна технология, которую мы планируем запустить, — автоматическое считывание QR-кодов для ускорения процесса приемки товаров от поставщиков, а также автоматического расчета объема паллет. Технологической основой проекта стала модель обнаружения объектов.
Мы уже провели оценку возможностей разных типов камер, режимов съемки и вариантов их расположения. Комбинация всех факторов позволила оценивать объем паллет и считывать QR-коды без остановки тележки. Точность распознавания QR-кодов составила 96%. Модель корректно считывает 95% закодированных ссылок. Достигнутая точность измерений по высоте составляет до 90%. Модель распознает 98% неровностей в укладке товаров на паллете. Опытным путем доказана возможность достигнуть стопроцентной точности по всем показателям за счет калибровки камер и дополнительного обучения модели на большом объеме данных.
Компьютерное зрение мы начали применять и в магазинах. Одним из приоритетов является снижение случаев травматизма среди клиентов и сотрудников. Для этого была внедрена технология компьютерного зрения, которая оптимизирует процессы в торговых залах и минимизирует риски, связанные с движением транспортной техники в присутствии клиентов. Камеры, установленные напротив ворот из склада в торговый зал, автоматически обнаруживают, считают и классифицируют выезжающую технику по типу и загрузке. Эти данные помогают сотрудникам оперативно принимать решения по управлению, снижая вероятность несчастных случаев и порчи имущества. До конца текущего года планируем масштабировать проект на все магазины сети.
Новые горизонты: цифровые двойники и беспилотники
Ключевую роль в дальнейшем высвобождении ресурсов будут играть цифровые двойники и расширение применения автономного транспорта. Цифровая модель дублирует производственные или бизнес-процессы и позволяет тестировать предложенные изменения или гипотезы в режиме реального времени — это существенно сокращает время и расходы.
В ритейле технология может найти применение, например, в поиске вариантов выкладки товаров и оптимизации стока товаров в наличии без проб и ошибок. В результате можно добиться сокращения времени на перемещение товаров по залу, снизить расходы на хранение и нагрузку на транспорт.
Успехи пилотного проекта перевозки грузов беспилотными фурами и применение роботов в доставке «последней мили» дают возможность говорить о том, что в ближайшие годы мы увидим расширение зоны покрытия этих технологий. Стоит ожидать запуска беспилотной доставки на всей существующей сети платных автомобильных дорог — они изначально оснащены всем необходимым для контроля движения беспилотных автомобилей.
Дальнейшее развитие автономной доставки, вероятнее всего, пойдет по пути запуска серийного производства роботов в России и создания крупных парков, которыми ритейлеры смогут пользоваться по договору аренды.
