Megatrendovi globalne tehnologije u logistici i proizvodnoj industriji za 2020. i nadalje – 1. dio

Megatrendovi globalne tehnologije u logistici i proizvodnoj industriji za 2020. i nadalje – 1. dio

Nadolazeće desetljeće donijet će revolucionarne promjene koje će utjecati na logističku i proizvodnu industriju. Početak 2020. signalizira pojavu nekoliko ključnih svjetskih trendova, a nove tehnologije će u njima igrati presudnu ulogu.

Općenito, 2019. godina bila je kraj desetljeća digitalne transformacije, dok 2020. godina definira početak desetljeća pametne transformacije i inteligentne automatizacije. AI-bazirana rješenja postupno prožimaju sve industrije. Logistika i prerađivačka industrija prvi su koji su implementirali te eksponencijalne i radikalne tehnologije.

Digitalna twin tehnologija

Digitalna twin tehnologija nastavit će procvat tijekom sljedećih 5 godina, zahvaljujući neprestanom skoku globalne e-trgovine. Određeni čimbenici su ključni za širenje digitalnih blizanaca, tri od kojih su: povećanje rješenja Interneta stvari (IoT), proširenje postojećih IoT rješenja i proširila upotrebu Big Data i cloud platformi.

Uz to, povećat će se potreba za tehnologijom digitalnih blizanaca u prometnoj industriji, posebno zbog njezinih inteligentnih rješenja za upravljanje lancem opskrbe. Industrijski sektor nije pošteđen usvajanja digitalnog blizanaca – tehnologija će se i dalje koristiti kao analitički i simulacijski alat za praćenje proizvodnih sredstava i prijenos materijala i proizvoda u stvarnom vremenu. To je zato što tehnologija omogućava stvaranje digitalnih kopija proizvodnih pogona i materijalnih tokova koristeći povijesne i stvarne podatke.

Uvođenje digitalnih blizanaca također će rasti zbog sve veće potražnje za sveobuhvatnim i autonomnim upravljanjem proizvodnim i logističkim procesima. Tehnologija se ne upotrebljava samo kao analitički i simulacijski alat, već i kao inteligentni informacijski agenti za autonomno i inteligentno upravljanje operacijama.

Ti agenti (softverski avatari fizičkih objekata – kao što su oprema za proizvodnju i logistiku, alati i materijali) komuniciraju jedni s drugima i preraspodjeljuju zadatke koje naknadno obavljaju njihovi fizički kolega u stvarnom prostoru. Sinhronizacija i koordinacija pojedinih proizvodnih i logističkih operacija i procesa, kao i orkestracija različitih komponenti (proizvodnja, materijal, podaci i ljudski resursi) mogu se istovremeno pokrenuti u stvarnom vremenu zahvaljujući kiber-fizičkim sustavima upravljanja i platformama.

Smart Industry implementirana za automatizaciju

Primjer takvog postupka su trenutna rješenja Smart Industry implementirana za automatizaciju skladišnih procesa i logističkog protoka u postrojenju. Većina inovativnih tvrtki za e-trgovinu automatizira svoje procese prikupljanja. To se postiže uzastopnim prikupljanjem pomoću transportne trake i rješenja Smart Industry.

Zahvaljujući svom digitalnom blizancu, svaki plastični sanduk za prikupljanje narudžbi na pokretnoj traci “zna” koji materijal sadrži, što tek treba preuzeti i kuda se kreće (put isporuke, prijevoznik i kupac). Ova automatizirana rješenja za skladište poboljšavaju prikupljanje, skraćuju vrijeme isporuke i poboljšavaju upravljanje opskrbom putem prediktivnog planiranja.

Isto se odnosi i na tegljač Milk Run sustav dostave, njegov digitalni blizanac “zna” koji materijal donijeti na proizvodnu liniju ili koji gotovi proizvod podići i isporučiti u skladište ili u otpremu. Sljedeća generacija internog upravljanja logistikom zove se dinamični Milk Run. Dvije od njegovih brojnih prednosti u proizvodnom postrojenju su smanjenje proizvodnih ciklusa i uklanjanje logističkih zastoja.

Umjetna inteligencija stvari (AIOT)

Trenutačne platforme pametne industrije opremljene aktivnom digitalnom dvostrukom tehnologijom (autonomni inteligentni agenti) imaju mogućnosti kolektivne inteligencije, čija će se upotreba umnožiti kao rezultat sve većeg broja uređaja (do 41,6 milijardi uređaja do 2025.) i podataka (79,4 zettabajta 2025.) na Internetu stvari (IoT). Štoviše, sve veća dostupnost tehnologija umjetne inteligencije (uključujući dubinsko učenje, obradu prirodnog jezika, računalni vid, prepoznavanje govora i analitičko predviđanje podataka) također pridonosi širenju kolektivne inteligencije.

U praksi to znači da će poslovne mreže Interneta stvari (IoT) međusobno povezivati ​​raznoliki hardver (uključujući proizvodnu i logističku opremu), softver, firmver, senzore i ugrađene uređaje koji posjeduju određeni stupanj inteligencije i autonomnog ponašanja. Umjetna inteligencija (AI) uskoro će postati standardna oprema za sve stvari ne samo u potrošačkom sektoru, već i u proizvodnoj i logističkoj industriji. Poput četvrte industrijske revolucije koju pokreće Internet, umjetna inteligencija (AI) bit će i pokretač sljedeće revolucije.

Kombinacija Interneta stvari (IoT), umjetne inteligencije (AI) i digitalne tehnologije blizanaca u sustavima pametne industrije stvara novi fenomen: umjetna inteligencija stvari (AIoT).

Strogo hijerarhijski i centralizirani sustavi zamjenjuju se decentraliziranim sustavima

Ovo je mreža stvari (holarhija) opremljena inteligentnim podsustavima – holonima. Strogo hijerarhijski i centralizirani sustavi zamjenjuju se decentraliziranim sustavima i holarhičkim strukturama. Ovaj koncept transformira samu prirodu digitalne transformacije. Umjesto toga, nastaje pametna transformacija. Ne može se poreći da će široka automatizacija biti jedan od drugih značajnih ulaza naredne ere, čiji će glavni pokretač biti AIoT.

Prvi uspješni primjeri AI aplikacije mogu se naći u logističkoj i skladišnoj industriji. Uprave skladišta velikog kapaciteta stalno pokušavaju što bolje iskoristiti skladišne ​​prostore za optimalnu distribuciju raznolike robe. Odlučivanje o položaju skladišta koji najviše odgovara za primljene ili dolazne predmete složen je zadatak. Čak štoviše, odabrani položaj mora osigurati optimalno korištenje skladišnog prostora, za učinkovito skladištenje i preuzimanje robe u skoroj budućnosti. Stoga je to zadatak za  naprednu pametnu industriju koja može koristiti tehnologiju strojnog učenja kako bi stvorila odgovarajući modul odlučivanja.