cim logistics logo

Verwachtingen van KI in de intralogistiek hooggespannen

Verwachtingen van KI in de intralogistiek hooggespannen
Kunstmatige intelligentie wordt in de softwaresector beschouwd als een ingrijpende verandering en vindt steeds meer zijn weg naar tal van bedrijfstakken.
Ook binnen de intralogstiek wordt intensief onderzoek gedaan naar deze technologie. Hierbij loopt CIM, vooraanstaand leverancier van magazijnbeheersystemen, voorop.
In samenwerking met de Technische Universiteit van München werken de logistieke software experts aan een kunstmatig neuraal netwerk in de intralogistiek. Een kijkje achter de schermen van het project onthult spannende ontwikkelingen en is hoopgevend voor toekomstige innovaties.

Als je Andreas Engelmayer, intralogistiek expert bij CIM, vraagt hoe het staat met kunstmatige intelligentie bij CIM, kan hij niet anders dan glimlachen. "De verwachtingen zijn wel hooggespannen", zegt hij vervolgens. De intralogistieke expert van CIM GmbH weet waar hij het over heeft, want hij werkt samen met KI-onderzoekers van de TU München aan een kunstmatig neuraal netwerk in de intralogistiek. "En de resultaten, dat kun je nu al zien, die zijn best spannend," voegt hij er voorzichtig aan toe. Het project loopt sinds ongeveer een jaar, in samenwerking met de leerstoel voor materiaalstroomlogistiek van de Technische Universiteit van München.

De onderzoekssamenwerking is gericht op de ontwikkeling van zelflerende software op basis van neurale netwerken op het gebied van de intralogistiek. Oorspronkelijk ontwikkelden de onderzoekers van de TU München het algoritme dat het hart vormt van het neurale netwerk. "Hier moeten verschillende parameters worden gedefinieerd, aan de hand waarvan het neurale netwerk vervolgens de gegevens verwerkt," zegt Engelmayer.

De exacte parameters zijn in zekere zin een blackbox voor CIM. Het is dus nooit zeker hoe de KI zich in het betreffende scenario zal gedragen. Daarom hebben de wetenschappers van de TU München gegevens en talrijke tests nodig om de parameters na evaluatie te kunnen aanpassen. "Op deze manier worden de prestaties van de KI steeds beter," zegt Engelmayr.



Massatests als basis voor de eerste tests

Voor het gebruik van KI in de context van een intralogistiek systeem moest een geschikt kader worden ontwikkeld dat de gegevens aan het neurale netwerk doorgeeft. "Daar kwam ik in beeld", zegt Engelmayer, die bij CIM onder meer verantwoordelijk is voor de testautomatisering. "Een van de dingen die we in onze teststrategie hebben is een massatest die het systeem met talloze opdrachten op de proef stelt", legt hij verder uit. Engelmayer zette deze massatest om in een kader voor de eerste tests van de KI en stuurde het naar de onderzoekers. Het testkader kan ordernummers van zes cijfers genereren die de KI moet verwerken. Opdat het neurale netwerk echter zinvol met het testkader kan werken, moeten enkele aanvullende factoren beschikbaar worden gesteld. De artikelen van het gegenereerde magazijn bevatten gegevens met bepaalde waarschijnlijkheden voor in- of uitslag. "Dus bijvoorbeeld rubberen laarzen en wintermutsen," legt Andreas Engelmayer uit. "We slaan dan bijvoorbeeld een pickkans van 70% en 50% op, zodat het neurale netwerk de verschillen herkent en de artikelen dienovereenkomstig behandelt."

De KI kent ook de basiskenmerken van de magazijnindeling die CIM aan de TUM-onderzoekers heeft verstrekt. "Het werkt niet zonder deze gegevens," zegt Engelmayer. Alle magazijnbeheersystemen zijn in de eerste plaats gericht op het versnellen van de goederenafgifte en het verhogen van de efficiëntie van de intralogistiek. "De in het magazijn afgelegde afstanden zijn een belangrijke variabele die je wilt reduceren", legt Engelmayer verder uit. Als het mogelijk is om de reistijd te verkorten, dan kan men spreken van een hogere efficiëntie in de intralogistiek. "Het is alleen vaak niet zo eenvoudig", geeft de CIM-expert toe.



Veelbelovende gegevens en grote uitdagingen

De moeilijkheid is enerzijds om de parameters in het algoritme van het kunstmatige neurale netwerk aan te passen om de efficiëntie te verhogen. "Dat is de taak van toegepast onderzoek," zegt Engelmayer. "Voor ons is de praktische uitvoerbaarheid veel relevanter", vervolgt hij. Om te testen of het gebruik van het neurale netwerk daadwerkelijk tot meer efficiëntie leidt, moeten niet alleen de resultaten van de KI-tests worden bekeken. Ze moeten ook worden afgezet tegen de bestaande mogelijkheden om de intralogistiek te optimaliseren. "Daar moet je eerlijk over zijn," zegt Engelmayer. "Wat CIM tot nu toe met PROLAG World kan, is in mijn ogen zo'n beetje het beste wat er op de markt is." De efficiëntieanalyse die PROLAG World reeds in talrijke bestaande magazijnen gebruikt, wordt ter contrast met dezelfde gegevens als het algoritme van het kunstmatige neurale netwerk gevoed. Daarbij wordt duidelijk dat het neurale netwerk in staat is tot aanzienlijke prestaties bij de rendementsanalyse. "Je ziet duidelijk het potentieel van de technologie, vooral in de onderlinge relaties tussen artikelen," voegt de intralogistiekdeskundige eraan toe. Toch zijn er factoren die de prestaties van KI op andere plaatsen negatief beïnvloeden. "Zo is er bijvoorbeeld de vraag naar de computercapaciteit en de reactietijd van het neurale netwerk," zegt Engelmayer. "Dit is waar ons bestaande algoritme gewoon minder verfijnd is."


Meer tests en onderzoek beloven nieuwe resultaten

Andreas Engelmayer durft echter nog geen conclusies te trekken. "We staan eigenlijk nog helemaal aan het begin", zegt hij. Wat echt spannend is, volgens Engelmayer, zijn de komende weken en maanden wanneer complexere testgegevens worden toegepast. "Tot nu toe hebben we alleen gewerkt met een eenvoudig magazijn met weinig artikelen," geeft Engelmayer toe. "Om dichter bij de praktijk te komen, werken we straks met een hoge en zeer hoge magazijnbezetting. Dan zullen we zien of KI nog steeds even goed presteert op het gebied van intralogistieke efficiëntie."


Dus we moeten eerst nog afwachten. Een test duurt meestal twee weken en de gegevens moeten daarna nog worden geëvalueerd. Voordat we een voorlopige conclusie kunnen trekken, moeten nog meer artikelgegevens worden ingevoerd, zodat de resultaten een realistisch beeld geven van de KI-gestuurde intralogistiek.
Als je Andreas Engelmayer vraagt welke resultaten hij verwacht, ontwijkt hij de vraag een beetje en lacht hij. "Het is ongelooflijk interessant om met deze technologie te werken. En ik ben erg benieuwd wat ons de komende zes maanden te wachten staat." De onderzoekssamenwerking tussen de Technische Universiteit van München en CIM loopt nog tot juli 2023. Tot dan is er nog genoeg tijd gepland voor verdere tests en optimalisaties. Het blijft in ieder geval spannend.

Actueel nieuws en persberichten

Neues Buch des Fraunhofer-Instituts in Zusammenarbeit mit CIM GmbH

Das Fraunhofer-Institut für Materialfluss und Logistik IML veröffentlichte ein neues Buch zum Thema: „Prozessoptimierung in der Intralogistik“. Wir als CIM GmbH beteiligten uns hier mit einem interessanten Praxisbeitrag zur "Künstlichen Intelligenz im WMS". Das Buch bietet eine Art Leitfaden, um die Effizienz…

Meer informatie

De inzet van KI tegen cyberaanvallen

Nieuw onderzoeksproject aan de Technology Campus in Vilshofen - Op dit moment nemen wij deel aan een gezamenlijk onderzoeksproject, dat is gericht op het voorkomen van cyberaanvallen. Hiermee breiden we onze expertise op het gebied van kunstmatige intelligentie (KI) verder…

Meer informatie