Анализ преимуществ и проблем внедрения нейросетей в складской логистике на примере склада готовой продукции на пищевом предприятии

Беньямин О.Д.1
1 Самарский государственный экономический университет

Статья в журнале

Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 14, Номер 5 (Май 2024)

Цитировать:
Беньямин О.Д. Анализ преимуществ и проблем внедрения нейросетей в складской логистике на примере склада готовой продукции на пищевом предприятии // Экономика, предпринимательство и право. – 2024. – Том 14. – № 5. – С. 2521-2532. – doi: 10.18334/epp.14.5.120912.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=67918290

Аннотация:
В статье описывается возможности использования нейросетей в складской логистике. Дается описание необходимых подготовительных работ для внедрения ERP инноваций на склад готовой продукции. Описаны основные показатели, которые повышаются в связи с улучшением и внедрением новых информационных технологий в складской логистике. В статье выделены такие проблемы, как невозможность компаниями использовать нейросети в связи с неподготовленностью складов в техническом оборудовании и людских ресурсах, а также сложностями, связанными с реализацией и высокой стоимостью внедрения программ на основе нейросетей в складской логистике. Даны рекомендации для компаний, как эффективнее внедрить новые информационные технологии.

Ключевые слова: нейросеть, склад, склад готовой продукции, WMS-система, комплектация товара, логистика, складская логистика

JEL-классификация: C40, C45, Q55



Введение

Актуальность: В настоящее время стремительно развивается новое технологическое направление, основанное на программах нейросетях. Нейросети это программы с возможностью обучения по заданным параметрам, которые имея определенный массив данных могут обрабатывать информацию и предлагать на основе вводных данных решения, которые во многом являются более точными и эффективными, чем у человека. Достигается это за счет более быстрой и точной обработки огромного количества информации и параметров.

Литературный обзор: Актуальные проблемы, факторы и прогнозы по внедрению и работам нейросетей на российских предприятиях представлены в работах следующих исследователей Коваленко А.В., Казаковцева Е.В. [1, с 10-25], Сухов В.Д., Киселев А.А. [2, с 30-47], Маргарита В.А. [3, c 34-51], Юрий Толоконников [4, 1-24]. Авторы описывают преимущества нейросетей для бизнеса. Научным пробелом является то, что в России никто не описывал внедрение программ нейросетей на российские склады и не обозначал их экономическую эффективность для российских логистических предприятий, а также сложность в реализации новых цифровых технологий на складе.

Целью данной работы является описание преимуществ и возможность программ на основе нейросетей и проблем по внедрению новых цифровых технологий в существующие ERP (enterprise resource planning, планирование ресурсов предприятия (далее «ERP»)) и WMS (warehouse management system, система управления складом (далее «WMS»)) системы на российские предприятия.

Научная новизна исследования заключается в том, что в России ранее никто не обозначал преимуществ использования программ нейросетей на складе готовой продукции пищевого предприятия.

В работе использованы такие методы научного познания как наблюдение, измерение, анализ.

В России на сегодняшний день одной из быстро развивающихся отраслей является логистика. Логистика – это наука и искусство планировать, организовывать, создавать условия мотивации и контролировать продвижение материального потока. [5] Одной из основных направлений логистики является складская логистика. Склады очень важный инструмент по хранению, подготовке товара и ресурсов к транспортировке, использованию.

В связи с тем, что улучшение логистики влияет на конечную стоимость продукции и товаров и уменьшает издержки компаний, в России в последние годы акцентируют большое внимание на оптимизации работы складов и логистических цепочек. Создаются новые распределительные центры, улучшается инфраструктура складов, внедряются новые информационные технологии на складах, такие как ERP системы и WMS системы.

WMS системы на данном этапе развития имеют ограниченный функционал в части обработки информации, а также прогнозировании. Большую часть параметров все еще необходимо вносить операторам в ручном режиме через контекстные меню, а это несет риски ошибки операторов, а также увеличивает трудозатраты на однотипные операции. Нейросети, которые приобрели популярность в последнее время уже могут применяться в складской логистике и быть совмещены с действующими WMS системами на складах и даже их можно применять без WMS систем на предприятиях.

Основная часть

Нейросети - это инновационный инструмент, который помогает организациям улучшать свою деятельность и достигать высоких результатов. [6] Нейронные сети можно рассматривать как современные вычисли­тельные системы, которые преобразуют информацию по образу процес­сов, происходящих в мозгу человека. На протяжении десятилетий искусственные нейронные сети представляли собой лишь математические модели, которые реализовывались на вычислительных системах общего назначения. [7] В наше же время программы на нейронных сетей возможно интегрировать в любую ERP и WMS систему.

Нейросети анализируют огромные объемы данных о продажах, погодных условиях и других факторах, чтобы предсказать, какие товары будут востребованы в будущем. Это помогает компаниям планировать свои запасы и избегать ситуаций, когда товара либо не хватает, либо его остается слишком много.

Также нейросети применяются для оптимизации маршрутов доставки. Алгоритмы машинного обучения анализируют данные о трафике, расстоянии и времени доставки, чтобы найти наиболее эффективные пути и сократить затраты на доставку. Это особенно важно тогда, когда товар необходимо доставить в максимально возможные сроки до конечного потребителя.

Нейросети также играют важную роль в управлении запасами. Они анализируют данные о продажах, спросе и сезонных колебаниях, чтобы оптимизировать количество товаров на складе. Таким образом, компании могут сократить издержки на хранение товаров и избежать ситуаций, когда товара либо не хватает, либо его остается слишком много.

Еще одним важным применением нейросетей в складской логистике является автоматизация процессов обработки и классификации товаров на складе. Системы компьютерного зрения, основанные на нейросетях, могут автоматически сканировать и классифицировать товары, а также отслеживать их перемещение по складу. Это помогает компаниям улучшить эффективность и точность складских операций.

Все эти применения нейросетей в складской логистике помогают компаниям достичь большей эффективности и оптимизировать свою деятельность. Нейросети - это мощный инструмент, который открывает новые возможности для преодоления сложностей и повышения эффективности складских операций. [8]

Для внедрения нейросетей на предприятия необходимо выполнить подготовительные работы, такие как:

1) Необходимо определиться с конкретными процессами в организации, которые можно было бы оптимизировать с помощью таких сложных программ на основе нейросетей. Не каждый процесс можно улучшить с помощью программ нейросетей.

2) Требуется оценить возможность предоставления большого объема релевантных данных для обучения нейросети, ведь если не получится собрать точные данные за разные периоды, то не получится обучить программу.

3) Подготовить оборудование. Внедрение новых информационных технологий требует мощной вычислительной инфраструктуры. Это часто требует обновления серверного оборудования, приобретения графических процессоров и других узкоспециализированных технических устройств.

4) Подготовка сотрудников. Важно обучить сотрудников организации, которые будут работать с нейросетями, передавать ей данные или получать готовые решения. Обучение может включать в себя основы машинного обучения. Часто компаниям приходится расширять штат сотрудников для программистов, которые смогут обслуживать новые программы.

5) Оценка бюджета и ресурсов компании и срок окупаемости нейросетей. Действительно ли эффект будет экономически выгоден с учетом достаточно дорогой стоимости реализации новых программ на основе нейросетей. Не каждому складу необходимы программы на основе нейросетей. Если склад небольшой и не имеет большого грузооборота, то вопрос об экономической эффективности внедрения является ключевым

Вышеперечисленные факторы в совокупности предъявляют высокие требования как к материально-техническому состоянию склада, людским ресурсам, так и к финансовому состоянию организации.

В современном мире для предприятий, оказывающих услуги по хранению продукции, или имеющие собственные склады, важным инструментом повышения конкурентоспособности и эффективности протекающих на складе бизнес-процессов является использование информационных технологий. [9] Основные информационные технологии применяемые на складе являются WMS и ERP системы.

ERP системы - это интегрированные системы управления предприятием (ИСУП)) [10]. ERP системы позволяют координировать в единой сети большое количество разных процессов. Организации могут объединить планирование, закупки и документооборот с хранением данных с помощью разных кластеров ERP системы. Плюсом ERP систем является их гибкая настройка, где компания может, как добавлять кластеры, так и исключать.

WMS система – это системами управления деятельностью складов. [11] WMS система на сегодняшний день активно внедряется повсеместно, она помогает производить почти все операции на складе, такие как:

1) Приемка продукции и сырья, заведение документов в систему складского учета.

2) Распределение товара в свободные ячейки хранения и закрепление конкретных мест, под конкретный товар.

3) WMS системы полностью берут на себя функцию по контролю комплектации товара работниками склада. Работники склада собирают заказы на основе заявок, полученных в системе WMS. WMS системы передают заказы для сборки через специальные переносные технические инструменты. WMS-систем состоит из интерфейса, с помощью которого пользователь взаимодействует с системой, базы данных, где хранится вся полученная при считывании информация и бизнес-логики, подпрограммы, которые содержат в себе эффективные алгоритмы автоматического управления складскими ресурсами. [12]

4) WMS системы организую информационной поддержки складской деятельности, сбор и анализ актуальных данных о процессах, протекающих внутри склада, и формирование отчётности о работе склада. [13]

Склад является крупным распределительным центром пищевой молочной продукции. Площадь склада составляет 2000 тысячи квадратных метров. Склад имеет 6-ти ярусную систему хранения в стеллажах. Имеется кросдокинг. На складе существует внедренная WMS система, которая позволяет производить комплектацию товара сотрудниками из ячеек хранения с использование терминалов сбора данных. К задачам, которые выполняют современные WMS-системы, относят идентификацию товарно-материальных ценностей, постановку задач персоналу склада и контроль над эффективностью исполнения, диспетчеризацию работы склада и эффективное размещение продукции на складских площадях. [14] С учетом специфики склада и необходимости поставлять готовую продукцию в продуктовые магазины, склад работает круглосуточно. На складе существует зона для брака, а также комплектации штучного товара.

Рассмотрим улучшение процесса на примере внедрения программ на основе нейросетей для склада готовой продукции находящегося в Самаре. Склад имеет следующие основные характеристики (Таблица 1):

Таблица 1 – Основные показатели работы склада

показатель
Единица измерения
значение
количества ошибок при отгрузке товаров
шт./мес.
350
простой работников склада
Часов в месяц
30
цикл нахождения товаров на складе
дней
10
время, затраченное на инвентаризации
Дней в месяц
4
Скорость комплектации
Кг в час
400
Грузооборот склада,
Тонн в месяц
24000

Составлено автором

Сферы деятельности, которые планируется улучшить с помощью внедрения программ на основе нейросети.

1) Сканирование продукции при комплектации товара смартфонами, а не специализированными терминалами, что значительно снизит издержки на оборудование.

2) Создание оптимальных маршрутов для комплектации товара для сотрудников склада (Если ранее сотруднику выводился список всех позиций по порядку, то теперь с помощью программы нейросети, она сама составит для него оптимальный маршрут с учетом тоннажа товара и его упаковки с учетом удобного расположения продукции.

3) Нейросеть может прогнозировать показатели работы склада, например, рассчитывать примерное количество брака и с учетом его прогнозного значения отражать реальные запасы продукции без инвентаризации.

4) Равномерное распределение нагрузки на сотрудников склада. Нередко заказы на комплектацию попадают к сотрудникам неравномерно, и кто-то может собирать очень легкие и маленькие заказы, а кому-то достаются очень объемные, а с учетом премиального оклада от тоннажа, это может приводить как к лишней нагрузке, так и к неравномерному распределению заработной платы сотрудников.

5) Технология визуального опознавания бракованной продукции через камеры и уведомление об этом сотрудникам склада. С учетом внедрения новых программ с нейросетью прогнозно изменятся основные показатели работы склада (таблица 2).

Таблица 2 - Основные показатели работы склада после внедрения программ нейросетей.

показатель
Единица измерения
Значение до внедрения программ с нейросетью
Значение после внедрения программ с нейросетью
Разница в %
количества ошибок при отгрузке товаров
шт./мес.
350
59
-83%
простой работников склада
Часов в месяц
30
15
-50%
цикл нахождения товаров на складе
дней
10
10
0%
время, затраченное на инвентаризации
Дней в месяц
4
2,4
-50%
Скорость комплектации
Кг в час
400
540
+24%
Грузооборот склада,
Тонн в день
24000
24000
0%

Составлено автором

Программы, использующие Нейросеть позволяют значительно снизить ошибки при комплектации и отгрузке товаров. Достигается это благодаря обработке в реальном времени местонахождения определенного товара на складе, а также оповещением сотрудников склада об ошибках комплектования и выборки товаров из некорректных ячеек. Также, значительно снижается простой работников склада из-за ускорения пополнения товара для комплектации. Если бы на складе готовой продукции потребовалось бы увеличить грузооборот склада, то у компании была бы возможность увеличить его без найма новых сотрудников или расширения помещения.

Снижается время на инвентаризацию склада, т.к. программы следят за перемещением товара на складе, а также значительно снижается количество ошибок и в связи с этим потребность в инвентаризации товара уменьшается.

Благодаря системе распределения нагрузки на сотрудников, получается достичь эффекта по повышению скорости комплектации товара. Сотрудники равномерно получают заказы на сборку и комплектацию товара, что позволяет всем иметь одинаковую нагрузку и меньше уставать от крупных заказов.

Выше рассмотрены положительные эффекты от внедрения программ использующих нейронное обучение, но на российском рынке на данный момент только самые крупные компании используют новые возможности и то только в режиме тестирования или инновации в данное время. Обусловлено это сложностью сегодня внедрения крупных цельных программ нейросетей с интеграцией на существующую на складе WMS систему. Существует 2 основные проблемы по внедрению программ на склад готовой продукции.

1) Отсутствие квалифицированных разработчиков на российском рынке в нужном объеме – направление достаточно новое и найти разработчиков в штат достаточно сложно, в основном их могут себе позволить только крупные компании на российском рынке.

2) Внедрить целевую программу с использованием нейросети, которая включала бы много параметров для склада на данный момент является дорогостоящим удовольствие. Для обучения и функционирования крупной нейросети необходимо иметь сервера, где складировалось бы большое количество информации, на основе который нейросеть бы обучалась.

Рассмотрим более подробно основные проблемы при внедрении программ на основе нейросетей в компаниях, а не только на склад готовой продукции.

1. Проблема, связанная с инфраструктурой и оборудованием: Для работы программ нейросетей, требуются мощные вычислительные ресурсы, включая высокопроизводительные сервера, графические процессоры, специализированное программное обеспечение и сетевое оборудование. Внедрение и обновление инфраструктуры требует значительных инвестиций в оборудование.

2. Сложности с обучением нейросетей: Программы требуют обширного обучения на основе больших объемов данных, что требует значительных ресурсов в виде времени и квалифицированных специалистов в области машинного обучения. Даже с учетом возникновения в России компаний, которые специализируются на внедрении нейросетей на предприятия и отсутствие необходимости с учетом подрядных организаций расширять склад.

3. Сложности с настройкой программ: Нейросети интегрируются в существующие бизнес-процессы и системы предприятия, требуя значительных усилий по настройке и обеспечению совместимости с существующими приложениями и технологиями.

4. Обслуживание и поддержка программ: После внедрения нейросетей требуется непрерывное обслуживание, тестирование, анализ результатов и устранение возможных ошибок при работе, что также требует дополнительных финансовых и людских ресурсов на постоянной основе. Требуется периодическая проверка и донастройка программ.

5. Безопасность и конфиденциальность данных: Работа с нейросетями требует серьезной защиты данных, что может потребовать дорогостоящих мер по обеспечению безопасности и конфиденциальности информации. В связи с тем, что большое количество данных компании хранятся на серверах, компаниям необходимо осознавать риски их кражи с их серверов. Все эти факторы могут привести к дорогостоящему внедрению нейросетей на предприятии. Однако, при правильном планировании и использовании, нейросети могут принести значительную экономию и улучшение производительности и эффективности бизнеса.

Заключение

Таким образом, нейросети - это инновационный инструмент, который помогает организациям улучшать свою деятельность и достигать высоких результатов. Программы, использующие нейросети активно внедряются в деятельность людей. Одно из направления, в котором в бедующем активно будет использоваться нейросети – это логистика. В складской логистике нейросети могут внедряться такого вида, как:

1) Активное сканирование товара, хранящегося в ячейках и при комплектации в реальном времени и его отслеживание на складе.

2) Создание оптимальных маршрутов для работников склада при комплектации товара.

3) Рассчитывать прогнозные значения по работе склада (брак, количество ручной сборки, потребность в количество людей в смене)

4) Равномерное распределение нагрузки среди работников склада.

Программы на основе нейросетей позволяют улучшить показатели склада, такие как:

1) Процент брака

2) Скорость комплектации заказов

3) Уменьшение времени на инвентаризацию

4) Уменьшить количество ошибок при комплектации и отгрузке товара

Однако, несмотря на большое количество плюсов по внедрению программ на основе нейросети в ближайшее время на российских предприятиях их смогут внедрить только самые крупные распределительные центры в связи со сложностью внедрения и высокой стоимостью. Для внедрения новых техологий, необходимо уже иметь на складе отлаженные WMS системы, с которыми можно было бы интегрировать новые программы. Также, для отладки и поддержания программ на основе нейросетей требуется время и дорогостоящие сервера, где могла бы храниться информация для анализа и обучения нейросетью.

Для того, чтобы внедрить новые технологии компании необходимо выделить большое количество средств и времени для создания программ на основе нейросетей. Подготовить свои ERP и WMS системы для интеграции, а также постоянно поддерживать при обучении программу.


Источники:

1. Коваленко А.В., Казаковцева Е.В. Искусственный интеллект в бизнесе: анализируем и применяем. - Москва, Алматы: Ай Пи Ар Медиа, EDP Hub (Идипи Хаб), 2023.
2. Сухов В.Д.,Киселев А.А., Сазонов А.И. Разработка программного продукта: как грамотно рассчитать затраты, чтобы продать выгодно. - Москва: Ай Пи Ар Медиа, 2023. – 120 c.
3. Акулич М.В. Нейронные сети в маркетинге, электронной коммерции, планировании производства и логистике. - Москва: Издательские решения, 2023. – 34-51 c.
4. Толоконников Ю. Нейросети для бизнеса – промты на миллион. , 2023. – 1-24 c.
5. Неруш Ю.М., Неруш А.Ю. Логистика. / Учебник для вузов— 5-е изд., перераб. и доп. - Москва: Издательство Юрайт, 2024. – 454 c.
6. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. / Словарь или справочник. - Москва: Горячая линия–Телеком, 2013. – 384 c.
7. Smith L.S. Handbook of Nature-Inspired and Innovative Computing: Integrating Classical Models with Emerging Technologies. - New York: Springer, 2006. – 433-475 p.
8. Свириденков К.И., Горчакова О.В. Алгоритмы фрактального сжатия изображений на основе самоорганизующихся искусственных нейронных сетей // Информатика, математическое моделирование, экономика: Сборник научных статей по итогам пятой международной научно-практической конференции. Том 1. Смоленск, 2015. – c. 181-187.
9. Иванова Г.Г., Киреева Н.С. Складская логистика. / Учебник. - Москва: Инфра-М, Высшее образование, 2016. – 138-140 c.
10. Власова Л.Г., Гончаров Д.И. Основы оперативно-производственного планирования с использованием информационной системы «1С ERP» Управление предприятием. / Учебно-методические материалы для ВУЗов. - Москва: ООО «1С-Паблишинг», 2020. – 15-20 c.
11. Саржиев А.К. Преимущества программы HOST WMS для организации работы склада // Вестник Иссык-Кульского университета. – 2021. – № 49. – c. 16-22.
12. Дыбская В.В. Логистика складирования. / Учебник. - М.: Инфра-М, 2019. – 559 c.
13. Лебедев Е.А., Миротин Л.Б., Покровский А.К. Инновационные процессы в логистике. / Монография. - М.: Инфра-Инженерия, 2019. – 392 c.
14. База данных о ведущих системах WMS и их разработчиках. Warehouse-logistics.com. [Электронный ресурс]. URL: http://www.warehouse-logistics.com/3/3/wms-online-selection.html (дата обращения: 08.04.2024).

Страница обновлена: 11.08.2024 в 11:58:14