Kosmetická skupina L’Oréal nasadila ve svých distribučních centrech agenty umělé inteligence napojené na systém řízení skladu. Pomáhají s plánováním vychystávání, doplňováním zásob i inventurami. V jednom ze skladů klesl počet vyřazených objednávek o 80 % a produktivita vychystávačů vzrostla o 14 %. V celé síti mohou agenti ušetřit téměř 60 000 hodin práce ročně.

Zkušenosti z nasazení představil Łukasz Kierzkowski, který odpovídá za systém řízení skladu (WMS) v jednom z distribučních center skupiny, na výroční konferenci společnosti Manhattan Associates v Miláně. Tato americká softwarová firma dodává WMS, na kterém sklady L’Oréal běží. Zhruba před rokem uvedla na trh nabídku takzvané agentní umělé inteligence – sadu hotových agentů a platformu, na které si zákazníci mohou vytvářet vlastní. L’Oréal patřil mezi první firmy, které ji začaly používat.

Největší přínos mají agenti při plánování vln, tedy skupin objednávek, které WMS najednou uvolní k vychystání. Systém sice před uvolněním kontroluje dostupnost zboží, potíž ale nastává, když je zásoba evidovaná jako dostupná, ale ještě nedorazila na vychystávací pozici. WMS pak takové objednávky z vlny vyřadí. L’Oréal proto nasadil dva agenty: první předem odhaduje, kde pravděpodobně dojde k chybě při vychystávání, a navrhuje nápravu, druhý rozebírá a řeší problémy, které se přesto objeví. V jednom z nejvýkonnějších distribučních center se díky tomu za tři měsíce snížil počet vyřazených objednávek o 80 % a produktivita vychystávačů stoupla o 14 %.

Další agent hlídá doplňování vychystávacích pozic. Zobrazuje všechny potřebné informace a umožňuje přidělovat úkoly k doplnění, aniž by bylo nutné zvlášť upozorňovat pracovníky na skladové ploše. Každé distribuční centrum tím podle Kierzkowského ušetří v průměru tři hodiny denně. U průběžné inventury pak agent doporučuje, zda výsledek počítání přijmout, odmítnout, nechat přepočítat, případně zda je nutné rozdíl prošetřit. Přínos se zde liší podle skladu: v jednom se čas mezi spočítáním zboží a jeho zpracováním ve WMS zkrátil o 70 %, sklady s už tak vysokou přesností zásob si ale téměř nepolepšily.

V průměru agenti ušetří každému distribučnímu centru přes 1 400 hodin ročně. Skupina jich provozuje 40, celkový potenciál tak dosahuje téměř 60 000 hodin za rok. Kierzkowski však upozornil, že jde o hrubý odhad a že ušetřený čas se automaticky nepromítá do nižších nákladů.

Zavádění probíhalo postupně. V první fázi firma spustila sedm agentů v sedmi distribučních centrech během sedmi týdnů. Po dvou měsících ale experiment upravila tak, aby před plošným nasazením změřila skutečnou hodnotu. Následoval šestiměsíční pilot ve čtyřech centrech v Mexiku, Francii, Polsku a Thajsku, kde měl každý agent stanovené ukazatele a výchozí hodnoty sledované každý týden. Ve druhé fázi se L’Oréal zaměřil na vlastníky procesů a lidi, kteří provoz dobře znají, a začal na platformě stavět vlastní agenty.

Počet uživatelů v pilotních skladech vzrostl během zkoušky ze 44 na 62. Dnes s agenty pracuje celosvětově 239 lidí, z toho nejméně 200 denně. Hlavním poučením podle týmu je, že nestačí agenty jen zpřístupnit – zapojení lidí vzrostlo až ve chvíli, kdy se nástroje zaměřily na řešení skutečných provozních problémů. Víc než počet agentů proto rozhoduje počet vyřešených problémů. Kierzkowski doporučuje pečlivě vybírat oblasti nasazení, začínat s uživateli, kteří jsou schopní a motivovaní novou technologii přijmout, a poskytovat jim průběžnou podporu včetně sdílení zkušeností.

Pro české a středoevropské sklady je případ zajímavý hlavně tím, že AI agenti nenahrazují stávající WMS, ale pracují nad ním a řeší úzce vymezené každodenní úlohy. Mezi pilotními provozy bylo i distribuční centrum v Polsku. Zkušenost L’Oréal zároveň ukazuje, že přínos umělé inteligence je největší tam, kde provoz naráží na opakované chyby a ruční zásahy, zatímco u již dobře vyladěných procesů může být jen malý.

Zdroj: eLogistika.info