Realtà aumentata nella logistica

Realtà aumentata nella logistica

Abbiamo già parlato della realtà aumentata e di come grazie ad un visore sia possibile vedere molto di più di quello che la realtà offre. Se vuoi puoi leggere questa breve introduzione all’AR e alla VR (realtà virtuale): Realtà virtuale e realtà aumentata

Ti chiederai cosa c’entra questa tecnologia con la logistica che riguarda la gestione efficiente e il controllo del movimento e dello stoccaggio di merci, servizi e informazioni.

Una delle implementazioni più significative della realtà aumentata in logistica è nel picking, che significa prendere (o “pescare”) i prodotti giusti dagli scaffali per inviarli ai clienti. Se il magazzino è davvero grande, ciò può essere complesso e richiede tempo

Il picking è noto per essere una parte costosa delle operazioni di magazzino, rappresentando il 55%-65% del totale dei costi di queste operazioni (studio di De Koster et al., 2006.).

Gli operatori di magazzino utilizzano occhiali AR per visualizzare informazioni in tempo reale sugli articoli da raccogliere, inclusi la posizione, la quantità e le istruzioni sul percorso più rapido per raggiungere gli articoli. Possono ricevere queste informazioni sottoforma di etichette virtuali o frecce che gli indicano esattamente dove si trova il prodotto che sta cercando.Questo riduce il tempo di esecuzione degli ordini e minimizza la probabilità di errori.

Un studio chiave che ha mostrato i benefici dell’AR in logistica è stato condotto da DHL, una delle principali società di logistica al mondo. Nel loro rapporto “Augmented Reality in Logistics” (2014), hanno esplorato vari casi d’uso e hanno previsto l’immenso potenziale dell’AR nella trasformazione delle operazioni logistiche.

I lavoratori ricevono istruzioni digitali che li aiutano a localizzare e prelevare gli articoli più velocemente e con minori errori. Gli articoli prelevati possono essere immediatamente registrati nel sistema, aggiornando l’inventario in tempo reale. Inoltre i nuovi lavoratori o lavoratori temporanei possono essere formati rapidamente, oltre a superare eventuali barriere linguistiche.

I test sul campo hanno mostrato che i sistemi AR possono migliorare significativamente la produttività nelle operazioni di magazzino, riducendo gli errori sino al 40%.

L’AR può semplificare i controlli di completezza dei carichi. Un operatore dotato di un dispositivo AR potrebbe semplicemente dare uno sguardo veloce al carico per verificare se è completo.

Attualmente, questo richiede un conteggio manuale o la scansione dei codici a barre con un dispositivo portatile che richiede tempo. In futuro, un dispositivo AR indossabile potrebbe utilizzare una combinazione di scanner e sensori di profondità 3D per determinare il numero di pallet o singoli pacchi (scansionando marcatori specifici su ciascun pacco) o il loro volume (utilizzando dispositivi di misurazione).

Questa misurazione viene confrontata con valori predefiniti e il risultato, sperabilmente una corrispondenza, viene visualizzato all’operatore. Questo sistema AR potrebbe anche scansionare gli oggetti per rilevare eventuali danni o difetti.

Nel commercio internazionale, l’AR può essere di grande valore per i fornitori di servizi commerciali globali. Prima della spedizione, un sistema AR potrebbe aiutare a garantire che la spedizione sia conforme alla normativa di importazione ed esportazione pertinente, o che la documentazione commerciale sia stata compilata correttamente. Un dispositivo AR può scansionare documenti di commercio o merci per individuare parole chiave e proporre automaticamente modifiche o correggere la classificazione del codice delle merci. Dopo la spedizione, la tecnologia AR può ridurre significativamente i ritardi nei porti e negli spazi di stoccaggio traducendo in tempo reale il testo dei documenti di commercio, come i termini commerciali.

Un altro interessante studio in proposito è Pick-by-vision of Augmented Reality in Warehouse Picking Process Optimization – A Review

Il processo di prelievo con supporto AR coinvolge vari step, quali la preparazione e l’elaborazione dei dati in ingresso, la proposta del percorso di prelievo ottimale, la fornitura di un sistema di navigazione AR, la selezione delle risorse software e hardware, la trasformazione dei percorsi di prelievo in mappe di processo nel software AR, e la realizzazione del processo di prelievo in sé.

Un operatore durante un compito di pick-by-vision deve poter comunicare attraverso la voce, lo sguardo o i gesti.

I benefici che il supporto AR porta sono molteplici:

Miglioramento della produttività ed efficienza operativa.
Riduzione degli errori.
Formazione, monitoraggio e motivazione dei dipendenti.
Pianificazione e sicurezza del magazzino.
Comfort e soddisfazione degli utenti.
Miglioramenti nell’hardware e nel software.

L’intelligenza artificiale in magazzino e oltre

L’AI può essere utilizzata per addestrare algoritmi di riconoscimento di oggetti e immagini per consentire agli occhiali o ad altri dispositivi AR di riconoscere automaticamente gli oggetti nel campo visivo. Ciò può facilitare l’identificazione e il rilevamento di determinati oggetti nel magazzino o durante il processo di prelievo.

Grazie all’AI è possibile una pianificazione intelligente elaborando algoritmi di pianificazione avanzati che tengano conto di molteplici fattori, come l’ottimizzazione delle rotte, la disponibilità dei veicoli e le limitazioni dei magazzini.

Queste informazioni possono poi essere visualizzate tramite AR agli autisti per guidarli lungo il percorso ottimale.

Possono essere utilizzate per ottimizzare i processi di pianificazione delle operazioni di magazzino, garantendo l’efficienza e la minimizzazione dei costi.

Si possono sviluppare sistemi di supporto decisionale che forniscono suggerimenti e consigli basati su grandi quantità di dati e analisi complesse. Ad esempio, un sistema di supporto decisionale basato su IA potrebbe analizzare i dati storici di vendita e i modelli di domanda per suggerire il riordino di determinati prodotti o ottimizzare l’allocazione degli articoli nel magazzino.

L’esempio di LogistiVIEW

Un Esempio è dato da LogistiVIEW che ha sviluppato una soluzione AR basata sull’IA chiamata “Picavi” per ottimizzare il processo di prelievo nell’e-commerce e nella logistica. Il sistema utilizza un dispositivo indossabile con AR, che fornisce informazioni visive e istruzioni dettagliate sullo schermo per guidare gli operatori durante il prelievo dei prodotti. L’AI viene utilizzata per ottimizzare il percorso di prelievo e fornire suggerimenti intelligenti agli operatori.

Il sistema aggiunge al lavoro una componente ludica: Trasforma qualsiasi lavoro in prima linea in un gioco. I dipendenti guadagnano punti durante lo svolgimento dei loro compiti in modo divertente e piacevole. I manager sono in grado di abilitare facilmente programmi di ricompensa.

Approfondimento: L’ottimizzazione dei percorsi di picking

L’ottimizzazione dei percorsi di picking è un processo critico nella gestione dei magazzini e della logistica, e mira a minimizzare il tempo e la distanza percorsi dai lavoratori o dai robot nel prelevare articoli da vari punti di un magazzino. Tale ottimizzazione può comportare una riduzione significativa dei costi e un aumento dell’efficienza operativa.

L’algoritmo di Dijkstra è un metodo classico per trovare il percorso più breve tra due nodi in un grafo, che può rappresentare, ad esempio, i vari punti di un magazzino. Questo algoritmo prende il nome dal suo sviluppatore, Edsger Dijkstra, e ha molteplici applicazioni pratiche, dall’elaborazione delle reti di trasporto all’ingegneria del software.

Immagina di avere una mappa della tua città con tutte le strade, piazze e parchi. Ora, supponiamo che tu voglia andare dal Parco della Gioia al Parco dell’Avventura seguendo il percorso più breve possibile. Come faresti a trovare la strada più corta senza passare per tutte le altre stradine e sbagliare?

Qui entra in gioco l’algoritmo di Dijkstra.

Ecco come funziona:

  1. Metti una bandierina all’entrata del Parco della Gioia. Questa è la tua partenza.
  2. Ora, guarda tutte le strade che partono da lì, Scrivi un numero su ciascuna di queste strade che rappresenta quanto è lunga.
  3. Scegli la strada con il numero più basso, cioè la più corta, e vai al punto successivo.
  4. Da quel nuovo punto, cerca tutte le strade che portano a nuovi punti e aggiungi la lunghezza della strada che hai già percorso.
  5. Se trovi che esiste una strada più breve per arrivare a un punto già visitato, cambia il numero con quello più basso. Il “numero” che cambi è quindi la distanza totale registrata per arrivare a quel particolare punto sulla mappa.
  6. Metti una bandierina speciale sulle strade che hai già controllato per non passarci di nuovo.
  7. Continua a fare questo finché non arrivi al Parco dell’Avventura.

Puoi approfondire questo algoritmo anche consultando Wikipedia

Nell’applicazione all’ottimizzazione dei percorsi di picking, i nodi del grafo possono rappresentare le posizioni degli articoli nel magazzino, e gli archi possono rappresentare i percorsi possibili tra questi articoli. L’utilizzo dell’algoritmo di Dijkstra può aiutare a determinare il percorso più efficiente per prelevare una serie di articoli data una posizione di partenza.