Umělá inteligence v konceptu WMS a Industry 4.0

Abstract

Disertační práce se zabývá návrhem inteligentního 3D systému pro online monitorování a kontrolu skladových regálů pomocí moderních metod optimalizace a strojového učení. Hlavním cílem je zlepšení logistiky skladu v rámci konceptu Průmyslu 4.0 za využití 3D kamer a technologií umělé inteligence. Tyto technologie eliminují chyby při skladování, optimalizují skladové procesy a zvyšují efektivitu, což vede ke snížení provozních nákladů. Nejčastější chyby vznikají při evidenci a umístění regálů, a proto je použití 3D kamer klíčové pro snadné monitorování chybějících regálů. Navržená metodika překonává překážky praktické implementace stávajících modelů a poskytuje manažerům nástroj pro podporu rozhodování, což umožňuje optimální alokaci zdrojů a zvyšování úrovně logistických procesů. Model bude otevřený a široce použitelný napříč různými obory, což eliminuje nedostatky současných neveřejných a těžko implementovatelných modelů. Systém využívá umělou inteligenci, která se průběžně učí a zlepšuje své schopnosti rozpoznávat různé druhy regálů a optimalizovat skladové procesy. AI analyzuje data z kamer, identifikuje specifické typy regálů a v budoucnu bude schopna navrhovat vylepšení skladového systému, čímž dále zvyšuje efektivitu a snižuje náklady. Tento komplexní nástroj poskytne uživatelům metodiku pro optimalizaci skladových procesů, implementaci nových prostorových uspořádání a aktualizaci na základě získaných dat, což významně přispěje k automatizaci a optimalizaci skladové logistiky.

The dissertation addresses the design of an intelligent 3D system for online monitoring and control of warehouse racks using modern optimization methods and machine learning. The primary goal is to enhance warehouse logistics within the Industry 4.0 framework by utilizing 3D cameras and AI technologies. These technologies eliminate storage errors, optimize warehouse processes, and increase efficiency, thereby reducing operational costs. Errors most commonly occur in inventory and rack placement, making the use of 3D cameras crucial for easy creation of warehouse models and monitoring of missing racks. The proposed methodology overcomes the practical implementation barriers of existing models and provides managers with a decision support tool, enabling optimal resource allocation and improvement of logistics processes. The model is open and widely applicable across various industries, addressing the limitations of current non-public and difficult-to-implement models. The system uses artificial intelligence that continuously learns and improves its ability to recognize different types of racks and optimize warehouse processes. AI analyzes data from cameras, identifies specific types of racks, and in the future, will be able to suggest improvements to the warehouse system, further increasing efficiency and reducing costs. This comprehensive tool will provide users with a methodology for optimizing warehouse processes, implementing new spatial arrangements, and updating based on the collected data, significantly contributing to the automation and optimization of warehouse logistics.