AI вот-вот изменит индустрию AIDC.

Концепция AI в рамках AIDC уже не является чем-то из будущего. Она уже меняет подход складов, логистических компаний, розничных продавцов и производителей к сбору данных, проверке запасов и принятию решений.

Сейчас 8:30 утра, и работник склада по имени Майк приступает к своей первой задаче: обычной инвентаризации.

Перед ним стоит шестиметровая полка, на которой размещены сотни коробок. На каждой коробке есть штрихкод, и согласно политике компании, проверка штрихкода необходима перед отправкой утренней партии товара со склада. Штрихкоды остаются ключевым элементом глобальных цепочек поставок, как поясняется в стандартах штрихкодов GS1.

Пять лет назад этот процесс был простым, но утомительным.

Майк ходил от одного конца полки до другого, направляя сканер на каждый штрихкод по отдельности. Даже опытному сотруднику проверка всей полки могла занять от трех до пяти минут.

Иными словами, несколько секунд на выполнение задачи могут превратиться в тысячи трудовых часов каждый месяц.

Однако сегодня сканирование штрихкодов AI начинает менять эту ситуацию.

Вместо того чтобы сканировать товары по одному, Майк просто поднимает свое портативное устройство и делает снимок.

Система за считанные секунды обнаруживает десятки видимых штрихкодов. Она идентифицирует товары, проверяет данные инвентаризации, отмечает аномалии и загружает результаты в систему управления складом.

Для склада со 100 сотрудниками даже сокращение времени сканирования и проверки может сэкономить тысячи трудозатрат в год. В результате компании также получают более быструю информацию о состоянии запасов, меньше человеческих ошибок и более высокую оперативность.

AI в рамках AIDC вот-вот изменит отрасль — но готовы ли мы к этому?

От сканирования штрихкодов до визуального сбора данных

На протяжении десятилетий отрасль AIDC (автоматическая идентификация и сбор данных) строилась на основе простого рабочего процесса:

Найти → Навести прицел → Сканировать → Подтвердить

Теперь в AI в AIDC его можно заменить другой логикой:

Наблюдать → Понимать → Действовать

Несколько ведущих производителей AIDC уже начали интегрировать системы сбора данных на базе AI в мобильные компьютеры и сканирующие решения. Последние достижения в области компьютерного зрения позволяют теперь на одном изображении обнаруживать несколько штрихкодов, распознавать этикетки, выполнять оптическое распознавание символов и извлекать структурированную информацию из складских помещений.

Этот сдвиг не устраняет необходимость в корпоративных устройствах. Вместо этого он меняет ожидания бизнеса от них. Современные мобильные компьютеры MEFERI разработаны не только для сканирования штрих-кодов, но и для корпоративной мобильности, интеграции программного обеспечения и перспективных рабочих процессов сбора данных.

Возможность использования AI в AIDC по-прежнему сталкивается с практическими ограничениями.

Проблема с оборудованием, о которой никто не говорит

1. Качество камеры имеет значение для компьютерного зрения на складах.

Устройство AI может анализировать только то, что видит камера.

Если изображение недостаточно детализировано, модель не сможет восстановить информацию, которая так и не была получена.

Многие существующие КПК были разработаны в основном для сканирования штрих-кодов. Они не были предназначены для высокоточного компьютерного зрения на складах.

Поскольку технология AI в AIDC переходит к распознаванию на основе изображений, производители сталкиваются с рядом аппаратных проблем:

• Датчики более высокого разрешения
• Улучшенная оптика
• Файлы изображений большего размера
• Более высокая вычислительная мощность
• Более высокие затраты на оборудование

В результате отрасль начинает переходить от устройств, ориентированных в первую очередь на сканирование, к устройствам, ориентированным в первую очередь на машинное зрение. К таким устройствам относятся, например, мобильный компьютер MEFERI ME61 показать, как корпоративные мобильные компьютеры могут объединять сканирование, возможности камеры, возможности подключения, поддержку Android Enterprise и экосистему аксессуаров на одной платформе.

2. Расстояние по-прежнему имеет значение для сканирования штрихкодов AI.

Однако распространенное заблуждение заключается в том, что AI решает все проблемы.

Нет.

Если штрихкод занимает всего несколько пикселей из-за того, что камера находится слишком далеко, точность распознавания все равно пострадает.

Следовательно, для реального внедрения требуется баланс между:

• Разрешение камеры
• Поле зрения
• Скорость распознавания
• Стоимость устройства

Законы физики по-прежнему действуют.

3. AI в AIDC требует вычислительной мощности

Для моделей AI требуется вывод. Вывод требует вычислений.

На практике каждое предприятие должно ответить на один важный вопрос:

Где следует разместить AI?

Возможные варианты включают:

Более того, AI в рамках AIDC касается не только алгоритмов. Он также затрагивает вопросы управления, безопасности и оперативного контроля. Организациям, внедряющим системы AI, следует учитывать признанные концептуальные основы, такие как структура управления рисками NIST AI.

Многие организации недооценивают усилия, необходимые для создания собственной модели визуального восприятия.

Для обучения систем AI распознаванию штрихкодов, обнаружению этикеток или идентификации объектов на складе часто требуется:

• Большие наборы данных
• Ручная аннотация
• Непрерывное переобучение
• Инфраструктура MLOps
• Квалифицированные инженеры AI

Фактически, сама модель может представлять собой только 20% проекта. Операционная экосистема охватывает остальные 80%.

Может ли концепция BYOD заменить защищенные КПК в AI в AIDC?

На первый взгляд, интересной возможностью является BYOD, или «используй своё собственное устройство».

В конце концов, многие современные смартфоны уже предлагают:

• 50-мегапиксельные камеры
• ускорители AI
• Быстрые процессоры
• Высококачественные дисплеи

В некоторых случаях потребительские устройства превосходят по качеству изображения более старое промышленное оборудование.

С точки зрения затрат, концепция BYOD представляется привлекательной:

• Снижение затрат на оборудование.
• Более быстрое развертывание
• Привычный пользовательский интерфейс

Однако предприятия быстро сталкиваются с новыми вызовами.

Безопасность

Корпоративные данные теперь хранятся на личных устройствах. В связи с этим возникают вопросы:

• Управление устройствами
• Утечка данных
• политики удаленного стирания
• Требования к соблюдению норм

Поэтому компаниям, оценивающим AI в рамках AIDC, необходимо учитывать не только качество камеры и производительность процессора. Им также следует обратить внимание на то, как устройства управляются, защищаются, обновляются и поддерживаются.

Надежность

Между тем, потребительские устройства не предназначены для:

• 12-часовые смены
• Холодильные складские помещения
• Воздействие пыли
• Частые падения

Именно здесь надежные корпоративные устройства остаются крайне актуальными. Как обсуждалось в статье MEFERI о Потребительские устройства против защищенных корпоративных устройств, Для промышленных операций требуется нечто большее, чем просто привычное оборудование. Необходимы долговечность, стабильность на протяжении всего жизненного цикла, централизованное управление и предсказуемая производительность.

Непрерывность батареи

Кроме того, склад не может прекратить работу из-за того, что разрядилась батарея личного телефона.

Для критически важных операций требуется предсказуемое время безотказной работы. Это остается одной из главных причин, почему до сих пор существуют защищенные КПК и корпоративные мобильные компьютеры.

Потребительский смартфон против корпоративного мобильного компьютера

Будущее AI в AIDC: от сканеров к визуальным работникам

Самый важный вывод таков:

AI не просто ускоряет сканирование штрихкодов. Он меняет саму роль процесса сбора данных.

В будущем рабочий процесс AIDC может выглядеть следующим образом:

Наблюдать → Понимать → Принимать решение → Выполнять

Вместо сканирования одного штрихкода системы будут понимать целые сценарии. Вместо ручного подсчета товаров, рабочие процессы AI, управляемые системой AIDC, будут непрерывно отслеживать запасы. Что наиболее важно, AI будет автоматически выявлять аномалии до того, как сотрудникам потребуется вручную искать проблемы.

Мы уже видим первые примеры этого:

• Распознавание нескольких штрихкодов
• Интеллектуальные полки
• Узнаваемость продукта
• автоматизация распознавания текста (OCR)
• Аудиты запасов с использованием компьютерного зрения
• Рабочие процессы подтверждения доставки с использованием AI

Для компаний, планирующих этот переход, важна правильная стратегия использования устройств. Корпоративные команды могут изучить более широкие возможности MEFERI. Экосистема решений и продуктов AIDC понять, как надежные мобильные компьютеры, сканеры, программные инструменты и аксессуары могут способствовать масштабируемой цифровой трансформации.

Заключительные мысли

Короче говоря, современная технология сбора данных на основе AI явно меняет индустрию AIDC, и эта трансформация становится неизбежной.

Тем не менее, мобильные компьютеры корпоративного класса, или КПК, по-прежнему обладают незаменимыми преимуществами в современных условиях эксплуатации.

Помимо аппаратных возможностей, они обеспечивают надежную работу. управляемость. Это обеспечивает централизованное развертывание, управление устройствами и применение политик в масштабах предприятия.

Более того, они поддерживают зрелую экосистему. аксессуары для предприятий, например, сканирующие док-станции, крепления для транспортных средств и системы с увеличенным временем автономной работы. Эти аксессуары имеют решающее значение для высокочастотных операций на передовой.

Наконец, КПК построены на основе полноценной системы. стратегия жизненного цикла предприятия. Это включает в себя долгосрочную поддержку, обновления безопасности и предсказуемые пути обновления, которые помогают обеспечить операционную стабильность на протяжении многих лет использования.

С точки зрения ESG, долговечность, ремонтопригодность и увеличенный срок службы также могут способствовать сокращению электронных отходов. Это лучше соответствует целям устойчивого развития компаний.

Вкратце, хотя AI в AIDC ускоряет переход к более интеллектуальным рабочим процессам на основе машинного зрения, современные КПК остаются основополагающей инфраструктурой для критически важных операций. Надежность, контроль и непрерывность по-прежнему остаются обязательными.

Чтобы узнать больше о мобильных компьютерах корпоративного класса и решениях AIDC, контакт MEFERI.