Студенты НГТУ НЭТИ предложили оптимизировать логистику с помощью искусственного интеллекта и компьютерного зрения
В Новосибирском государственном техническом университете НЭТИ создают платформу для оптимизации, анализа и расчетов транспортной и складской логистики на основе искусственного интеллекта и компьютерного зрения. Проект позволит сократить время выполнения основных логистических операций, оптимизировать их количество; как результат, это приведет к снижению стоимости и повышению качества оказываемых услуг.
Как отмечают разработчики, транспортная логистика — одна из самых ресурсоемких отраслей с колоссальными потерями из-за ручных процессов, отсутствия прозрачности, ошибок планирования. Существующие решения по оптимизации часто фрагментированы, дороги и не используют весь потенциал современных технологий.
«У нас возникла идея создать интеллектуальное решение. Задача заключается в разработке единой платформы, которая автоматизирует ключевые процессы: учет транспортных средств, контроль погрузки/разгрузки, отслеживание грузов, документооборот; анализирует большие объемы данных в реальном времени; оптимизирует ключевые показатели, такие как маршруты, загрузка ТС, использование парка, затраты на ГСМ и ремонт, сроки доставки; повышает прозрачность и безопасность на всех этапах цепи поставок», — рассказал студент факультета прикладной математики и информатики Егор Дорогин.
В рамках проекта команда разработчиков создает свою модель искусственного интеллекта, обучает ее распознавать номера ТС, типы кузовов, контейнеров, поддонов, грузов. Видео с камер на воротах складов, погрузочных площадках, в кабинах, вдоль маршрутов планируется обрабатывать локально для первичного анализа и сжатия, получения основных параметров модели, после чего подключается ИИ.
Уникальность проекта заключается в сочетании ИИ и компьютерного зрения (CV). Егор Дорогин приводит несколько примеров работы платформы. Пример с оптимизацией погрузки: CV распознает, что грузовик заехал на склад, фиксирует номер и тип кузова, потом ИИ сверяет с заказом и определяет, что должно быть погружено. Если грузчики кладут не те паллеты, система сразу предупреждает диспетчера. Пример с маршрутом: CV в кабине фиксирует, что водитель устал, ИИ предлагает ближайшую точку для отдыха и одновременно пересчитывает маршрут, чтобы доставка не сорвалась. И пример с контролем груза: CV сканирует груз на выезде машины со склада, сравнивает с фото при погрузке, если есть повреждения, ИИ автоматически создает акт и уведомляет клиента.
Разработчики выделили несколько преимуществ своего проекта в сравнении с аналогами. В их числе — полная автоматизация сбора данных (не нужен ручной ввод, поскольку CV сам фиксирует события), глубокая оптимизация (не просто GPS-трекинг, а ИИ, который перестраивает маршруты в реальном времени), комплексность (объединение телематики, CV, планирования и аналитики в одной системе), а также гибкость — можно подключать только нужные модули (например, только распознавание номеров, оптимизацию маршрутов или транспортного состава и т. д.).
В настоящий момент приложение находится в процессе разработки, еще уточняются и корректируются техническое задание, методы и алгоритмы, проектируется и создается прототип приложения. Требуется доработать точность CV, прогнозную аналитику, провести тестирование платформы, обучить ИИ. В перспективе команда планирует интеграции с различными компаниями.