Искусственный интеллект как ключ к повышению эффективности складской логистики

Рассматривается применение искусственного интеллекта (ИИ) в управлении складскими процессами и его влияние на экономическую эффективность логистических компаний. Анализируются основные направления использования ИИ, включая прогнозирование спроса, управление запасами, роботизацию и технологии компьютерного зрения. Особое внимание уделяется опыту таких логистических компаний, как DHL, Walmart, X5 Group, успешно интегрировавших ИИ в свои операции. Также исследуются примеры использования ИИ в морских портах, таких как порт Лос-Анджелеса, где технологии помогли улучшить управление грузопотоками.

Приводятся результаты проведенного опроса среди представителей логистической отрасли, который выявил уровень внедрения ИИ, ключевые области применения и ожидаемые выгоды. Обсуждаются как преимущества, например, повышение точности и сокращение времени выполнения операций, так и барьеры, включая затраты на внедрение и нехватку квалифицированных специалистов. Подчеркивается роль ИИ в снижении операционных затрат и ускорении обработки данных в масштабных логистических цепочках. Как результат, несмотря на необходимость значительных инвестиций, применение ИИ в логистике преобразовывает традиционные методы управления, что ведет к повышению эффективности и устойчивости операций.

1. Kidassova M. Enhancing business operational effi ciency through supply chain optimization // Norwegian Journal of Development of the International Science. 2024. No. 144. Pp. 37–39. DOI: 10.5281/zenodo.14169113

2. Magerramov A. Cost minimization in supply chains: approaches to expense management and risk reduction in volatile markets // Annali D’italia. 2024. No. 62. Pp. 30–32. DOI: 10.5281/zenodo.14552207

3. Перегородова О.О. Применение искусственного интеллекта в логистике // Матрица научного познания. 2020. № 6. С. 97–101. EDN UCSDLU.

4. Ивуть Р.Б., Попов П.В., Лапковская П.И., Прокопов С.В. Теоретико-методическое обоснование оценки и развития логистической инфраструктуры // Наука и техника. 2023. Т. 22. № 1. С. 69–78. DOI: 10.21122/2227-1031-2023-23-1-69-78. EDN HCZRIE.

5. Vanoy R.J.A. Logistics 4.0: Exploring artificial intelligence trends in efficient supply chain management // Data and Metadata. 2023. Vol. 2. P. 145. DOI: 10.56294/dm2023145

6. Хорошилова Т.Н. Роль искусственного интеллекта в логистике: эффективность, вызовы и решения // Universum: технические науки. 2024. № 11–5 (128). С. 41–45. DOI: 10.32743/UniTech.2024.128.11.18548. EDN FMYONH.

7. Ogarkov A. Application of big data analytics to improve business customer service // Innovation Science. 2024. № 7–1. Pp. 61–65. EDN EKYPBQ.

8. Петрова А.В. Искусственный интеллект в управлении логистической деятельностью организации // Естественно-гуманитарные исследования. 2024. № 1 (51). С. 411–413. EDN YMEDYK.

9. Юсуфова О.М., Шиболденков В.А., Андреева А.А. Анализ технологий цифровой логистики для автоматизации и сервисной интеграции складских процессов организации // Вопросы инновационной экономики. 2020. Т. 10. № 3. С. 1759–1772. DOI: 10.18334/vinec.10.3.110285. EDN YTVMPW.

10. Malikov A. Digital transformation and its impact on the structure and efficiency of modern business // Annali D’italia. 2024. No. 62. Pp. 112–115. DOI: 10.5281/zenodo.14558548

11. Tretiakov I. Intelligent models for demand forecasting using AI // Scientific discussion. 2024. No. 95. Pp. 28–30. DOI: 10.5281/zenodo.14498995

12. Бердникова А.А., Кабиров И.Р., Кривоногов С.В. Использование автоматизированных информационных систем для улучшения процесса управления доставками: перспективы и вызовы // International Journal of Open Information Technologies. 2024. Т. 12. № 10. С. 120–128. EDN DQKLFB.

13. Колокутский А. Искусственный интеллект в транспортной логистике: оптимизация маршрутов и снижение затрат // Евразийский научный журнал. 2024. № 2. С. 4–8.