تصور کنید مدیر انباری هستید که هر روز با تضاد بین موجودی روی کاغذ و واقعیت قفسه‌ها می‌جنگد. ربات‌های Dexory با ظرفیت اسکن بیش از ۱۰ هزار نقطه در ساعت، این کابوس را به یک نقشه دیجیتال زنده تبدیل می‌کنند تا کالاهای جابه‌جا شده یا آسیب‌دیده را بدون توقف عملیات، فوراً شناسایی کنید.
بسیاری از انبارهای مدرن در وضعیتی متناقض هستند؛ آن‌ها سیستم‌های مدیریتی پیچیده‌ای دارند اما نسبت به اتفاقات فیزیکی کف انبار «کور» هستند. در حالی که از سیستم‌های مدیریت پیشرفته‌ای استفاده می‌کنند، وضعیت واقعی فیزیکی کف انبار اغلب تا زمانی که یک انسان بررسی دستی را انجام ندهد، یک راز باقی می‌ماند. این شکاف باعث می‌شود تفاوت‌های پرهزینه‌ای بین آنچه کامپیوتر فکر می‌کند در موجودی است و آنچه واقعاً روی قفسه قرار دارد، ایجاد شود.
اوآنا جینگا (Oana Jinga)، هم‌بنیان‌گذار و مدیر تجاری و محصول Dexory، به نقل از مستندات شرکت می‌گوید که این کسب‌وکار دقیقاً برای حل همین اصطکاک متولد شد. این شرکت که در سال ۲۰۱۵ با نام BotsAndUs تأسیس شد، در مسیر تکامل خود به Dexory تبدیل شد تا فاصله بین داده‌های دنیای فیزیکی و هوش عملیاتی را پر کند. جینگا و هم‌بنیان‌گذارانش مشاهده کردند که در حالی که انبارها به‌طور فزاینده‌ای پیچیده‌تر می‌شوند، بررسی‌های موجودی همچنان به‌شدت دستی، زمان‌بر و جدا از سیستم‌هایی است که تصمیمات حیاتی عملیاتی را می‌گیرند.
زمینه: مسیری در شراکت‌های استراتژیک
رویکرد جینگا به رباتیک ریشه در پیشینه عمیق او در توسعه تجاری دارد. او پیش از هم‌بنیان‌گذاری این کسب‌وکار، بیش از ۶ سال در گوگل فعالیت داشت. در این مدت، او مدیریت شراکت‌های خرده‌فروشی در بریتانیا و بعدها نظارت بر شراکت‌های استراتژیک در کل بخش خرده‌فروشی در منطقه EMEA (اروپا، خاورمیانه و آفریقا) را بر عهده داشت.
سوابق شغلی او پیش از گوگل شامل نقش‌های تجاری، بازاریابی، وفاداری مشتری و توسعه کسب‌وکار در شرکت O2 (Telefónica UK) و همچنین جایگاه‌هایی در حوزه روابط عمومی بود. او همچنین به عنوان هم‌رهبر بریتانیایی Xoogler.co فعالیت کرد؛ جایی که از جامعه‌ای متشکل از فارغ‌التحصیلان گوگل، بنیان‌گذاران، سرمایه‌گذاران و فعالان استارتاپی حمایت می‌کرد.
مکانیسم عملکرد DexoryView
استقرار این سامانه برای سرعت بالا و کمترین اختلال طراحی شده و معمولاً بین ۲ تا ۵ روز زمان می‌برد. تیمی کوچک متشکل از یک یا دو نفر، محیط را نقشه‌برداری می‌کنند تا یک همزاد دیجیتال (Digital Twin) بسازند. این مدل سه‌بعدی و زنده از ساختمان اجازه می‌دهد ربات‌ها بدون نیاز به تغییرات گران‌قیمت در زیرساخت‌های فیزیکی انبار، به‌راحتی در محیط حرکت کنند.
پس از فعال‌سازی، ربات‌ها مأموریت‌های برنامه‌ریزی‌شده‌ای را برای جمع‌آوری داده‌ها اجرا می‌کنند که سپس در پلتفرم DexoryView پردازش می‌شوند. این پلتفرم از چهار فناوری کلیدی بهره می‌برد:
- ربات‌های متحرک خودمختار: سخت‌افزاری که قادر است قفسه‌های انبار با ارتفاع کامل را تا ارتفاع ۱۸ متر اسکن کند.
- بینایی ماشین و هوش مصنوعی مکانی: سامانه‌هایی که دقت خود را در شرایط نوری مختلف، پیکربندی‌های متفاوت قفسه و انواع مختلف موجودی حفظ می‌کنند.
- تکنولوژی همزاد دیجیتال: یک نمایش زنده که واقعیت فیزیکی را در برابر سوابق موجود مقایسه می‌کند تا کالاهای جابه‌جا شده یا آسیب‌دیده را شناسایی کند.
- تحلیل‌های پیشرفته: ابزارهایی که برای نظارت بر بهره‌وری فضا و شناسایی ناکارآمدی‌های عملیاتی به کار می‌روند.
اپراتورها از DexoryView استفاده می‌کنند تا به‌سرعت تضادها را شناسایی کرده، مسائل را بررسی کنند و بر اساس یک نمایش دیجیتال به‌روز از انبار خود تصمیم بگیرند. این فرآیند با جایگزینی بررسی‌های دستی دوره‌ای با هوش مستمر، بازگشت سرمایه (ROI) فوری ایجاد می‌کند.
حل چالش مقیاس
به گزارش این شرکت، عملیات در مقیاس ۱۸ متر چالش‌های مهندسی بزرگی دارد. طبق گفته جینگا، چالش اصلی تنها ارتفاع نیست، بلکه ثبت داده‌های دقیق و سازگار در حالی است که ربات به‌طور خودمختار در محیطی شلوغ، پر از انسان و تجهیزات در حال حرکت است.
برای حل این مشکل، Dexory مهندسی مکانیک مستحکم را با سیستم‌های پیشرفته مکان‌یابی و حسگری ترکیب کرد. این امر تضمین می‌کند که ربات‌ها به‌صورت پیش‌بینی‌پذیر و ایمن در کنار کارکنان انسانی و تجهیزات موجود در انبار کار کنند. این سیستم به‌طور خاص برای مقاومت در برابر نیازهای عملیات دنیای واقعی مهندسی شده است تا حتی با تغییر شرایط محیطی، عملکردی ثابت داشته باشد. این رویکرد در مدیریت داده‌های محلی، شباهت زیادی به استراتژی عامل‌های لبه‌ای برای حذف وابستگی به ابرهای متمرکز دارد که بر پردازش سریع در محل وقوع رویداد تأکید می‌کند.
قدرت یک میلیارد نقطه داده
تا امروز، Dexory بیش از یک میلیارد نقطه در انبارهای سراسر جهان را اسکن کرده است. این حجم عظیم از داده‌ها به شرکت اجازه می‌دهد مدل‌های اختصاصی انبار بسازد که از تنوع گسترده چیدمان‌ها، انواع بسته‌بندی‌ها و شرایط عملیاتی یاد می‌گیرند.
این مقیاس، پلتفرم را از یک ابزار اسکن ساده به یک موتور پیش‌بینی‌کننده تبدیل می‌کند. از آنجایی که هر انبار محصولات و چیدمان‌های متفاوتی دارد، این گستره از داده‌ها به پلتفرم کمک می‌کند تا محیط‌ها را بهتر تفسیر کرده و مسائل عملیاتی معنادار را از نویزهای محیطی تشخیص دهد. با گذشت زمان، این امر زیربنایی برای هوش پیش‌بینی‌کننده ایجاد می‌کند و به مشتریان کمک می‌کند نه تنها بفهمند چه اتفاقی در حال رخ دادن است، بلکه پیش‌بینی کنند احتمالاً در آینده چه اتفاقی خواهد افتاد. برای دستیابی به چنین سطحی از دقت در مقیاس جهانی، برقراری حاکمیت بل‌لحظه به عنوان یک پیش‌شرط حیاتی برای جلوگیری از خطاهای سیستمی در عامل‌های هوشمند شناخته می‌شود.
ادغام به جای جایگزینی
نکته مهم این است که Dexory قصد جایگزینی سیستم‌های مدیریت انبار (WMS) یا برنامه‌ریزی منابع سازمانی (ERP) را ندارد. در عوض، این سامانه به عنوان یک لایه هوشمند مستقل برای انبارهای به‌شدت خودمختار عمل می‌کند که در حال حاضر در اروپا، آسیا و ایالات متحده مستقر شده است.
با ادغام در این سیستم‌های موجود، DexoryView تضادهای بین سوابق دیجیتال و واقعیت فیزیکی را آشکار می‌کند. این قابلیت به تیم‌ها اجازه می‌دهد تا با استفاده از یک منبع حقیقت دقیق‌تر، خطاها را سریع‌تر بررسی و برطرف کنند و در واقع به جای جایگزینی سیستم‌های اصلی، آن‌ها را هماهنگ کند. این دیدگاه مستقل از واقعیت فیزیکی تضمین می‌کند که پلتفرم‌های WMS و ERP با داده‌های به‌روزتر و واقعی تغذیه شوند.
هوش مصنوعی تک‌وظیفه‌ای در برابر انسان‌نما
در حالی که صنعت رباتیک اغلب روی ربات‌های انسان‌نما تمرکز کرده است، جینگا استدلال می‌کند که سیستم‌های تک‌وظیفه‌ای (Task-Specific) برای لجستیک برتر هستند. در یک انبار، قابلیت اطمینان، ایمنی و بازگشت سرمایه قابل اندازه‌گیری، بسیار مهم‌تر از تمایل به داشتن رباتی است که بتواند هر کاری را انجام دهد.
ربات‌های هدفمند، در شرایط متغیر پایدارترند و شرکت‌ها را مجبور نمی‌کنند کل جریان کاری خود را برای سازگاری با تکنولوژی تغییر دهند. با نگاه به دهه آینده، جینگا انتظار دارد هوش مصنوعی فیزیکی از اجرای وظایف تعریف‌شده پیش‌فرض، به سمت خودمختاری و انطباق‌پذیری بیشتر حرکت کند و در نهایت کمک کند تا بر اساس درک محیط، بهترین اقدام ممکن تعیین شود.
آینده هوشمندی انبارها
هوشمندی انبارها در سه مرحله متمایز تکامل می‌یابد: دیده‌شدن (Visibility)، توصیه (Recommendation) و تصمیم‌گیری خودمختار. در حال حاضر تمرکز بر مرحله اول است؛ یعنی شناسایی موجودی‌های جابه‌جا شده، کالاهای آسیب‌دیده یا شرایط ذخیره‌سازی ناایمن.
فراتر از شمارش ساده، مشتریان در شناسایی فضاهای بلااستفاده، مشکلات شارژ مجدد و گلوگاه‌های عملیاتی در مراحل بسیار زودتر، ارزش می‌یابند. این امر به تیم‌ها اجازه می‌دهد پیش از آنکه این مسائل به مشکلاتی پرهزینه تبدیل شوند، اقدام کنند و زنجیره تأمین را تاب‌آورتر سازند.
با افزایش اعتماد، سیستم به سمت توصیه مؤثرترین پاسخ حرکت خواهد کرد و داده‌های فیزیکی را با بافت‌های (Context) سیستم‌های دیگر ترکیب می‌کند. در نهایت، برخی اقدامات اصلاحی ممکن است به‌طور خودکار آغاز شوند، هرچند کنترل تصمیمات با تأثیر بالا در دست انسان باقی می‌ماند.
عنصر انسانی و تنوع
اتوماسیون در اینجا برای حذف کارهای تکراری و سخت بدنی است تا نقش انسان به سمت قضاوت، حل مسئله و مدیریت استثناها تغییر کند. ارزشمندترین نقش‌ها شامل تفسیر اطلاعات و بهبود عملیات خواهد بود، نه جمع‌آوری دستی داده‌ها. در نتیجه، شرکت‌ها باید روی مهارت‌های دیجیتال کارکنان خود سرمایه‌گذاری کنند تا بتوانند از هوش مصنوعی و رباتیک به عنوان ابزارهایی برای تقویت تخصص خود استفاده کنند.
جینگا همچنین بر نیاز به حضور بیشتر زنان در حوزه رباتیک تأکید دارد. او معتقد است این صنعت دیگر تنها مربوط به مهندسی سخت‌افزار نیست و حوزه‌های گسترده‌ای را در بر می‌گیرد:
- فنی: نرم‌افزار، علوم داده و طراحی تجربه کاربری (UX).
- عملیاتی: طراحی محصول، استقرار و موفقیت مشتری.
- استراتژیک: استراتژی تجاری و عملیات.
او برای جذب استعدادهای متنوع، خواستار دیده شدن بیشتر زنان از طریق مطالعات موردی و فرصت‌های سخنرانی است. با این حال، او اشاره می‌کند که جذب زنان تنها بخشی از چالش است؛ شرکت‌ها باید محیط‌های فراگیری بسازند که در آن زنان بتوانند به نقش‌های رهبری ارشد ارتقا یابند تا مسیرهای شغلی پایداری برای آن‌ها ایجاد شود.
گام بعدی شما
- اگر مدیر زنجیره تأمین هستید، بررسی کنید که چه مقدار از خطاهای موجودی شما ناشی از «کوری» سیستم‌های WMS است.
- مدل‌های رباتیک تک‌وظیفه‌ای را در برابر ربات‌های چندمنظوره از نظر بازگشت سرمایه (ROI) مقایسه کنید.
- برای کارکنان عملیاتی خود دوره‌های آشنایی با مدیریت همزادهای دیجیتال را تعریف کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های پردازشی لبه مراجعه کنید.
گفتگو