Hvordan kan AI hjelpe lager og transport? Der det virker i dag
AI for lager og transport
Lager og flåter går allerede på data: hver skanning, hver porthendelse, hvert telematikksignal og hver arbeidsordre er registrert et sted. Det som mangler, er laget som kobler dem sammen, slik at en AI-agent kan svare på hvorfor en rute ble forsinket eller hvilket transportbånd som stopper neste gang, uten at et menneske først må sy fire systemer sammen. Bygg det laget en gang, så er agentene den enkle delen. AI- og dataplattformen er det laget.
Tre steder AI hjelper en logistikkdrift, i dag
Avvik før morgenmøtet
Hver natt gir en kø av forsinkede, skadede og manglende sendinger. En agent som ser ruten, rampen og utstyret bak hver av dem, gjør den køen om til en liste over årsaker og forslag før noen er på jobb.
Planer som stemmer med det som faktisk kommer
Rampe- og portplaner bygges på bookinger; bilene kommer på telematikkens tid. En agent som leser begge deler, foreslår en plan som passer dagen, og planleggeren beholder siste ord.
Utstyr som sier fra før det stopper linjen
Transportbånd, sorteringsanlegg og gaffeltrucker melder alle fra om feil; meldingene ligger i hvert sitt system. Koblet til vedlikeholdshistorikken blir de et utkast til arbeidsordre i stedet for en overraskelse på det travleste skiftet.
Datahalvdelen
Alt driften registrerer, i en modell
Et lager og en flåte registrerer allerede nesten alt: hva som ble booket, skannet, lastet, kjørt og levert, og hva som gikk i stykker underveis. Problemet er at lagersystemet, transportsystemet, telematikkportalen og vedlikeholdssystemet beskriver samme sending, rampe og bil med hvert sitt ordforråd. Den operasjonelle dataplattformen kopierer postene ut, uten å røre systemene som eier dem, og legger dem inn mot en modell av driften: hvilket anlegg, hvilken rampe, hvilken rute, hvilket utstyr. Å få dataene inn er ikke lenger den dyre delen; å bli enige om hva en rampe heter, må bare gjøres en gang.
En agent kan ikke ha mer rett om en sending enn postene den fikk.
De første oppgavene
Arbeidet en agent tar over først, og det et menneske fortsatt avgjør
De første oppgavene er de som gjentar seg hvert skift og kan sjekkes på et minutt. I et lager eller en flåte er det avvikskøen, rampeplanen og vedlikeholdsetterslepet. I alle tre gjelder det samme: agenten lager utkastet, et menneske bestemmer. Ingenting endrer en booking, en plan eller en arbeidsordre uten godkjenning, og det agenten skrev, lander med kildene festet til seg. Product Discovery er måten vi finner ut hvilken av dem som er verdt å gjøre først hos dere.
Avvik sortert før klokken seks
Forsinket, skadet, mangler. Agenten leser nattens avvik, følger hvert av dem til sendingen, ruten, rampen og utstyret bak, og lager et utkast med årsak og foreslått tiltak per sak. En disponent avgjør.
En rampeplan ut fra det som faktisk kommer
Ut fra bilenes telematikk og porthendelsene foreslår agenten dagens rampeplan og flagger ankomstene som ikke får plass. Planleggeren justerer og godkjenner; agenten noterer hvorfor.
Vedlikeholdsutkast fra telemetri
Et transportbånd som stopper oftere, en gaffeltruck med stadig flere feilkoder. Agenten lager utkast til arbeidsordre med telemetrien og vedlikeholdshistorikken vedlagt. En tekniker godkjenner den, eller avviser den, og modellen husker hva som ble valgt.
Konteksten
Et spørsmål går gjennom grafen, ikke gjennom telefonlisten
Hvorfor var rute 12 forsinket tre dager på rad? I dag er det spørsmålet en kjede av telefoner: planleggeren spør rampen, rampen spør vedlikehold, vedlikehold sjekker et regneark. Med driften modellert som en kunnskapsgraf går agenten samme kjede på sekunder: rute til rampe, rampe til transportbånd, transportbånd til den åpne arbeidsordren, og svaret kommer tilbake med veien dit, så planleggeren kan sjekke hvert hopp. AI trenger kontekst, og konteksten ligger i kunnskapsgrafen deres.
Veien er resonnementet. Er et hopp feil, ser du hvilket.
Med vilje oppdiktet
Et postkort fra et skift som ikke har skjedd
Ingenting av dette har skjedd. Det er oppdiktet med vilje, bygget bare på dataene og oppgavene ovenfor, og verdt et minutt fordi det høres ut som en vaktoverlevering. Plager det deg, er det nyttige spørsmålet hvilken post det ville strandet uten.
Ruten som sluttet å være forsinket
05:40. Nattens avvik er allerede sortert når disponenten logger inn: tre forsinkede avganger på rute 12, alle sporet av en agent til rampe 4, der transportbånd C2 har stoppet på et slitt belte hver kveld siden tirsdag. Agenten har laget utkast til arbeidsordre med telemetrien vedlagt, og et rampebytte for lastene i dag tidlig. Disponenten leser i to minutter, flytter en bil agenten ikke hadde sett, og godkjenner begge. Rute 12 går til tiden. Ingen trengte å spørre hvorfor.
Ingenting i det krever nye sensorer. Det krever postene dere allerede har, koblet sammen.
Der AI ikke hjelper ennå
Den retter ikke opp lagertellinger som er feil ved kilden, og den erstatter ikke disponentens skjønn om en kunde eller en sjåfør. Den ser ikke det som ikke måles: en gaffeltruck uten telematikk, en rampe uten porthendelser, en skademelding som ligger i en tekstmelding. Den modellerer heller ikke hele nettverket deres den første dagen. Koble sammen postene som finnes, modeller bare den delen den første oppgaven berører, og vær ærlig om hullene; den første agenten finner dem uansett, og det er det nyttigste den gjør den første måneden.
Vanlige spørsmål
Spurt og besvart
Hvordan kan AI hjelpe et lager i dag?
Mest direkte med arbeidet som gjentar seg hvert skift og allerede har data bak seg: å sortere nattens avvik, å foreslå dagens rampeplan ut fra det som faktisk kommer, og å lage utkast til arbeidsordrer når et transportbånd eller en gaffeltruck begynner å melde feil. Agenten lager utkastet, et menneske godkjenner, og hvert utkast viser postene det ble bygget på.
Hvordan kan AI hjelpe transport og flåtedrift?
Ved å koble telematikken, transportsystemets poster og porthendelsene sammen til ett bilde av hver rute, slik at en agent kan forklare en forsinket avgang, foreslå en plan som stemmer med reelle ankomster, og flagge et kjøretøy med stigende feilkoder før det stopper på veien. Disponenten beholder siste ord om hver endring.
Trenger vi et nytt lager- eller transportsystem før vi kan bruke AI-agenter?
Nei. Systemene dere har, går som før og forblir kilden. Plattformen kopierer postene deres ut over standardprotokoller, sammen med telematikk og vedlikeholdsdata, og legger dem inn mot en modell av driften. Agentene leser den modellen. Ingenting migreres, og kopieringen kan slås av.
Kan en AI-agent endre planene eller ordrene våre på egen hånd?
Ikke på denne plattformen. En agent lager utkast: en foreslått rampeplan, en foreslått arbeidsordre, en foreslått årsak til et avvik. Et menneske godkjenner det, og alt som endrer en booking, en plan eller en arbeidsordre, venter på den godkjenningen. Hvert utkast bærer hvem som skrev det og hva det bygde på, så det kan gjennomgås og gjøres om.
Hvor ligger driftsdataene våre, og hvem kan se dem?
Der dere bestemmer. Plattformen er åpen kildekode under AGPL-3.0 og kjører på deres egne servere, i deres sky eller i et lukket nett; vil dere heller slippe å drifte den, kjører IntelliStream den på maskinvare selskapet eier i Stavanger, under norsk lov. Den som spør, menneske eller agent, ser bare det identiteten har lov til å se, og hver forespørsel sjekkes i døren.
Begynn med en rampe, en rute, en avvikskø
Fortell oss hvilken av de tre dere ville gitt fra dere først, og hvilke systemer den kjører på i dag. Vi sier ærlig fra om en agent kan gjøre det nå, og hvordan dataene må se ut før den kan.