حميد مونتازيري، نائب الرئيس لبرامجيات والذكاء الاصطناعي في روبوتات لوكوس – سلسلة مقابلات

كنائب رئيس لبرامجيات والذكاء الاصطناعي في روبوتات لوكوس، يحمل حميد مونتازيري أكثر من 30 عامًا من الخبرة في قيادة وتوسيع فرق موزعة على مستوى العالم. وهو متخصص في هندسة البرمجيات القابلة للتحديث والمتوسع وتطبيق التكنولوجيا التحويلية مثل السحابة والإنترنت الأشياء والبيانات الكبيرة والذكاء الاصطناعي/التعلم الآلي. على مدار مسيرته المهنية، قام حميد بتطوير حلول ومنتجات متميزة للشركات التي تتراوح من الشركات الناشئة إلى الشركات متعددة الجنسيات، وقدم تطبيقات في الروبوتات ذاتية الحركة وآلات التخزين الذكية وأنظمة سلسلة التوريد التي تخدم الصناعات في جميع أنحاء العالم.

روبوتات لوكوس تصمم وتقدم حلولاً لآتمتة المستودعات مدعومة بالذكاء الاصطناعي من خلال دمج الروبوتات المتنقلة ذاتية الحركة مع البرمجيات الذكية. منصةهم، التي تسمى LocusONE، توجيه أساطيل من الروبوتات للتعامل مع مهام مثل الاختيار والتركيب والنقل وعمليات الميزانين – مما يزيد الإنتاجية بمقدار الضعف أو ثلاثة أضعاف في حين يقلل من تكاليف العمالة. النظام متكامل بشكل متوافق مع بيئات المستودعات الحالية ويتوسع بمرنة، مما يسمح للعمليات بنشر روبوت واحد أو آلاف الروبوتات دون انقطاع كبير.

لقد شغلت مناصب قيادية في منظمات تتراوح من سي إن إن إلى ستانلي بلاك اند ديكر، ديماتيك، كيون جروب، و现在 روبوتات لوكوس. كيف ساهمت هذه الرحلة المتنوعة في تشكيل منظورك حول أين يمكن للذكاء الاصطناعي والروبوتات تقديم أكبر تأثير؟

شغلت مناصب فنية تعمل بشكل وثيق مع الذكاء الاصطناعي والبرمجيات لمدة تزيد على ثلاثة عقود، وقد تأثر منظوري بشكل كبير بمراقبة تطور الصناعة.

عندما بدأت لأول مرة، كانت الصناعة في مرحلة كانت فيها جهود تطوير البرمجيات تتبنى الانتقال من البرمجة المنظمة إلى المفهوم الموحد في لغات البرمجة ومن البرمجيات المنفردة إلى مكونات برمجية يمكن تشغيلها على عمليات نظام تشغيل مختلفة والاستفادة من اتصالات بين العمليات لتحقيق الأهداف بشكل موزع. كنا على وشك حدث كبير، نقل البرمجيات من تشغيلها على آلة معينة إلى أن تصبح موزعة باستخدام تقنيات الاتصالات بين العمليات و/أو الشبكة. مع مرور الوقت، تحول التركيز إلى مجالات مختلفة، مما دفع التطورات الجديدة من البرمجة للنظم الأساسية للاستفادة من القدرات الناشئة للشبكات والإنترنت لزيادة قابلية توسيع النظم، بالإضافة إلى التخزين، مما أدى في النهاية إلى تطوير السحابة.

كانت هذه التغييرات حاسمة للصناعة، حيث أضافت تدريجياً مستوى من المرونة الحاسوبية والتخزينية، وأدخلت فرصاً جديدة للذكاء الاصطناعي والروبوتات. استمرت هذه التطورات مع تقدمي في مسيرتي المهنية، وحصلت على نظرة أولية على التأثير الذي يمكن أن تتركه الروبوتات والذكاء الاصطناعي، خاصة في صناعات سلسلة التوريد واللوجستيات. نحن الآن في مرحلة حيث تمتلك الروبوتات القدرة، من حيث الحوسبة والتخزين والذكاء الاصطناعي، للتحرك بدقة وتشغيلها في بيئات كثيفة ومكثفة، مثل المستودعات، وتحقيق تأثير كبير على الأعمال، بما في ذلك تقليل التكاليف وزيادة الإنتاجية وتحسين المرونة وتحسين أداء العمل.

ما يعني “الذكاء الاصطناعي المادي” في سياق آتمتة المستودعات، وكيف يختلف عن نماذج الروبوتات التقليدية أو نماذج الذكاء الاصطناعي العامة؟

الذكاء الاصطناعي المادي هو مستقبل اللوجستيات وآتمتة المستودعات. إنه العمود الفقري الذي يمنح العمليات الذاتية القدرة على الارتباط عبر اتصال حقيقي وصنع القرار والتعلم المستمر، مما يسمح للروبوتات بالتحسين الفوري لكل قرار.

مع الذكاء الاصطناعي المادي، لا تقتصر الروبوتات على الحركة فقط في بيئات منظماتها الثابتة. إنها مجهزة بالذكاء الذي يتجاوز تذكر تخطيط مستودع معين ونقل شيء من نقطة إلى أخرى. إذا تغيرت الأشياء في بيئتهم، يمكنهم التكيف تلقائياً وإعادة التخطيط لاتخاذ أفضل القرارات بناءً على الظروف الحالية.

الروبوتات التي لا تستخدم الذكاء الاصطناعي المادي ستكون محدودة بشكل متزايد في تطبيقها. ومن المثير للاهتمام أن تطبيق نماذج الأسس الحديثة لا يزال غير فعال في إنشاء نوع الذكاء الاصطناعي المادي الذي يلبي احتياجات المجال التطبيقي. عندما ننظر إلى آتمتة المستودعات، الهدف هو جعل العمليات تكون فعالة قدر الإمكان، ويمكن أن تقدم نماذج عامة نتائج غير كافية. حقيقة النماذج العامة هي أنها لا تُصمم لتحمل القضايا المحددة للمجال مثل التنقل الفعال والتفاعل مع المشاركين في بيئات المستودعات. يوفر الذكاء الاصطناعي المادي، عندما يُجهز بنموذج أساسي مخصص للمستودع، نهجًا مُصممًا خصيصًا يضمن أن الروبوتات تعمل بأعلى كفاءة مع القدرة على التكيف والتكيف تلقائيًا لتحقيق أفضل نتيجة في جميع الأوقات.

كيف تتكيف أنظمة الروبوتات المدعومة بالذكاء الاصطناعي مع البيئات المتغيرة باستمرار، مثل وحدات SKU الجديدة أو التغييرات في التخطيط أو زيادة الطلب المفاجئة؟

هذه المناطق هي جميعها مناطق حيث يتفوق الذكاء الاصطناعي المادي، المجهز بنموذج أساسي للمجال. عند زيادة الطلب أو تغيير التخطيط أو إدخال وحدات SKU جديدة، تكون الروبوتات المدعومة بالذكاء الاصطناعي المادي مجهزة للتحرك بسلاسة في التغيير المستمر.

هذا هو السبب في أن الروبوتات المدعومة بالذكاء الاصطناعي المادي هي المثالية للوجستيات. هذا النهج المخصص يمكنه في الواقع مواكبة التغيير المستمر الذي تواجهه الصناعة عادة.

لماذا تعتقد أن الذكاء الاصطناعي المحدد للمجال أكثر فعالية من ملاحقة نماذج الأسس العامة عند التعامل مع سلسلة التوريد واللوجستيات؟

الذكاء الاصطناعي المحدد للمجال هو الأكثر فعالية لسلسلة التوريد واللوجستيات بشكل عام، وخاصة في آتمتة المستودعات.

عندما يتعلق الأمر بآتمتة المستودعات، فإن وجود نماذج محددة للمجال هو ما يأخذ الآتمتة إلى المستوى التالي. نموذج الأساس العام لا يُصمم لتحمل التحديات التي تواجهها بيئات المستودعات عادة – مثل السلامة والتنقل في تخطيطات معقدة – مما يعني أنه عند ظهور هذه التحديات، سيواجه المشغلون عبء هذه العوائق.

في المقابل، فإن النماذج المحددة للمجال مدعومة بالخبرة الصناعية اللازمة لفهم كيفية حل هذه التحديات. باستخدام النماذج المحددة للمجال، يتم تخفيف الضغط عن المشغلين وتوفر الخبرة الصناعية تلقائيًا لتطبيق الحلول للتحديات التي تطرأ.

ما هي النتائج القابلة للقياس التي لاحظتها من نشر الذكاء الاصطناعي المادي في المستودعات، سواء في الإنتاجية أو تقليل وقت التوقف أو معدلات الأخطاء؟ 

في روبوتات لوكوس، قدمت حلولنا المدعومة بالذكاء الاصطناعي المادي نتائج مؤثرة في مستودعات عملائنا، بما في ذلك:

• تحسين دقة الطلبات إلى 99%
• تقليل معدلات الأخطاء 04% إلى 0.01%
• تقليل وقت التوقف عن طريق إطلاق المواقع في غضون أسابيع بدلاً من أشهر
• تحسين الإنتاجية مما يسمح للعملاء بزيادة الإنتاجية التشغيلية倍ين أو ثلاثة أضعاف

كيف تتعامل مع السلامة والموثوقية والرقابة البشرية عند نشر الأنظمة الذاتية في عمليات عالية الحجم؟

عند آتمتة عمليات عالية الحجم مثل المستودعات، يبدأ كل شيء مع الحلول التي تختارها.

هذه المناطق هي حرجة في عملية التصميم وتبرز لماذا يجب على أولئك الذين يرغبون في الآتمتة إعطاء الأولوية للحلول المصممة خصيصًا خلال عملية اتخاذ القرار.

في روبوتات لوكوس، تم تصميم الروبوتات المتنقلة الذاتية (AMRs) لتلبية معايير السلامة الصناعية وتجاوزها. تستخدم روبوتات LocusBots نظامًا أمانيًا متعدد الحواس مع كاميرات وكاشف الضوء والمدى (LiDAR) لمساعدتهم على تجنب الاصطدامات والعوائق، مما يحافظ على سلامة عمليات المستودعات والعمال.

الموثوقية也是 جوهر ما نقوم به. بالنسبة لمشغلي المستودعات، التفاوض على زيادات الطلب هو حقيقة في أعمالهم، ولكننا نعتقد أن هذا لا يحتاج إلى أن يكون نقطة ألم. في روبوتات لوكوس، يسمح لنا نموذج Robotics-as-a-Service (RaaS) للمشغلين بآتمتة بيئات المستودعات دون التكلفة الأولية أو الاستثمار الزمني الذي تتطلبه الآتمتة عادة. بدلاً من ذلك، تمكننا حلولنا المشغلين من التوسع تلقائيًا لاستيعاب الطلب الحالي، مما يضمن أنهم دائمًا مجهزون للتكيف مع زيادات الطلب عند ظهورها.

في عمليات عالية الحجم، ستظل الرقابة البشرية مطلوبة دائمًا، ولكن المفتاح للآتمتة الناجحة هو استخدام حلول قادرة على تحمل مسؤوليات أكبر. أحد المتميزات الرئيسية لروبوتات Locus AMRs هو دمج تقنيات المحاكاة الحدثية المنفصلة (DES) مع نماذج استقلالية الروبوتات المفصلة، مما يسمح للمشغلين بتصميم مفاهيم العمليات ومحاكاة استخدام أكثر كفاءة للروبوتات في بيئاتهم، مما يساعد على简略 وقت الاختيار وضمان شحن الطلبات في الوقت المناسب – مكونان حاسمان لجميع المشغلين.

ما هي التحديات التي تطرأ عند دمج الروبوتات المدعومة بالذكاء الاصطناعي مع أنظمة إدارة المستودعات والأنظمة الأساسية الموجودة، وكيف تتعامل معها؟

يُعتبر وقت تنفيذ التكامل تحديًا كبيرًا يُعتبر معظم المشغلين. سيتعين على المشغلين فحص حزمة التكنولوجيا الحالية ومراعاة الانتقال بعيدًا عن الأنظمة الأساسية القديمة. نظرًا لاستخدام الذكاء الاصطناعي كميات كبيرة من البيانات، سيرغبون أيضًا في فحص البنية التحتية الحالية للتأكد من أنها قادرة على دعم نمذجة الذكاء الاصطناعي.

اعتمادًا على الحلول التي يختارونها، قد يجد المشغلون أنفسهم في موقف يحتاج إلى التزام زمني كبير، حيث قد يحتاجون إلى نقل الأنظمة والتدريب الشامل لقوى العمل.

تهدف روبوتات لوكوس إلى إزالة الوقت كتحدي للمشغلين. تم تصميم الروبوتات المتنقلة الذاتية (AMRs) لتكاملها بشكل متوافق مع هذه الأنظمة، مما يساعد العملاء على تجنب الاستثمار الزمني الكبير المطلوب للانتقال والتدريب الذي تتطلبه الحلول الأخرى في السوق.

ما مدى قابلية توسيع هذه الحلول عبر مستودعات و جغرافيات مختلفة، وما هو مقدار التخصيص الذي يتطلبه عادةً؟

التوسيع السهل هو ما يجعل الآتمتة المرنة مثالية للمستودعات. الأنظمة التقليدية للآتمتة تتطلب تكاليف أولية كبيرة وزمناً طويلا.

الآتمتة التي تستخدم نموذج Robotics-as-a-Service (RaaS) مثل روبوتات لوكوس، تسمح للمستودعات بنشر وتعديل حجم الأسطول بناءً على الطلب. وهذا يعني أنه مع تقلبات الطلب، يمكن للمشغلين تعديل عملياتهم وفقًا لذلك عبر مستودعاتهم.

كقائد عالمي في آتمتة المستودعات، فإن حلولنا قابلة للتوسيع عبر جميع الجغرافيات لعملائنا. تقدم لوحاتنا رؤى في الوقت الفعلي لمقاييس أداء المستودع الرئيسية – مثل الوحدات في الساعة ووحدات الاختيار في الساعة بالإضافة إلى إنتاجية العمال. هذه الرؤية الموحدة تمكن المشغلين من توسيع الحلول بسهولة عبر البيئات، لتلبية احتياجات التشغيل بناءً على متطلبات المستودع المحددة.

مع حلول روبوتات لوكوس، يتم تلبية التخصيص بسهولة دون أي جهد من قبل العملاء؛ يتم تصميم الأشياء لمساعدة كل عميل على التوسع بناءً على احتياجاته الفريدة.

كيف تتغير هذه التكنولوجيا دور العمال البشر في المستودعات، وما نوع التطوير المهني أو إدارة التغيير المطلوبة؟

الروبوتات المتنقلة الذاتية (AMRs) تُعيد تعريف المناصب التقليدية للمستودعات للعمال البشر من خلال خلق بيئات عمل أكثر أمانًا وفتح فرص جديدة لقوى العمل.

توفر روبوتات لوكوس نهجًا فريدًا وسهل الاستخدام للتفاعل بين الروبوتات والمرافقين، ويجعل تدريب الموظفين وإدارة التغيير لنشر آتمتة الروبوتات مهمة بسيطة للمشغلين. على سبيل المثال، عند نشر روبوتات LocusBots في الموقع، يمكن أن يُجهز التدريب الموظفين للعمل مع الروبوتات في 10 دقائق أو أقل – مما يعني أن المشغلين والموظفين لا يحتاجون إلى القلق بشأن كونهم محبوسين بتدريب مرهق ومرهق ومكلف.

يمكن للروبوتات المتنقلة الذاتية (AMRs) تقليل عبء العمل البدني الشاق، وتقليل خطر الإصابة و疲عة العمال. من خلال تولي المسؤوليات مثل رفع الأجسام الثقيلة والسفر على مسافات طويلة داخل المستودع، تحسن الروبوتات المتنقلة الذاتية ظروف العمل للعمال البشر من خلال تولي عبء المهام التي تتطلب جهدًا شاقًا. كما يمكنها إعفاء العمال البشر من مسؤوليات أكثر تكرارًا، مثل الاختيار، مما يوفر فرصة للتركيز على مهام أكثر تعقيدًا.

إدخال الروبوتات المتنقلة الذاتية (AMRs) إلى المستودع هو فرصة رائعة لتعزيز الأدوار للعمال البشر. أولئك الذين يرغبون في الآتمتة يجب أن يركزوا أيضًا على تحديد فرص التطوير المهني التي تتيحها هذه التكنولوجيا لقوى العمل لاستكشاف مسؤوليات أعلى وتحديد المجالات التي يمكن فيها إدخال أدوار جديدة تمامًا، بما في ذلك المناصب التي تعمل مباشرة مع الروبوتات، مثل المحللين الذين يراقبون أداء البيانات.

هل يمكنك مشاركة أنواع نماذج الذكاء الاصطناعي والنهج التي تمكن هذه الأنظمة، وهل تعمل بشكل أكبر على الحافة أو في السحابة؟ 

في روبوتات لوكوس، تركز حلولنا للذكاء الاصطناعي على ثلاثة سمات: المادي (الذكاء الاصطناعي المدمج في المستودع ومصمم للتكيف مع بيئته)، الموثوق (الذكاء الاصطناعي القادر على تفسير قراراته) والشامل (الذكاء الاصطناعي الذي يوجّه المستودع كمنظومة مقابل تشغيل روبوت أو مهمة واحدة). بالنسبة لنا، إنها مسألة بناء الذكاء الاصطناعي الذي يفهم حقًا المستودع ويقدم نتائج حقيقية لبيئات عملائنا.

البيانات هي الأساس لأي نموذج، وتوفر خبرة صناعة لوكوس العميقة، إلى جانب كنزنا من البيانات الواقعية – بما في ذلك ما يقرب من 6 مليارات وحدة تم اختيارها – لنا بناء نماذج محددة للمجال وتطوير أنظمة مصممة لتكون الأولى للمستودع.

في روبوتات لوكوس، نستخدم الذكاء الاصطناعي على الحافة وفي السحابة: تستخدم روبوتاتنا المتنقلة الذاتية (AMRs) الذكاء الاصطناعي على الحافة لتحقيق ما يتطلبه الذكاء الاصطناعي المادي، بينما تعمل استراتيجياتنا ونموذج أساسي المستودع على القوة الحاسوبية القابلة للتوسيع التي توفرها السحابة.

متى نتطلع إلى خمسة سنوات قادمة، ما هي التطورات أو التحولات الكبيرة التي تتوقعها في الروبوتات المدعومة بالذكاء الاصطناعي للوجستيات وسلسلة التوريد؟

الأكبر تحول سنراه هو أن الذكاء الاصطناعي المادي سيكون المهيمن. مع استمرار الشركات في تقييم العائد على الاستثمار (ROI) الذي يحصلون عليه من استثماراتهم في الذكاء الاصطناعي، سيقوم المشغلون بتقييم النتائج التي يحصلون عليها من الآتمتة.

نحن نعتقد أن أولئك الذين وضعوا ميزانيتهم خلف الآتمتة مع حلول لا تعمل بالذكاء الاصطناعي المادي لن يروا العائد على الاستثمار الذي يأملون في تحقيقه في مستودعاتهم. الحلول التي لا تعمل بالذكاء الاصطناعي المادي تفتقر إلى الفهم اللازم للنجاح في هذه البيئات. هذا سيدفع المشغلين إلى إعطاء الأولوية لوضع الميزانية خلف حلول الذكاء الاصطناعي المادي التي يمكنها تحسين كل قرار في الوقت الفعلي وتقديم النتائج التي يبحثون عنها.

بالتوازي مع صعود الذكاء الاصطناعي المادي، سنرى أيضًا أن الروبوتات في اللوجستيات وسلسلة التوريد تتحرك بعيدًا عن النماذج الأساسية العامة إلى التركيز على تطوير نماذج محددة للمجال. كما ذكرنا، سيتطلع المشغلون إلى طرق لزيادة عائد الاستثمار، وحلول تستخدم نماذج محددة للمجال هي جزء حاسم من ذلك.

من أجل نجاح الذكاء الاصطناعي، سنرى أن الصناعة تكتسب فهمًا أفضل لماذا يجب علينا الاستثمار في الذكاء الاصطناعي الذي يستفيد من الخبرة الصناعية الحقيقية ويدمجها. وفقًا لذلك، سنركز على وضع التطوير والموارد خلف الذكاء الاصطناعي المصمم للتفوق في بيئات سلسلة التوريد واللوجستيات.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا روبوتات لوكوس.