Hamid Montazeri, Locus Roboticsin ohjelmistojen ja tekoälyjen SVP – Haastattelusarja

Locus Roboticsin ohjelmistojen ja tekoälyn seniorivicepresidenttinä Hamid Montazeri tuo yli 30 vuoden kokemuksen johtamisesta ja skaalautumisesta globaalisti jakautuneissa tiimeissä. Hän on erikoistunut modulaariseen ja skaalautuvaan ohjelmistojen arkkitehtuuriin sekä muunnokseen teknologioihin, kuten pilvi, IoT, big data ja AI/ML. Uransa aikana Hamid on toimittanut erottuvia ratkaisuja ja tuotteita yrityksille, jotka ovat aloittaneet startup-yrityksistä ja monikansallisten yritysten välillä, voimassa sovelluksissa, kuten autonomisissa roboteissa, älykkäässä varastointiautomaatiossa ja toimitusketjun järjestelmissä, jotka palvelevat teollisuutta maailmanlaajuisesti.

Locus Robotics suunnittelee ja toimittaa tekoälyvoimaisia varastojen automaatiojärjestelmiä yhdistämällä autonomiset mobiilrobotit älykkäiden ohjelmistojen kanssa. Heidän alustansa, LocusONE, orkesteroi robotti-laumoja suorittamaan tehtäviä, kuten poiminta, varastointi, kuljetus ja mezzanine-toiminnot – parantamalla tuottavuutta kahdella tai kolmella kertaa ja leikkaamalla työvoimakustannuksia. Järjestelmä integroituu saumattomasti olemassa oleviin varastoympäristöihin ja skaalautuu joustavasti, mahdollistaen toimintojen käyttöönoton muutamalla robotilla tai tuhansilla ilman suuria häiriöitä.

Olet toiminut johtavissa rooleissa organisaatioissa, jotka vaihtelevat CNN:stä Stanley Black & Deckeriin, Dematiciin, KION Groupiin ja nyt Locus Roboticsiin. Miten tämä monipuolinen matka on muovannut näkemyksesi siitä, missä tekoäly ja robotiikka voivat tuottaa eniten vaikutusta?

Teknisiä rooleja, jotka työskentelevät läheisesti tekoälyn ja ohjelmistojen kanssa yli kolmenkymmenen vuoden ajan, on muokannut näkemykseni siitä, miten olen todistanut alan kehittyvän.

Kun aloitin urani, alan oli vaihe, jossa ohjelmistokehitys pyrki siirtymään rakenteellisesta ohjelmointiparadigmasta objektorientoituneeseen ohjelmointiin ja yhdestä prosessimonoliitista ohjelmistokomponentteihin, jotka voivat suorittaa eri prosessien välisen viestinnän tavoitteiden saavuttamiseksi. Olimme suuren muutoksen partaalla, jossa ohjelmisto siirtyi tietokoneesta jakautuneeksi ohjelmistoksi, joka hyödyntää prosessien välistä viestintää ja/tai verkkoviestintätekniikoita. Ajan myötä tämä fokus siirtyi muihin alueisiin, jolloin uudet kehityssuunnat siirtyivät ohjelmistojen kehittämiseen, jotka hyödyntävät uusia verkkomahdollisuuksia ja Internetin kasvua, lisäten järjestelmien skaalautuvuutta, sekä tietojen tallennusta, johtaen lopulta pilvipalvelujen kehitykseen.

Nämä muutokset olivat olennaisia alan kehitykselle, koska ne toivat asteittain tietokoneen ja tallennusjärjestelmien joustavuutta ja tarjosivat uusia mahdollisuuksia tekoälylle ja robotiikalle. Nämä edistysaskeleet jatkuivat urani edetessä, ja sain ensikätisen käsityksen siitä, minkälaisen vaikutuksen tekoäly ja robotiikka voivat tuottaa, erityisesti toimitusketjun ja logistiikka-alalla. Olemme nyt vaiheessa, jossa robotit omistavat kyvyn tarkasti navigoida ja toimia massiivisissa, korkeatiheyksisissä ympäristöissä, kuten varastoissa, ja toimittaa merkittävää liiketoimintavaikutusta, kuten kustannusten laskua, tuottavuuden parantamista, joustavuuden parantamista ja työntekijöiden suorituskyvyn parantamista.

Mikä on “fyysinen tekoäly” varastojen automaation kontekstissa, ja miten se eroaa perinteisestä robotiikasta tai yleisistä tekoälymallista?

Fyysinen tekoäly on logistiikan ja varastojen automaation tulevaisuus. Se on autonomisen toiminnan moottori, joka yhdistää reaaliaikaisen havainnon, päätöksenteon ja jatkuvan oppimisen, mahdollistaen robotien optimoida jokaisen päätöksen hetkellisesti.

Fyysinen tekoäly ei ole vain robotti, joka voi liikuttaa tavaroita hyvin rakennetuissa ja kiinteissä ympäristöissä. Se on varustettu älykkyydellä, joka ylittää pelkän varaston rakenteen muistamisen ja siirtämisen asioiden välillä. Jos ympäristössä tapahtuu muutoksia, robotit voivat sopeutua automaattisesti ja muuttaa suunnitelmaa parhaan päätöksen perusteella.

Robotiikka, joka ei käytä fyysistä tekoälyä, on yhä enenevissä määrin rajoitettu soveltamisalueellaan. Mielenkiintoista on, että jopa modernien yleisten perusmallien soveltaminen ei ole erittäin tehokasta luomaan fyysistä tekoälyä, joka vastaa soveltamisalan tarpeita. Kun tarkastelet varastojen automaatiota, tavoitteena on, että prosessit ovat mahdollisimman tehokkaita, ja yleiset mallit eivät voi tosiasiallisesti toimittaa tätä. Fyysinen tekoäly, joka on varustettu erityisesti kehitetyllä varastoperusmallilla, tarjoaa tarkoituksenmukaisen lähestymistavan, joka takaa, että robotit suorittavat tehtävät mahdollisimman tehokkaasti ja sopeutuvat automaattisesti ja mukautuvat toimittamaan parhaimman lopputuloksen aina.

Miten tekoälyvoimaiset robotti-järjestelmät sopeutuvat jatkuvasti muuttuviin ympäristöihin, kuten uusiin SKUiin, muuttuviin rakenteisiin tai äkillisiin kysynnän muutoksiin?

Nämä alueet ovat kaikki sellaisia, joissa fyysinen tekoäly, joka on varustettu perusmallilla, erottuu. Kun kysyntä kasvaa, rakenteet muuttuvat tai uudet SKUt esitellään, robotit, jotka on varustettu fyysiseksi tekoälyksi, pystyvät sulautumaan vaivattomasti jatkuvaan muutokseen.

Tämä on syynä, miksi robotit, jotka on varustettu fyysiseksi tekoälyksi, ovat optimaalisia logistiikalle. Tämä tarkoituksenmukainen lähestymistapa voi pitää tahdin mukana alan jatkuvan muutoksen kanssa.

Miksi uskot, että soveltamisalaan perustuva tekoäly on tehokkaampaa kuin yleisten perusmallien metsästäminen toimitusketjun ja logistiikan osalta?

Soveltamisalaan perustuva tekoäly on yleensä tehokkaampaa toimitusketjun ja logistiikan yleisellä tasolla, mutta erityisesti varastojen automaation osalta.

Kun on kyse varastojen automaatiosta, soveltamisalaan perustuvien mallien käyttäminen on se, mikä lopulta vie automaation seuraavalle tasolle. Yleinen perusmalli ei ole suunniteltu käsittelemään haasteita, joita varastoympäristöissä tyypillisesti esiintyy – kuten turvallisuutta ja monimutkaisten rakenteiden navigointia – mikä tarkoittaa, että operaattorit joutuvat jatkuvasti kohtaamaan näiden esteiden taakkaa.

Sen sijaan soveltamisalaan perustuvat mallit ovat varustettu tarvittavalla alan asiantuntemukseen ymmärtää, miten nämä haasteet voidaan ratkaista. Käyttämällä soveltamisalaan perustuvia malleja, operaattorit voivat poistaa paineita itseltään ja soveltaa ratkaisuja haasteisiin, jotka ilmenevät, ja tarjota ratkaisuja, jotka ovat sovellettavissa haasteisiin, kun ne ilmenevät.

Mitkä mitattavissa olevat tulokset olet nähnyt fyysisen tekoälyn käyttöönotosta varastoissa, kuten läpimenoaikojen, keskeytysten vähentämisen tai virheiden vähentämisen osalta? 

Locus Roboticsissa meidän ratkaisumme, jotka on varustettu tarkoituksenmukaisella fyysiseksi tekoälyksi, ovat toimittaneet vaikuttavia tuloksia asiakkaidemme varastoissa, mukaan lukien:

• Parantamalla tilausvirheiden tarkkuutta 99%
• Vähentämällä virheiden määrää 04%:sta 0,01%
• Vähentämällä keskeytysten määrää ottamalla sivut käyttöön vain viikossa, ei kuukausissa
• Parantamalla läpimenoaikaa, jolloin asiakkaat voivat kaksinkertaistaa tai kolminkertaistaa toimintansa

Miten lähestyt turvallisuutta, luotettavuutta ja ihmisen valvontaa asennettaessa autonomisia järjestelmiä suurten volyymien toimintoihin?

Kun automatisoidaan suurten volyymien toimintoja, kuten varastoja, turvallisuuden, luotettavuuden ja ihmisen valvonnan lähestymistapa alkaa ratkaisujen valinnasta.

Nämä alueet ovat kriittisiä suunnitteluprosessissa ja korostavat, miksi niiden, jotka aikovat automatisoida, tulee priorisoida ratkaisuja, jotka on suunniteltu tarkoituksenmukaisesti päätöksenteon aikana.

Locus Roboticsissa autonomiset mobiilrobotit (AMR) on suunniteltu täyttämään ja ylittämään alan turvallisuusstandardit. LocusBoteissa käytetään monisensorisia turvajärjestelmiä, joissa on kamerat ja valon havaitseminen ja etäisyysmittaus (LiDAR), jotka auttavat välttämään törmäyksiä ja esteitä, pitäen varastotoiminnot ja työntekijät turvassa.

Luotettavuus on myös keskeinen asia, mitä teemme. Varastoperaattoreille jatkuvasti neuvottelu kysynnän kasvusta on liiketoiminnan todellisuus, mutta uskomme, että tämä ei tarvitse olla kipupiste. Locus Roboticsissa robotics-as-a-service (RaaS) -malli mahdollistaa operaattoreiden automatisoida varastoympäristönsä ilman etukäteen maksettavaa kustannusta tai aikainvestointia, jota automaatio tyypillisesti vaatii. Sen sijaan ratkaisumme mahdollistavat operaattoreiden automaattisen skaalautumisen ylös tai alas nykyisten kysyntien mukaan, varmistaen, että he ovat aina varustettuina sopeutumaan äkillisiin muutoksiin, kun ne ilmenevät.

Suurten volyymien toiminnassa ihmisen valvonta on aina vaadittu, mutta autonomisten järjestelmien onnistunut automaatio on kyky ottaa vastuuta. Locusin AMR:n avainero on yhdistää Discrete Event Simulation (DES) -tekniikoita yksityiskohtaisiin robotti-autonomiamalleihin, mikä mahdollistaa operaattoreiden suunnitella toimintakäytäntöjä ja simuloida tarkasti tehokkaimman robotti-käytön heidän ympäristöissään, auttaen suorittamaan poimintaaikaa ja varmistaen, että tilaukset toimitetaan ajoissa – kaksi keskeistä osaa kaikille operaattoreille.

Mitkä haasteet ilmenevät tekoälyvoimaisen robotiikan integroimisessa olemassa oleviin varastohallinta- ja ERP-järjestelmiin, ja miten niitä voidaan ratkaista?

Integraation toteutusajan on yleisesti katsottu suurimmaksi haasteeksi, joka liittyy automaatioon. Operaattorit tulee tarkastella olemassa olevia teknologia-kokonaisuuksia ja harkita vanhentuneiden perinteisten järjestelmien poistamista. Koska tekoäly käyttää laajasti dataa, he haluavat myös tarkastella olemassa olevaa infrastruktuuria varmistaakseen, että se pystyy kestämään ja tukemaan tekoälymallit.

Operaattorit saattavat joutua tilanteeseen, jossa heidän siirtymisensä vaatii suuren aikainvestoinnin, koska he saattavat joutua siirtämään järjestelmiä ja käymään laajaa koulutusta työvoimalleen.

Locus Robotics pyrkii poistamaan ajan haasteen operaattoreilta. Autonomiset mobiilrobotit on suunniteltu sulautumaan näihin järjestelmiin, auttaen asiakkaitamme välttämään kalliit etukäteen maksettavat aikainvestoinnit ja koulutuksen, jotka ovat tyypillisiä muiden markkinoilla olevien ratkaisujen kanssa.

Kuinka skaalautuvat nämä ratkaisut eri varastoissa ja maantieteellisillä alueilla, ja miten paljon mukauttamista yleensä vaaditaan?

Helppo skaalautuvuus on se, mikä tekee joustavan automaation ihanteelliseksi varastoympäristöissä. Perinteiset automaatiojärjestelmät vaativat merkittäviä etukäteen maksettavia kustannuksia ja pitkäaikaisia aikainvestointeja.

Automaatio, joka käyttää RaaS-mallia, kuten Locus Robotics, mahdollistaa varastojen käyttöönoton ja sopeutumisen robotti-laumojen määrään kysynnän mukaan. Tämä tarkoittaa, että kun kysyntä vaihtelee, operaattorit voivat skaalata toimintojaan varastoissaan.

Kaiken maailman johtavana varastojen automaation asiantuntijana ratkaisumme ovat skaalautuvia kaikilla maantieteellisillä alueilla asiakkaidemme varastoissa. Mittauspöydistämme tarjoavat reaaliaikaisia näkymiä avainvarastotoimintaindikaattoreihin, kuten yksikköihin ja poimintoihin tunnissa sekä työntekijöiden tuottavuuteen. Tämä yhdenmukainen näkyvyys mahdollistaa operaattoreiden skaalautuvan ratkaisuja ympäristöissään, täyttäen toiminnalliset tarpeet varastokohtaisesti.

Locus Roboticsin ratkaisuissa mukauttaminen on helppoa ja vaatii asiakkailta vain vähän vaivaa; ne on suunniteltu auttamaan jokaista asiakasta skaalautumaan oman yksilöllisen tarpeidensa mukaan. 

Miten nämä teknologiat muuttavat ihmisten roolia varastoissa, ja mitälaista uudelleen koulutusta tai muutosta tarvitaan?

Autonomiset mobiilrobotit määrittelevät uudelleen varastojen perinteisiä työtehtäviä luomalla turvallisempia työympäristöjä ja avaamalla uusia mahdollisuuksia ihmisille.

Locus Robotics tarjoaa ainutlaatuisen intuitiivisen lähestymistavan robotti-työntekijöiden vuorovaikutukseen ja tekee työntekijöiden koulutuksen ja muutoksen hallinnan robotti-automaation käyttöönotossa erittäin kevyksi operaattoreille. Esimerkiksi, kun LocusBoteja otetaan käyttöön paikan päällä, koulutus voi antaa työntekijöille mahdollisuuden aloittaa työskenteleminen roboteilla 10 minuutissa tai vähemmän – tarkoittaen, että operaattorit ja työntekijät eivät tarvitse olla huolissaan vaikeasta ja kalliista koulutuksesta.

Autonomiset mobiilrobotit voivat vähentää fyysisen työn raskautta, vähentäen loukkaantumisen vaaraa ja työntekijöiden uupumusta. Ottaessaan vastuun tehtävistä, kuten raskaiden esineiden nostamisesta ja pitkänmatkaisesta liikkumisesta varastossa, autonomiset mobiilrobotit parantavat olosuhteita ihmisille ja ottavat vastuun tehtävistä, jotka vaativat raskasta ponnistelua. Ne voivat myös helpottaa ihmisten työntekijöiden työtä vähentämällä toistuvia tehtäviä, kuten poimintaa, ja antavat mahdollisuuden siirtää fokus monimutkaisempiin tehtäviin.

Autonomisten mobiilrobotien ottaminen varastoon on loistava tilaisuus parantaa rooleja ihmisille. Niiden, jotka aikovat automatisoida, tulisi myös keskittyä tunnistamaan uudelleenkoulutusmahdollisuuksia, joita se tarjoaa heidän työntekijöilleen, ja etsiä alueita, joissa voidaan esittää uusia rooleja, kuten tehtäviä, jotka työskentelevät suoraan roboteilla, kuten analyytikot, jotka seuraavat robottien suorituskykyä.

Voitko kertoa, mitkä tekoälymallit ja -lähestymistavat voimassa näissä järjestelmissä, ja toimivatko ne enemmän reunassa vai pilvessä? 

Locus Roboticsissa tekoälyratkaisumme keskittyvät kolmeen ominaisuuteen: fyysiseen (tekoäly, joka on upotettu varastoon ja suunniteltu sopeutumaan ympäristöönsä), luotettavaan (tekoäly, joka pystyy selittämään päätöksensä) ja holistiseen (tekoäly, joka orkesteroi varastoa järjestelmänä eikä ainoastaan voimaannuta yhtä robottia tai tehtävää). Meille on kyse siitä, että rakennamme tekoälyä, joka todella ymmärtää varaston ja voi toimittaa todellisia tuloksia asiakkaidemme ympäristöihin.

Data on minkä tahansa mallin perusta, ja Locusin syvä alan asiantuntemus, yhdistettynä aarteeniin oikeasta maailmasta peräisin olevasta datasta – mukaan lukien lähes 6 miljardia yksikköä, jotka on poimittu – antaa meille mahdollisuuden rakentaa soveltamisalaan perustuvia malleja ja kehittää järjestelmiä, jotka on suunniteltu varastojen ensisijaisesti.

Locus Robotics hyödyntää tekoälyä sekä reunassa että pilvessä: autonomiset mobiilrobotit hyödyntävät reunan tekoälyä saavuttaakseen fyysistä ja luotettavaa tekoälyä, kun taas “varaston laajuisen järjestelmän rekisteröinti- ja toimintajärjestelmä” -strategiat ja varastoperusmalli hyödyntävät pilven skaalautuvaa laskentatehoa.

Mitä suuria edistysaskeleita odotat tekoälyvoimaisessa robotiikassa logistiikassa ja toimitusketjuissa seuraavan viiden vuoden aikana?

Suurin muutos, jonka näemme, on, että fyysinen tekoäly tulee hallitsemaan. Kun yritykset jatkavat arviointia tekoälyinvestointeiden tuottamaa tuottoa, operaattorit tarkastelevat tarkasti tuloksia, jotka he saavat autonomisen automaation avulla.

Odottamme, että ne, jotka ovat sijoittaneet budjettiaan autonomiseen automaatioon, eivät näe toivottua tuottoa varastoissaan. Ratkaisut, jotka eivät ole voimassa fyysistä tekoälyä, ovat rajoitettuja soveltamisalueellaan. Tämä johtaa operaattoreiden prioriteetteihin siirtymään fyysiseen tekoälyyn, joka voi optimoida jokaisen päätöksen reaaliajassa ja toimittaa tulokset, joita he etsivät.

Fyysisen tekoälyn nousun rinnalla näemme myös siirtymisen yleisistä perusmallista soveltamisalaan perustuviin malleihin. Operaattorit etsivät keinoja lisätä tuottoa, ja ratkaisut, jotka hyödyntävät soveltamisalaan perustuvia malleja, ovat avainasemassa tässä.

Tekoälyn menestykseksi tarvitaan, että alan ymmärrys paranee siitä, miksi on syytä investoida tekoälyyn, joka hyödyntää ja sisällyttää aitoa alan asiantuntemusta. Vastaavasti, panostamme kehitykseen ja resursseihin, jotka on suunniteltu menestymään toimitusketjun ja logistiikan ympäristöissä.

Kiitos hienosta haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Locus Robotics-sivustolla.