# AI w logistyce

> Zastosowania AI w logistyce i magazynie - prognozowanie popytu, optymalizacja kompletacji, kontrola jakości obrazem oraz asystent AI w systemie WMS.

Adres strony: https://magazyn.softwarestudio.com.pl/ai-w-logistyce/

---

AI w logistyce pozwala precyzyjnie prognozować popyt, co minimalizuje nadmiar zapasów, a jednocześnie optymalizuje trasy dostaw w czasie rzeczywistym, skracając czas transportu i zużycie paliwa. Automatyzuje też procesy magazynowe i pomaga wykrywać ryzyka, zanim staną się problemem.
## Pięć zastosowań AI w magazynie

Sztuczna inteligencja w logistyce nie jest jednym narzędziem, tylko zbiorem osobnych zastosowań, z których każde żywi się innymi danymi i inaczej się rozlicza. Poniższe zestawienie pokazuje je razem z tym, co trzeba mieć na wejściu i po czym poznać, że działa.

| Obszar | Dane wejściowe | Co system podpowiada | Jak zmierzyć efekt |
| --- | --- | --- | --- |
| Prognozowanie popytu | historia sprzedaży, sezonowość, czasy dostaw | moment i wielkość zamówienia uzupełniającego | liczba braków i poziom zapasu nadmiarowego |
| Kompletacja | lista pobrań, układ stref, czasy przejść | kolejność pozycji i trasę operatora | liczba pozycji na godzinę, dystans na zlecenie |
| Rozmieszczanie towaru | rotacja indeksów, wymiary, sezonowość | strefę i gniazdo przy odłożeniu | udział pobrań ze strefy bliskiej |
| Kontrola jakości | zdjęcia jednostek z kontroli | oznaczenie uszkodzeń i niezgodności | reklamacje wykryte przed wysyłką |
| Asystent AI | stany, dokumenty, kartoteki | odpowiedź na pytanie zadane zwykłym zdaniem | czas dojścia do informacji |

Asystenta AI w praktyce pokazuje strona [AI - asystent WMS](/ai-asystent-wms/), a sam system, który dostarcza tych danych, opisujemy na stronie [system WMS](/wms/).

## Od danych do decyzji: jak to działa

Kolejność jest zawsze ta sama i warto ją znać, bo tłumaczy, dlaczego wdrożenia AI zaczynają się od porządków w ewidencji, a nie od wyboru algorytmu.

1. Dane z pracy magazynuKażdy skan operatora, dokument PZ i WZ, czas trwania operacji oraz historia dostaw. To surowiec - magazyn bez rejestracji operacji nie ma czym nakarmić modelu.
2. ModelPrognoza popytu, wykrycie odchylenia od normy albo optymalizacja kolejności. Model nie wie nic ponad to, co widział w danych.
3. Podpowiedź w systemieWynik pojawia się tam, gdzie i tak trwa praca: jako proponowany moment zamówienia, alert o różnicach albo ustawiona kolejność pobrań.
4. Decyzja kierownikaCzłowiek zatwierdza, odrzuca albo koryguje - z podglądem dokumentu źródłowego. To jest miejsce, w którym odpowiedzialność zostaje po stronie firmy.
5. Pomiar efektuWskaźniki magazynu zestawione z poziomem odniesienia. Bez tego kroku nie da się odróżnić poprawy od przypadku.

Poziomy odniesienia dla miar wydajności centrów dystrybucji publikuje [badanie DC Measures prowadzone przez WERC](https://werc.org/page/ASSESS-DC_Measures), a który zestaw wskaźników obserwować na starcie, podpowiadamy w zestawieniu [KPI w magazynie](/kpi-w-magazynie/).

## Czego AI nie zrobi za magazyn

Wokół tematu narosło sporo obietnic, więc warto rozdzielić to, co algorytm faktycznie robi, od tego, co nadal zostaje po stronie ludzi i procedur.

| Oczekiwanie | Jak jest naprawdę |
| --- | --- |
| Model naprawi bałagan w danych | Model powiela błędy, których się nauczył. Nieaktualna adresacja daje złe podpowiedzi lokalizacji. |
| Prognoza zastąpi planistę | Prognoza jest przedziałem, nie pewnikiem. Decyzję o zamówieniu i tak podejmuje człowiek. |
| AI zadziała od pierwszego dnia | Potrzebna jest historia. Bez kilku sezonów danych prognoza popytu nie ma z czego korzystać. |
| Wystarczy włączyć moduł | Zmienia się sposób pracy: ktoś musi przeglądać podpowiedzi i reagować na alerty. |
| Efekt widać w raporcie finansowym | Najpierw widać go we wskaźnikach operacyjnych - dopiero potem w kosztach. |

## Prognozowanie popytu i wykrywanie anomalii

Modele uczenia maszynowego wnoszą do pracy administratora magazynu jedną rzecz, której nie da się uzyskać zwykłym raportem - wskazanie, co wydarzy się jutro. Algorytm zestawia sezonowość sprzedaży, czas realizacji dostaw i historię braków, po czym proponuje moment złożenia zamówienia uzupełniającego. Osoba odpowiedzialna za magazyn nie przegląda już dziesiątek zestawień, tylko ocenia kilka podpowiedzi.

Druga grupa zastosowań dotyczy wykrywania anomalii. System obserwuje [bieżące stany magazynowe](/stany-magazynowe/) i sygnalizuje sytuacje odbiegające od normy:

- indeks, którego rotacja nagle spadła do zera,
- lokalizację z powtarzającymi się różnicami inwentaryzacyjnymi,
- dostawcę, u którego rośnie odsetek niezgodnych dostaw,
- operację trwającą wielokrotnie dłużej niż zwykle na tym samym gnieździe,
- partię, która zbliża się do terminu przydatności szybciej, niż wynikałoby z rotacji.

Każde takie zdarzenie trafia na listę do wyjaśnienia, zanim przerodzi się w realną stratę. Sam mechanizm liczenia różnic opisujemy przy okazji tematu [inwentaryzacji w magazynie](/inwentaryzacja-w-magazynie/).

Studio WMS.net - lista dokumentów przyjęcia

Sekcja Przyjęcia w module Magazyn Studio WMS.net agreguje wszystkie dokumenty przyjęcia towaru: standardowe PZ (Przyjęcie Zewnętrzne) realizowane na podstawie wcześniejszego zlecenia ZPZ oraz PZB (Przyjęcie Zewnętrzne Bezpośrednie) bez zlecenia. Lista zawiera numer dokumentu, kontrahenta, datę przyjęcia, liczbę pozycji i aktualny status realizacji. Filtrowanie umożliwia szybkie odnalezienie konkretnego przyjęcia po numerze dostawcy, asortymencie lub przedziale czasowym. Podgląd szczegółów otwiera pełne zestawienie pozycji z ilościami i lokalizacjami odłożenia.

## Algorytmy genetyczne w planowaniu tras

Algorytmy genetyczne to technika optymalizacji naśladująca dobór naturalny. Zaczynają od losowego zbioru rozwiązań i stopniowo je ulepszają, zamiast przeszukiwać wszystkie kombinacje - a tych przy planowaniu tras są miliardy.

1. SelekcjaZ puli rozwiązań wybierane są te o najlepszym wyniku - na przykład trasy o najkrótszym łącznym czasie.
2. KrzyżowanieNajlepsze rozwiązania są łączone, żeby powstały nowe kombinacje dziedziczące ich mocne strony.
3. MutacjaDrobna losowa zmiana chroni przed utknięciem w rozwiązaniu dobrym lokalnie, ale nie najlepszym.

W logistyce sprawdzają się wszędzie tam, gdzie kombinacji jest zbyt wiele na przegląd zupełny:

- Trasy dostaw. Minimalizacja czasu przejazdu i zużycia paliwa dla floty - klasyczny problem komiwojażera.
- Rozmieszczenie towaru. Ustalenie układu asortymentu skracającego drogę kompletacji, opisane szerzej przy [rozmieszczaniu towaru w magazynie](/rozmieszczanie-towaru-w-magazynie/).
- Harmonogramy ramp. Planowanie załadunków i rozładunków tak, aby ograniczyć przestoje przy oknach czasowych.
- Kolejność pobrań. Układanie pozycji zlecenia pod rzeczywisty przebieg alejek, a nie pod kolejność wpisania.

Studio WMS.net - dashboard operacyjny

Ekran główny Studio WMS.net prezentuje aktualny stan operacji magazynowych w formie trzech wykresów. Dwa wykresy kołowe pokazują rozkład zleceń według statusu (5374 zrealizowanych, 1104 anulowanych, 168 do realizacji, 18 w buforze) oraz strukturę typów dokumentów magazynowych (PZ, WZ, PZB, WZB, ZPZ, ZWZ i inne). Wykres słupkowy prezentuje top 10 kontrahentów z największą liczbą obsługiwanych palet. Menu główne zawiera sekcje NOWY, MAGAZYN, KARTOTEKI i INFORMACJE. Widoczna wersja systemu v2026.1.4.9500.

## Pytania w języku naturalnym zamiast filtrów

Trzeci obszar dotyczy dostępu do danych. Zamiast budować filtr w module raportowym, kierownik pyta asystenta o stan wybranego indeksu w danej strefie i dostaje odpowiedź wraz z odnośnikiem do dokumentu źródłowego. Ta warstwa działa na tych samych danych co reszta systemu, więc nie tworzy osobnej wersji prawdy.

Odnośnik do źródła jest tu istotniejszy, niż się wydaje: pozwala sprawdzić odpowiedź, zamiast przyjmować ją na wiarę. Szerzej o roli osoby zarządzającej magazynem piszemy na stronie [administrator magazynu](/administrator-magazynu-asystentem-do-sprawnego-zarzadzania-zapasami-i-operacjami-logistycznymi/) jako asystent w sprawach logistyki, a o samym module - na stronie [AI - asystent WMS](/ai-asystent-wms/).

Studio WMS.net - wizualizacja układu magazynu

Moduł Wizualizacja w sekcji Magazyn Studio WMS.net prezentuje graficzny rzut z góry na układ magazynu z zaznaczonymi regałami, strefami i lokalizacjami składowania. Kolory wskazują poziom zajętości: zielony - lokalizacja wolna, żółty - częściowo zajęta, czerwony - pełna lub zablokowana. Kliknięcie na lokalizację otwiera panel z aktualnym asortymentem i ilościami. Wizualizacja ułatwia zarządzanie przestrzenią, planowanie przesunięć konsolidacyjnych oraz szybkie zlokalizowanie towaru bez konieczności przeglądania list.

## Od czego zacząć wdrożenie

Kolejność prac wynika wprost ze schematu wyżej - żaden model nie wyprzedzi jakości danych, na których pracuje.

- Uporządkuj ewidencję. Adresacja zgodna z etykietami na regałach, kompletne kartoteki, rejestrowane czasy operacji. To warunek wejścia, nie etap opcjonalny.
- Wybierz jeden obszar. Prognozowanie albo kolejność pobrań - nie oba naraz. Łatwiej ocenić efekt, gdy zmienia się jedna rzecz.
- Ustal miarę przed startem. Zapisz wartość wskaźnika sprzed wdrożenia, inaczej nie będzie punktu odniesienia.
- Zostaw człowieka w pętli. Podpowiedź zatwierdzana przez kierownika daje czas na wychwycenie błędów modelu.
- Przewidź przegląd. Model wytrenowany na zeszłorocznych danych z czasem traci trafność - sezonowość i asortyment się zmieniają.

## Pytania i odpowiedzi o AI w logistyce

## Słownik pojęć: AI w logistyce

Szacowanie przyszłego zapotrzebowania na indeks na podstawie historii sprzedaży, sezonowości i czasów realizacji dostaw.

Sygnalizowanie zdarzeń odbiegających od dotychczasowego wzorca - nagłego spadku rotacji, powtarzalnych różnic czy wydłużonych operacji.

Metoda optymalizacji naśladująca dobór naturalny: selekcja, krzyżowanie i mutacja rozwiązań zamiast przeglądu wszystkich kombinacji.

Układ, w którym model wystawia propozycję, a zatwierdza ją operator lub kierownik - odpowiedzialność za decyzję zostaje po stronie firmy.

Warstwa pozwalająca zadać pytanie o stany i dokumenty zwykłym zdaniem, z odnośnikiem do dokumentu źródłowego przy odpowiedzi.

Zewnętrzne badanie referencyjne (WERC) publikujące poziomy odniesienia dla miar wydajności centrów dystrybucji.