Ameryka Łacińska wita logistyczne roboty współpracujące
DHL Supply Chain ogłosiło dziś rano pięcioletnie strategiczne partnerstwo z Robust.AI, firmą specjalizującą się w systemach robotów współpracujących. Po udanych wdrożeniach w Ameryce Północnej, DHL Supply Chain wprowadzi teraz roboty Carter
firmy Robust.AI w Ameryce Łacińskiej, z planem wdrożenia 15 jednostek w operacjach detalicznych w Meksyku.
Partnerstwo z Robust.AI jest kluczowym elementem strategii DHL Supply Chain skoncentrowanej na identyfikacji i wdrażaniu skalowalnych, komercyjnie opłacalnych technologii robotycznych i automatyzacyjnych, które przynoszą natychmiastowe korzyści operacyjne. Robust.AI jest jednym z wybranych strategicznych partnerów DHL, a pierwsze roboty Carter są już w użyciu komercyjnym w Ameryce Północnej, wiele kolejnych robotów podpisano do wdrożenia w najbliższym czasie, a ścieżka rozwoju jest silnie ukierunkowana na cały region Ameryk i poza nim.
„DHL Supply Chain zobowiązuje się do budowania przyszłości logistyki poprzez innowacje i technologię,”
powiedział Mario Rodríguez de la Gala, prezes DHL Supply Chain Meksyk.
„Nasze partnerstwo z Robust.AI pozwala nam integrować elastyczne, współpracujące roboty w nasze codzienne operacje, co przekłada się nie tylko na wydajność i precyzję, ale także na utrzymanie klientów w centrum wszystkiego, co robimy. To partnerstwo odzwierciedla naszą krótkoterminową i długoterminową wizję ciągłego reinżynieringu łańcuchów dostaw w Meksyku.”
Wdrożenie opiera się na sprawdzonym sukcesie robotów Carter w operacjach DHL Supply Chain w Ameryce Północnej, gdzie Carter jest już w użyciu komercyjnym. W tych środowiskach Carter systematycznie zwiększał wydajność o ponad 60%, poprawiając bezpieczeństwo i efektywność operacyjną. W Meksyku dotychczasowy postęp wyniósł 30%. To nie jest odosobnione zastosowanie – sygnalizuje gotowość DHL do wykorzystania robotów współpracujących w Meksyku w sposób, który tworzy wymierną wartość dla klientów DHL, naszych pracowników i biznesu. Roboty zostaną zintegrowane z Systemem Zarządzania Magazynem (WMS) DHL do 2026 roku, według planu stopniowego wdrażania, umożliwiającego elastyczne skalowanie. Podejście to pozwala na natychmiastowe tworzenie wartości dla pracowników i klientów, jednocześnie stopniowo dążąc do głębszej integracji systemów.
Anthony Jules, współzałożyciel i CEO Robust.AI, dodał:
„Wdrożenie Carter w wielu obiektach DHL, dołączenie do globalnej siły roboczej i wykazanie wartości w przestrzeniach o różnym poziomie integracji technologicznej, to ważny i ekscytujący kamień milowy w naszym rozwijającym się partnerstwie z DHL. Wybór elastycznej, skoncentrowanej na człowieku, bezpiecznej automatyzacji z niższą barierą wejścia jest szybszą drogą do zwrotu z inwestycji – ale także pokazuje zespołom, że stawiacie na nich na pierwszym miejscu.”
Modularny design Cartera czyni go szczególnie odpowiednim do tego podejścia. Może być wprowadzany z podstawową funkcjonalnością – taką jak napęd wspomagany silnikiem, który zmniejsza obciążenie fizyczne i poprawia ergonomię – przed rozbudową do bardziej zaawansowanych możliwości, takich jak autonomiczna nawigacja poprzez integrację z Systemem Zarządzania Magazynem DHL. Carter obsługuje operacje punkt-punkt, umożliwiając dynamiczny i inteligentny, autonomiczny transport towarów w obrębie obiektów. Ta elastyczność pozwala DHL dostosować wdrożenia do poziomu gotowości technologicznej każdego obiektu, a także umożliwia przemieszczanie robotów między operacjami, aby wspierać sezonowe szczyty lub zmieniające się potrzeby klientów. DHL Supply Chain planuje wdrożyć setki robotów Carter w swoich operacjach w Amerykach w nadchodzących latach, z możliwością rozszerzenia na inne regiony, które są obecnie rozważane. Ten model wdrożenia międzykrajowego i międzyregionalnego odzwierciedla zobowiązanie DHL do wykorzystywania technologii automatyzacji, które są nie tylko skalowalne i wydajne, ale także dostosowane do specyficznych potrzeb każdego obiektu i rynku.
Artykuł Ameryka Łacińska wita logistyczne cobots pojawił się jako pierwszy na Logistics Business.




