ספירה מלאה של מחסן מכבה את הפעילות ליום שלם. בדיקה מדגמית בבינה מלאכותית לוקחת הפסקת קפה.
ספירות מלאי ידניות הן אחת השגרות היקרות ביותר בתפעול מחסנים. מתקן בינוני עם 5,000 פריטי מלאי צריך יום עד 3 ימי השבתה מלאה כדי לספור הכל, בתוספת שעות נוספות ועובדים זמניים. בינתיים, שום דבר לא נשלח, שום דבר לא מתקבל, ולכל שעת השבתה יש מחיר. ספירת תמונות מבוססת בינה מלאכותית מציעה חלופה מהירה יותר לבדיקות מדגמיות יומיות, אימות קבלה וספירות מחזוריות.
העלות האמיתית של ספירה ידנית
רוב מנהלי המחסנים יודעים שספירה היא איטית. פחות מהם מבינים כמה היא באמת יקרה.
ספירה פיזית מלאה בפעילות של 20,000 פריטי מלאי יכולה לקחת סוף שבוע שלם. הצוות סופר מעבר למעבר, רושם ספירות על לוחות או סורק ברקודים אחד אחד. עובדים זמניים עושים יותר טעויות מהצוות הקבוע, אבל הצוות הקבוע מנותק מהתפקידים האמיתיים שלו. קבוצת CPCON מעריכה שחברות משקיעות שעות עבודה ועלויות גיוס משמעותיות בכל ספירה מלאה.
ואז יש את ההתכווצות. קמעונאים בארה"ב מפסידים כ-112 מיליארד דולר בשנה מהתכווצות, כאשר 21% מכך מיוחסים לשגיאות ניהוליות - טעויות ספירה, שגיאות הזנת נתונים וספירות קבלה שגויות. רוב ההתכווצות מצטברת בין ספירות שאינן תכופות. ככל שהפער בין הספירות ארוך יותר, כך ההפסדים הבלתי נראים גדלים.
יום עד 3 ימי השבתה. כל צוות המחסן בתוספת עובדים זמניים. אין משלוחים או קבלות במהלך הספירה.
עובד עד 4 עובדים ייעודיים, 30 עד 60 דקות לכל מושב. מכסה 50 עד 80 פריטי מלאי ביום. פחות שיבוש, אבל איטי יותר בכיסוי כל המלאי.
אדם אחד עם סמארטפון. צלמו מדף, ערימת משטחים או אזור קבלה. התוצאה מגיעה תוך שניות. ללא צורך בהשבתה.
איך ספירה מבוססת תמונות עובדת במחסן
תהליך העבודה כולל ארבעה שלבים: צלם, ספור, אמת, תעד.
עובד מחסן מכוון טלפון לערימת משטחים או חלק מדף ומצלם תמונה. התמונה עוברת למודל ספירה בבינה מלאכותית שמזהה ומסמן כל פריט נראה בנקודה צבעונית. הספירה הכוללת מופיעה תוך שניות. העובד בודק את השכבה החזותית, מקיש להוסיף פריטים שהבינה המלאכותית החמיצה (בדרך כלל פריטים מוסתרים מאחורי אחרים), ומתעד את הספירה המאומתת.
מערכות ראייה מודרניות מבוססות בינה מלאכותית כמו Vimaan ו-Loadzy מעבדות עד 3,000 משטחים בשעה באמצעות מצלמות מותקנות על מלגזות, לעומת כ-100 משטחים בשעה בסריקת ברקוד ידנית. גם עם גישת סמארטפון ידני, עובד יחיד יכול לספור חלק מדף תוך פחות מ-10 שניות, שלוקח מספר דקות ביד.
מדדי דיוק
הדיוק תלוי באיכות התמונה ובמידת ההפרדה בין הפריטים. בתנאים מבוקרים עם תאורה טובה ועצמים גלויים בבירור, מערכות ספירה בבינה מלאכותית משיגות דיוק של 97 עד 99%. מודל YOLOv11 מכוון שנבדק בתנאי מחסן אמיתיים הגיע לדיוק של 97% במספר סבבי בדיקה (Springer, 2026).
פלטפורמות ראיית מחסן מסחריות מדווחות על מספרים גבוהים עוד יותר: Loadzy טוענת לדיוק של 99.9% בזיהוי משטחים, ו-Vimaan מדווחת על דיוק מיקום של 100% למערכות המצלמות המותקנות שלה. מספרים אלה מייצגים את מקרי ההתקנה הטובים ביותר עם מיקום מצלמה ותאורה אופטימליים.
עבור תמונות סמארטפון מזדמנות, צפו לדיוק של 95 עד 98% על סצנות מצולמות היטב - טוב יותר מממוצע של 91% בספירה ידנית, ומתקבל בחלק מהזמן.
שיטות עבודה מומלצות לצילום במחסן
- צלמו מזווית עילית או ישרה כדי למזער הסתרה
- צלמו סוג פריט אחד לכל תמונה (אל תערבבו משטחים וארגזים פזורים)
- ודאו תאורה מספקת - תאורת תקרה במחסן בדרך כלל מספיקה
- החזיקו את המצלמה יציבה והקישו למיקוד לפני הצילום
- עבור ערימות משטחים גבוהות, צלמו כל שכבה בנפרד
בדיקות מדגמיות בבינה מלאכותית לעומת ביקורות ידניות מלאות
ספירת תמונות בבינה מלאכותית לא מחליפה לחלוטין ספירות פיזיות מלאות - היא משנה את התדירות שבה אתם צריכים אותן. במקום לספור הכל פעם או פעמיים בשנה, צוותי מחסן יכולים לבצע בדיקות מדגמיות יומיות בבינה מלאכותית על פריטי מלאי יקרים או בעלי תנועה מהירה, ולשמור ספירות מלאות לביקורות שנתיות או דרישות רגולטוריות.
גישה היברידית זו מאתרת אי-התאמות מוקדם, לפני שהן מצטברות להתכווצות משמעותית. סיור צילום יומי של 15 דקות במעברים בעדיפות גבוהה יכול לאתר טעות ספירה שאחרת הייתה נעלמת מהעין במשך חודשים. הבינה המלאכותית מספקת מהירות ועקביות; הביקורת המלאה מספקת שלמות וציות.
השורה התחתונה
ספירת מחסנים הייתה איטית ויקרה במשך עשורים כי לא היה חלופה. ספירת תמונות בבינה מלאכותית משנה את החשבון: מהירה פי 30 עד 40 מסריקה ידנית, בדיוק של 95 עד 99%, ונגישה לכל מי שיש לו סמארטפון.
בפעם הבאה שמשלוח מגיע והצוות שלכם מתחיל לספור ארגזים אחד אחד, נסו לצלם את המשטח במקום. הספירה תהיה על המסך שלכם לפני שהם יסיימו את השורה הראשונה.