Intervista a Selene Silvestri, ricercatrice del MIT CTL

Mecalux intervista Selene Silvestri, ricercatrice scientifica del MIT CTL, per approfondire il progetto di gestione distribuita degli ordini in cui lavora nell’ambito della collaborazione tra il MIT e Mecalux.

• Il progetto comune tra il MIT e Mecalux come aiuterà a organizzare lo stock nella rete di distribuzione?

  L’assegnazione e la gestione dell’inventario nei magazzini e nei negozi è un processo molto complesso. Oggigiorno, la maggior parte delle aziende lo affronta con ipotesi semplificate, basate su regole o sull’esperienza umana. Il problema è che questi metodi provocano rotture di stock, costi inefficienti, rifiuti ed emissioni innecessarie. Il progetto di gestione dell’inventario su cui lavoriamo in collaborazione con Mecalux sta sviluppando una soluzione basata sull’apprendimento che permetta alle organizzazioni di comprendere dove devono assegnare i loro articoli. Vale a dire, identificare il momento, il luogo e la quantità ottimali per ubicare la merce in tutta la rete di distribuzione.

  Tra tutte le migliaia di strategie considerate, l’algoritmo selezionerà quella che meglio bilancia i costi e il livello di servizio

• In che modo l’intelligenza prescrittiva utilizza questa ricerca?

  Con l’intelligenza prescrittiva possiamo identificare le migliori strategie basate sui dati per gestire e assegnare lo stock nelle reti della supply chain. Tramite l’analisi di dati storici, la teoria della gestione dell’inventario e degli algoritmi avanzati di ottimizzazione, i nostri metodi cercano di aiutare le aziende a prendere le decisioni corrette.

  Utilizziamo simulazioni e algoritmi evolutivi che ci permettono di analizzare migliaia di scenari diversi, così come varie strategie per massimizzare la supply chain. Tra tutte le operazioni considerate, l’algoritmo seleziona quella che bilancia i costi e il livello di servizio nel modo più efficiente. L’idea è che le aziende possano applicare questo algoritmo alle loro operazioni e, quindi, eliminare le rotture di stock, ridurre l’overstock e migliorare il rendimento generale della propria supply chain.

• Utilizzano algoritmi ispirati alla biologia. Può fornirci un esempio?

  

  In concreto, stiamo sviluppando un algoritmo genetico il cui funzionamento consiste in imitare il processo di evoluzione naturale di una “popolazione”. Questo tipo di algoritmi risultano molto efficaci per risolvere problemi di ottimizzazione su larga scala.

  Nel contesto della gestione degli inventari, il punto di partenza è un insieme di possibili assegnazioni lungo la rete della supply chain. A partire da qui, l’algoritmo applica nella popolazione iniziale meccanismi come incroci, ricombinazioni o riproduzioni per generare nuove soluzioni. Questi “figli” conservano certe caratteristiche delle assegnazioni dei loro “padri”, ma includono anche nuove variazioni. Con il tempo, l’algoritmo evolve verso le soluzioni praticabili che meglio bilanciano il costo e il servizio, convergendo progressivamente in strategie di assegnazione quasi ottime.

• Come aiuterà questo progetto a ottimizzare l’assegnazione delle aziende?

  Crediamo fermamente che, durante i prossimi anni, le aziende inizieranno a utilizzare sempre più soluzioni che sfruttano l’IA e algoritmi basati sull’apprendimento. Speriamo di integrare queste scoperte con quelle di un altro progetto di ricerca a cui collaboriamo sempre con Mecalux, orientato a perfezionare l’evasione degli ordini. Stiamo sviluppando una soluzione che integra la gestione dello stock e l’evasione degli ordini. Il nostro obiettivo è ottenere una visibilità completa di tutta la supply chain e dei suoi flussi, dai fornitori ai clienti. In questo modo, eviteremo strumenti che ottimizzino l’inventario senza tenere in conto della domanda, così come soluzioni focalizzate unicamente sull’evasione degli ordini che ignorano la disponibilità dell’inventario.