Lavora con noi
La piattaforma, basata su un algoritmo genetico, consiglia i livelli ottimali di stock e le strategie di trasporto
Il Massachusetts Institute of Technology (MIT) Center for Transportation & Logistics e Mecalux hanno sviluppato un simulatore basato sull'intelligenza artificiale in grado di ottimizzare la distribuzione dello stock tra diversi magazzini all'interno della stessa rete logistica. La piattaforma, denominata Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), utilizza modelli avanzati di machine learning per analizzare migliaia di possibili scenari e simulare qual è il livello ottimale di stock in ogni magazzino e quando è opportuno rifornirlo.
Il simulatore di IA considera variabili come la domanda prevista in ogni zona, i costi di trasporto o la capacità operativa di ogni magazzino per provare diverse politiche di riapprovvigionamento di stock senza incidere sulle operazioni reali. “L’algoritmo genetico permette di eseguire diverse simulazioni con diversi parametri fino a trovare la strategia logistica più efficiente. Le aziende possono verificare gli scenari e selezionare quello che si adatta meglio alle loro operazioni”, spiega Matthias Winkenbach, direttore di ricerca del MIT Center for Transportation & Logistics e dell’Intelligent Logistics Systems Lab.
Una volta introdotti i dati e variabili nel sistema, GENESIS genera la soluzione ottimale accompagnata da dashboard statistiche avanzate. Gli utenti possono analizzare indicatori come modelli di consumo, zone con alta variabilità della domanda, referenze con maggior rischio di rottura di stock o magazzini con problemi di approvvigionamento.
Ridistribuire prima di comprare
Una delle funzionalità chiave del sistema è che permette di riequilibrare l’inventario tra i magazzini. Invece di realizzare automaticamente nuovi ordini ai fornitori, lo strumento analizza se conviene trasferire i prodotti da un altro centro della rete dove ci sia un’eccedenza. In questo modo, le aziende possono ridurre i costi e sfruttare meglio lo stock già disponibile.
Il sistema raccomanda anche come organizzare il trasporto, per esempio, se conviene raggruppare delle spedizioni per ottimizzare i camion o fornire determinati ordini da un’ubicazione concreta per diminuire tempi e costi.
“La vera sfida non è stata trovare un algoritmo adeguato, ma farlo abbastanza rapidamente affinché sia pratico. Abbiamo sviluppato GENESIS da zero per valutare migliaia di scenari in maniera simultanea invece che sequenziale. Ciò che prima richiedeva giorni adesso si risolve in minuti, permettendo alle aziende di usarlo per una pianificazione tattica reale e non solo per analisi teoriche” conferma Rodrigo Hermosilla, ricercatore del MIT Intelligent Logistics Systems Lab.
A differenza di soluzioni analitiche riservate a profili specializzati, GENESIS è stata progettata affinché possa essere utilizzata non solo per profili tecnici, ma anche per i responsabili commerciali. “L’obiettivo è aiutare le aziende a minimizzare il costo totale della rete logistica e garantire il massimo livello di servizio”, afferma Javier Carrillo, CEO di Mecalux.
Prossime applicazioni dell’IA
Il simulatore è uno dei primi risultati tangibili della collaborazione tra Mecalux e il MIT CTL, che entra ora in una nuova fase concentrata sull’ampliamento delle applicazioni dell’IA ad altri processi logistici, come il riapprovvigionamento interno, l’utilizzo dei digital twins in sistemi automatici di stoccaggio ad alta densità e l’ottimizzazione delle ubicazioni del prodotto.