Symulator oparty na sztucznej inteligencji do optymalizacji zapasów

Massachusetts Institute of Technology (MIT) Centrum Transportu i Logistyki oraz Mecalux opracowały symulator oparty na sztucznej inteligencji, który potrafi optymalizować dystrybucję zapasów pomiędzy różnymi magazynami w ramach tej samej sieci logistycznej. Platforma, nazwana Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), wykorzystuje zaawansowane modele uczenia maszynowego do analizy tysięcy możliwych scenariuszy i określenia optymalnego poziomu zapasów w każdym magazynie oraz momentu uzupełniania.

Symulator oparty na sztucznej inteligencji uwzględnia zmienne takie jak prognozowane zapotrzebowanie w poszczególnych regionach, koszty transportu oraz zdolności operacyjne każdego magazynu, aby testować różne polityki uzupełniania zapasów bez wpływu na rzeczywiste operacje. „Algorytm genetyczny umożliwia uruchomienie wielu symulacji z różnymi parametrami, aż zostanie zidentyfikowana najbardziej efektywna strategia logistyczna. Firmy mogą porównywać scenariusze i wybrać ten, który najlepiej odpowiada ich operacjom,” mówi dr Matthias Winkenbach, dyrektor ds. badań w MIT Centrum Transportu i Logistyki oraz Laboratorium Inteligentnych Systemów Logistycznych.

Po wprowadzeniu danych i zmiennych do systemu, GENESIS generuje optymalne rozwiązanie wraz z zaawansowanymi panelami statystycznymi. Użytkownicy mogą analizować wskaźniki takie jak wzorce konsumpcji, regiony o dużej zmienności popytu, SKU z większym ryzykiem braków magazynowych lub magazyny z problemami z dostawami.

Redystrybucja przed zakupem

Jedną z kluczowych funkcji systemu jest jego zdolność do równoważenia zapasów pomiędzy magazynami. Zamiast automatycznie składać nowe zamówienia u dostawców, narzędzie analizuje, czy bardziej opłacalne jest przeniesienie produktów z innego obiektu w sieci, gdzie dostępne są nadmiarowe zapasy. W ten sposób firmy mogą obniżyć koszty i lepiej wykorzystać istniejące stany magazynowe.

System zaleca również, jak organizować transport. Na przykład sugeruje, czy wysyłki powinny być konsolidowane w celu optymalizacji ładunków ciężarowych lub czy konkretne zamówienia powinny być realizowane z określonej lokalizacji, aby skrócić czas dostawy i koszty.

„Prawdziwym wyzwaniem nie było znalezienie odpowiedniego algorytmu — lecz sprawienie, by był wystarczająco szybki, aby był praktyczny. Opracowaliśmy GENESIS od podstaw, aby oceniać tysiące scenariuszy jednocześnie, a nie sekwencyjnie. To, co kiedyś zajmowało dni, teraz trwa minuty, co oznacza, że firmy mogą go używać do taktycznego planowania, a nie tylko do analizy teoretycznej,” mówi Rodrigo Hermosilla, inżynier badawczy w MIT Intelligent Logistics Systems Lab.

W przeciwieństwie do rozwiązań analitycznych zarezerwowanych dla specjalistycznych użytkowników, GENESIS jest przeznaczony zarówno dla zespołów technicznych, jak i decydentów biznesowych. „Celem jest pomoc firmom w minimalizacji całkowitych kosztów ich sieci logistycznej przy jednoczesnym zapewnieniu najwyższego poziomu obsługi,” mówi Javier Carrillo, CEO Mecalux.

Nadchodzące zastosowania AI

Symulator napędzany sztuczną inteligencją jest jednym z pierwszych namacalnych rezultatów wspólnej inicjatywy Mecalux i MIT CTL. Współpraca wchodzi teraz w nową fazę, skupioną na rozszerzeniu zastosowania AI na inne procesy logistyczne, takie jak wewnętrzne uzupełnianie zapasów, cyfrowe bliźniaki w systemach automatycznego przechowywania o wysokiej gęstości oraz optymalizacja układów magazynowych.

Centrum Transportu i Logistyki MIT (MIT CTL) jest światowym liderem w badaniach i edukacji w zakresie zarządzania łańcuchem dostaw, z ponad 50-letnim doświadczeniem. Prace centrum obejmują partnerstwa przemysłowe, nowoczesne badania i wdrażanie innowacji w logistyce poprzez trzy filary: badania, działalność edukacyjną i szerzenie wiedzy.