Wywiad z Selene Silvestri, badaczką MIT CTL

Mecalux przeprowadza wywiad z Selene Silvestri, badaczką MIT CTL, aby dowiedzieć się więcej na temat projektu dotyczącego zarządzania zamówieniami rozproszonymi, nad którym pracuje w ramach współpracy między MIT i Mecaluxem.

• W jaki sposób wspólny projekt MIT i Mecaluxu wesprze planowanie stanów magazynowych w sieci dystrybucji?

  Przydzielanie i zarządzanie zapasami w magazynach i sklepach jest procesem niezwykle złożonym. Obecnie większość firm radzi sobie przy pomocy uproszczonych założeń opartych na zasadach bądź ludzkim doświadczeniu. Problem w tym, że metody te skutkują brakiem zapasów, nieefektywnymi kosztami, odpadami i niepotrzebnymi emisjami. Razem z Mecaluxem pracujemy nad projektem dotyczącym zarządzania zapasami magazynowymi, którego rozwiązanie oparte jest na uczeniu się. Pozwoli to zrozumieć firmom, gdzie w całej sieci dystrybucji powinny przydzielać artykuły. Metoda ta ma na celu określenie optymalnego momentu, miejsca i ilości towaru do umiejscowienia.

  Wśród tysięcy strategii, algorytm wybiera tę, która równoważy koszty i poziom usługi w najwydajniejszy sposób

• W jaki sposób badanie to wykorzystuje inteligencję preskryptywną?

  Za pomocą inteligencji preskryptywnej na podstawie danych możemy wskazać najlepsze strategie do zarządzania i przydzielania stanów magazynowych w sieci łańcucha dostaw. Nasze metody mają na celu ułatwienie firmom podejmowanie prawidłowych decyzji dzięki analizie danych historycznych, teorii zarządzania zapasami magazynowymi i zaawansowanym algorytmom optymalizacji.

  Wykorzystujemy symulacje i algorytmy ewolucyjne, które umożliwiają nam analizę tysięcy różnych scenariuszy oraz licznych strategii zmierzających do maksymalizacji działania łańcucha dostaw. Spośród wszystkich możliwych opcji, algorytm wybiera tę, która w najwydajniejszy sposób równoważy koszty i poziom usługi. Celem jest, aby firmy mogły stosować ten algorytm w swoich działaniach i dzięki temu wyeliminować problem braku zapasów w magazynie, zmniejszyć zapas nadmierny i ulepszyć ogólną wydajność swojego łańcucha dostaw.

• Wykorzystują Państwo algorytmy zainspirowane biologią. Może dać nam Pani jakiś przykład?

  

  Dokładniej mówiąc, opracowujemy algorytm genetyczny, którego działanie opiera się na naśladowaniu naturalnego procesu ewolucji „populacji”. Ten typ algorytmów okazuje się bardzo skuteczny w rozwiązaniu problemów optymalizacyjnych na dużą skalę.

  Punktem wyjścia, w kontekście zarządzania zapasami, jest zbiór możliwych przydziałów w całej sieci łańcucha dostaw. Od tego momentu algorytm wdraża w początkowej „populacji” mechanizmy takie jak krzyżowanie, rekombinacje, kopiowanie w celu stworzenia nowych rozwiązań. Te „dzieci” zachowują pewne cechy przydziałów od swoich „rodziców”, ale zawierają również nowe wariacje. Z czasem algorytm ewoluuje do realnych rozwiązań, które najlepiej równoważą koszt i usługę, stopniowo zbliżając się do niemal optymalnych strategii przydzielania.

• W jaki sposób projekt ten pomoże zoptymalizować przydzielanie zapasów magazynowych firm?

  Mocno wierzymy w to, że za kilka lat firmy zaczną coraz częściej korzystać z rozwiązań wykorzystujących sztuczną inteligencję i algorytmy oparte na uczeniu się. Mamy nadzieję połączyć te odkrycia z innym projektem badawczym ukierunkowanym na usprawnienie realizacji zamówień, przy którym również współpracujemy z Mecaluxem. Opracowujemy rozwiązanie technologiczne, które integruje zarządzanie stanami magazynowymi i realizację zamówień. Naszym celem jest osiągnięcie widoczności całego łańcucha dostaw i towarzyszących mu przepływów, rozpoczynając od dostawców, kończąc na klientach. W ten sposób unikniemy korzystania z narzędzi, które optymalizują zapas magazynowy bez brania pod uwagę popytu, tak jak i również rozwiązań skupiających się jedynie na realizacji zamówień, które pomijają dostępność zapasów magazynowych.