Notizia

Jul 12, 2023

Costruire magazzini di nuova generazione e trasformare le operazioni utilizzando la scienza dei dati

All the above scenarios are repeated across many supply chains, even though

Tutti gli scenari sopra descritti si ripetono in molte catene di approvvigionamento, anche se esistono soluzioni tecnologiche pronte a portata di mano. L'intelligenza artificiale e l'apprendimento automatico hanno il potere di trasformare le operazioni di magazzino con l'analisi dei dati. L’analisi avanzata dei dati viene già utilizzata dai magazzini NextGen a livello globale per rivoluzionare le attività di magazzino. Alcune soluzioni sono:

Pianificazione intelligente degli appuntamenti

L'apprendimento automatico esamina i dati storici di ordini, appuntamenti e programmi in un magazzino. Dopo aver esaminato l'orario previsto e quello di arrivo dei camion, vengono rilevati dei modelli, ad esempio un vettore ritardatario cronico o ritardi legati alle condizioni meteorologiche. Un algoritmo derivato dal modello viene perfezionato con approfondimenti più approfonditi ottenuti dall'analisi dei dati, inclusi vari parametri come la complessità dell'ordine, lo sforzo richiesto per elaborarlo, il carico del magazzino e così via. Il modello ML è addestrato per prevedere i migliori programmi, con varie simulazioni di scenari "what if" prima che venga formulata una soluzione AI di pianificazione intelligente degli appuntamenti.

Il personale del magazzino che ha bisogno di pianificare appuntamenti può attivare/disattivare le scelte disponibili per scegliere un consiglio. Lo scheduler “intelligente” non solo prenota l'appuntamento ma adegua anche l'intero programma della giornata, ovvero la direzione (inbound/outbound) delle attività; mostra il numero di appuntamenti che possono essere inseriti nello stesso slot del calendario, riflette lo stato del prelievo, indica i motivi dei ritardi, segnala le incoerenze che richiedono attenzione, tiene sotto controllo gli orari attivi e inattivi e identifica le migliori opportunità per assistere gli arrivi in ​​ritardo. Tutto ciò senza compromettere i tempi di consegna degli altri vettori.

Benefici:Riduzione dei tempi di consegna, accuratezza nella pianificazione, riduzione dei ritardi, pianificazione automatizzata, risparmi derivanti dall'elusione delle spese di trattenimento, carico di magazzino ottimizzato durante il giorno, distribuzione del lavoro, e-mail per appuntamenti programmati o messaggi telefonici agli autisti/vettori, benessere degli autisti, sicurezza e gestione rapida delle spedizioni

Gestione predittiva delle scorte di magazzino

La domanda dei clienti, la domanda di materie prime dal reparto di produzione, gli ordini dai rivenditori e la durata di conservazione dei prodotti incidono sulla gestione delle scorte. Anche i rischi che emergono lungo tutta la catena di fornitura, i sentimenti dei consumatori tracciati attraverso i social media e la percezione pubblica di produttori, fornitori o qualsiasi altra parte interessata possono influire negativamente sulla gestione delle scorte. Pertanto, tenere sotto controllo un insieme diversificato di dati e dargli un senso in modo proattivo è un’analisi predittiva.

Per implementare la gestione predittiva delle scorte di magazzino, set di dati molto grandi di dati storici e attuali vengono aggregati, filtrati, analizzati e modellati. Vengono introdotti vincoli, come condizioni meteorologiche estreme e picchi osservati nei dati dei punti vendita, per indurre gli algoritmi di apprendimento automatico a "imparare" a fare previsioni in base alla storia più recente. Poiché l’accento è posto sull’elevata visibilità dei dati, è possibile colmare il divario tra i responsabili del merchandising che prendono decisioni di acquisto e i responsabili del magazzino.

I dati provenienti da molte applicazioni, tra cui il sistema di gestione del magazzino, la gestione dell'inventario dei fornitori, l'analisi del paniere di mercato, la gestione degli ordini di distribuzione e la pianificazione della catena di fornitura, aiutano a simulare e prevedere i risultati, scoprire approfondimenti che migliorano la collaborazione e sviluppare strategie agili di gestione dell'inventario.

Per incoraggiare la creazione di scorte predittive vengono utilizzati anche parametri come i modelli di domanda, le carenze imminenti, gli sprechi, il costo totale di proprietà dell'inventario, il ridimensionamento per includere dati di fornitori di terze parti, il conteggio degli SKU e gli aggiustamenti degli slot.

Benefici:Riduzione efficace dei costi, processo decisionale approfondito, migliore collaborazione tra processi e parti interessate, approvvigionamento strategico, prevenzione delle scorte in eccesso, scalabilità per la crescita, generazione della domanda e miglioramento della soddisfazione e dell'esperienza del cliente.

Assegnazione intelligente delle attività