Лаборатория интеллектуальных логистических систем при Центре транспорта и логистики (CTL) Массачусетского технологического института (MIT) и компания Mecalux разработали имитатор на основе искусственного интеллекта, способный оптимизировать распределение запасов между различными складами в рамках одной логистической сети.

Платформа, получившая название Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), использует модели машинного обучения для анализа тысяч возможных сценариев и определения оптимального уровня запасов на каждом складе, а также сроков пополнения запасов. Работая на основе генетического алгоритма, платформа рекомендует оптимальные уровни запасов и транспортные стратегии, позволяя пользователям имитировать множество тактических сценариев и минимизировать затраты без возникновения дефицита (stockouts).

Имитатор на основе ИИ учитывает такие переменные, как прогнозируемый спрос в каждом регионе, транспортные расходы и операционная мощность каждого склада, для тестирования различных политик пополнения запасов без влияния на реальные операции.

«Генетический алгоритм позволяет запускать множество симуляций с использованием различных параметров до тех пор, пока не будет выявлена наиболее эффективная логистическая стратегия. Компании могут сравнивать сценарии и выбирать тот, который наилучшим образом соответствует их операционной деятельности», — говорит доктор Маттиас Винкенбах, директор по исследованиям MIT CTL и руководитель Лаборатории интеллектуальных логистических систем.

Как это работает

После ввода данных и переменных в систему GENESIS генерирует оптимальное решение вместе с расширенными статистическими панелями управления. Пользователи могут анализировать такие показатели, как структура потребления, регионы с высокой вариабельностью спроса, SKU (артикулы) с повышенным риском дефицита или склады, испытывающие проблемы с поставками.

Одной из ключевых функций системы является её способность перераспределять запасы между складами. Вместо автоматического размещения новых заказов у поставщиков инструмент анализирует, является ли более эффективным перемещение продукции с другого объекта в сети, где имеются избыточные запасы. Таким образом, компании могут сократить расходы и более эффективно использовать имеющиеся запасы.

Система также рекомендует, как организовать транспортировку. Например, она предлагает, следует ли консолидировать отгрузки для оптимизации загрузки грузовиков, или же конкретные заказы должны выполняться из определённого места для сокращения сроков доставки и затрат.

«Настоящая проблема заключалась не в поиске правильного алгоритма, а в том, чтобы сделать его достаточно быстрым для практического применения», — объясняет Родриго Эрмосилла, инженер-исследователь Лаборатории интеллектуальных логистических систем MIT. «Мы разработали GENESIS с нуля для одновременной, а не последовательной оценки тысяч сценариев. То, что раньше занимало дни, теперь занимает минуты, а это означает, что компании могут использовать его для реального тактического планирования, а не только для теоретического анализа».

В отличие от аналитических решений, предназначенных для узкого круга специалистов, GENESIS разработан как для технических команд, так и для лиц, принимающих бизнес-решения. «Цель состоит в том, чтобы помочь компаниям минимизировать общие затраты на свою логистическую сеть, обеспечивая при этом наивысший уровень обслуживания», — говорит Хавьер Каррильо, генеральный директор Mecalux.

Перспективы применения ИИ

Имитатор на основе ИИ является одним из первых практических результатов совместной инициативы Mecalux и MIT CTL. Сотрудничество теперь вступает в новую фазу, сосредоточенную на расширении применения ИИ в других логистических процессах, таких как внутреннее пополнение запасов, цифровые двойники в высокоплотных автоматизированных складских системах и оптимизация распределения товаров по ячейкам (слоттинг).