IA para decidir cuándo y dónde reponer el stock

Un proyecto conjunto entre Mecalux y el MIT Intelligent Logistics Systems Lab explora cómo la inteligencia artificial puede anticipar las necesidades del almacén y optimizar el movimiento de mercancías para mejorar la preparación de pedidos.

• ¿De dónde surge la necesidad de replantear la forma en que se gestionan las reposiciones en los almacenes?

  Thorsten Greil: Los almacenes actuales son cada vez más dinámicos, sobre todo en sectores como el e-commerce, y los métodos tradicionales de reposición ya no son suficientes para responder a los cambios de la demanda. Las instalaciones logísticas suelen contar con distintas áreas de trabajo: zonas de reserva donde se guarda el stock a largo plazo, espacios intermedios de almacenaje temporal y áreas de picking donde los productos deben estar disponibles para que los operarios preparen y empaqueten los pedidos con agilidad. En determinados momentos, pueden coincidir múltiples reposiciones simultáneas en la misma área, lo que genera congestiones y rebaja la productividad.

  La solución combinará analítica predictiva y algoritmos de optimización para determinar cuándo, dónde y en qué cantidad debe estar disponible cada producto en el almacén

• Aun así, los almacenes llevan años realizando reposiciones internas de mercancía. ¿Qué ha cambiado para que ahora sea necesario un sistema más inteligente?

  Matthias Winkenbach: Muchas empresas siguen utilizando métodos tradicionales de reposición que, al basarse en reglas fijas, no siempre son capaces de adaptarse a los cambios del negocio con la suficiente rapidez y eficiencia. Como consecuencia, pueden producirse tiempos de respuesta más lentos, mayores costes y un riesgo de roturas de stock más elevado o, directamente, dificultades para expedir los pedidos a tiempo. El objetivo de nuestro proyecto de investigación conjunto con Mecalux es desarrollar un sistema inteligente capaz de anticipar la demanda y mejorar los movimientos de mercancías entre las distintas zonas del almacén. La solución combinará analítica predictiva y algoritmos de optimización para determinar el momento, la ubicación y la cantidad exacta en que debe estar disponible cada producto a partir de análisis de patrones históricos de movimiento, la ubicación del stock y los volúmenes previstos de pedidos.

• Si la clave para preparar pedidos con rapidez es anticiparse a las necesidades del almacén, ¿qué impacto puede tener esta nueva forma de gestionar las reposiciones?

  

  Thorsten Greil: Esperamos que la tecnología que estamos desarrollando mejore el rendimiento de la preparación de pedidos al disminuir las roturas de stock. Además, las reposiciones se realizarán en el momento más adecuado para evitar interferencias con otras operativas. Como resultado, los almacenes podrán aprovechar mejor los recursos, aumentar la productividad y mejorar indicadores como la capacidad de procesar los pedidos.

  Para lograrlo, nuestro sistema adoptará un enfoque mucho más orientado al análisis de datos. Tendrá en cuenta las necesidades reales de picking, la disponibilidad de recursos y una visión global de todas las referencias almacenadas para tomar decisiones más inteligentes sobre cuándo, dónde y en qué cantidad conviene realizar las reposiciones.

• ¿Qué empresas se beneficiarán de esta tecnología desarrollada con el apoyo de Mecalux?

  Matthias Winkenbach: Los modelos que surjan de este proyecto podrán aplicarse a cualquier tipo de almacén. Sin embargo, sus ventajas serán más evidentes en empresas que gestionan inventarios con una rotación elevada y que realizan numerosas operaciones de picking y packing en periodos de tiempo reducidos. Este tipo de instalaciones requiere de reposiciones constantes, incluso durante la noche, lo que puede generar interferencias con otros movimientos de mercancía. Cuanto más dinámico sea el almacén y más rápido se mueva el stock, mayor será el valor que aporte un enfoque inteligente de las reposiciones.