IBM Garage:

La collaborazione tra IBM e Gep Informatica produce applicazioni innovative di intelligenza artificiale per la logistica

IBM

I RISULTATI:

  • aggiungere alla BI la capacità predittiva della IA
  • analizzare gli ordini e confrontare i risultati con politiche di routing
  • simulare cambiamenti, confrontandoli con lo storico
  • valutare la missione ancora da effettuare
  • visualizzare in anteprima il tragitto del picker
  • fare azioni correttive in anticipo

Cos'è IBM Garage:

un "luogo" in cui sviluppare prototipi e nuovi modelli basati sull'Intelligenza Artificiale

IBM Garage, attraverso il metodo Garage e Enterprise Design Thinking, sfrutta gli strumenti e le tecniche Devops, promuove il talento digitale e il cambiamento culturale.

I team Garage aiutano i Clienti nel loro percorso di trasformazione digitale, progettano e costruiscono soluzioni e prototipi reali che risolvono e tengono conto delle richieste aziendali.

Gep Informatica ha collaborato con IBM allo sviluppo di nuove funzionalità per Sigep. Alberto Cirelli ha raccolto le testimonianze di questa partnership a due protagonisti del processo:

Cos'è IBM Garage:

un "luogo" in cui sviluppare prototipi e nuovi modelli basati sull'Intelligenza Artificiale

IBM Garage, attraverso il metodo Garage e Enterprise Design Thinking, sfrutta gli strumenti e le tecniche Devops, promuove il talento digitale e il cambiamento culturale.

I team Garage aiutano i Clienti nel loro percorso di trasformazione digitale, progettano e costruiscono soluzioni e prototipi reali che risolvono e tengono conto delle richieste aziendali.

Gep Informatica ha collaborato con IBM allo sviluppo di nuove funzionalità per Sigep. Abbiamo raccolto in un’intervista, le testimonianze di questa partnership a due protagonisti del processo:

  • Davide Pannuto – Cloud Expert Lab principal di IBM
  • Attilio Amabili – BI consultant e Data analyst di GEP Informatica

Intelligenza Artificiale in logistica

una rivoluzione a portata di mano

L’intelligenza artificiale non si sostituisce in alcun modo alla persona ma diventa il miglior alleato del responsabile della logistica e di chi prende decisioni.
L’IA può trovare diverse applicazioni in logistica, in tutti gli ambiti in cui la quantità di dati e delle variabili è molto importante come

  • la formazione di colli
  • il confezionamento
  • il trasporto

andando a

  • ottimizzare le sedi
  • prevedere le tappe
  • contemplare le diverse consegne
  • considerare le finestre orarie.

Ad esempio, normalmente per l’ottimizzazione dei posti picking vengono utilizzati gli indici di rotazione e la data di scadenza piuttosto che le caratteristiche dell’articolo e dell’imballo.

Con l’aiuto dell’intelligenza artificiale GEP è riuscita ad approcciare modelli più complessi, grazie alla velocità di elaborazione dei dati storici, che ha permesso di tener conto

  • dei vincoli di generazione delle missioni di picking
  • della struttura del magazzino
  • delle politiche di routing

per arrivare a predire le posizioni ottimali dei posti picking, limitando gli errori, gli spostamenti e il traffico all’interno del magazzino, velocizzando i tempi di prelievo e il livello di servizio.

Intelligenza Artificiale in logistica

una rivoluzione a portata di mano

L’intelligenza artificiale non si sostituisce in alcun modo alla persona ma diventa il miglior alleato del responsabile della logistica e di chi prende decisioni.
L’IA può trovare diverse applicazioni in logistica, in tutti gli ambiti in cui la quantità di dati e delle variabili è molto importante come

  • la formazione di colli
  • il confezionamento
  • il trasporto

andando a

  • ottimizzare le sedi
  • prevedere le tappe
  • contemplare le diverse consegne
  • considerare le finestre orarie.

Ad esempio, normalmente per l’ottimizzazione dei posti picking vengono utilizzati gli indici di rotazione e la data di scadenza piuttosto che le caratteristiche dell’articolo e dell’imballo.

Con l’aiuto dell’intelligenza artificiale GEP è riuscita ad approcciare modelli più complessi, grazie alla velocità di elaborazione dei dati storici, che ha permesso di tener conto

  • dei vincoli di generazione delle missioni di picking
  • della struttura del magazzino
  • delle politiche di routing

per arrivare a predire le posizioni ottimali dei posti picking, limitando gli errori, gli spostamenti e il traffico all’interno del magazzino, velocizzando i tempi di prelievo e il livello di servizio.

I risultati ottenuti

un simulatore che consenta di calcolare le distanze e intercettare per tempo le eventuali problematiche

Abbiamo lavorato con IBM per otto settimane utilizzando la tecnologia IBM Cloud Pak for Data nell’ambito della locazione ottimale dei prodotti a scaffale.

L’obiettivo è stato di creare un simulatore che consenta di calcolare le distanze che si devono percorrere per prelevare tutti gli articoli presenti all’interno di un magazzino, data la tipologia e i vincoli dei diversi magazzini. In aggiunta a ciò, valutare le distanze percorse su uno storico di missioni a fronte di configurazioni diverse, così da individuare quella che consente di percorrere una distanza inferiore.

Il modello messo a punto è in grado di:

  • analizzare gli ordini e confrontare i risultati effettivi con eventuali diverse politiche di routing
  • simulare azioni e cambiamenti, confrontandoli con quello che è stato
  • controllare i risultati e appurare se la simulazione è stata migliorativa o peggiorativa, e quali errori sono stati evitati;
  • effettuare un’analisi di confronto con dati storici per valutare la missione ancora da effettuare
  • visualizzare in anteprima il tragitto del picker, l’eventuale traffico che si potrebbe sviluppare in seguito in magazzino
  • fare azioni correttive in anticipo.

Cosa ci aspetta nel futuro

La collaborazione con IBM faciliterà GEP Informatica nel percorso già intrapreso, che mira a sviluppare ed espandere la sua leadership digitale nell’ambito della logistica.

IBM e GEP lavoreranno insieme sull’introduzione di algoritmi sempre più complessi: grazie al modello IBM Garage, che permette di testare i sistemi di calcolo complessi su casi reali, sul mercato arriveranno presto prodotti in grado di aiutare (non sostituire) gli operatori logistici, a ridurre il numero di errori aggiungendo alla BI la capacità predittiva della IA

Chiedi informazioni su questo progetto