Locatiemanagement
Van theorie naar praktijk
Goed locatiemanagement zorgt voor een optimale opslaglocatie van de producten in je magazijn. In veel gevallen wordt locatiemanagement overgelaten aan diegene die de goederen fysiek wegzet. Deze persoon heeft vaak echter geen of slechts een beperkt inzicht in de voorraadstrategie van de onderneming. AI helpt je een meer dynamische, real-time locatiemanagement te bekomen. De historische verkopen, de orderportefeuille, de vraagvoorspelling, productafmetingen en looptijden bij orderpicking kunnen hier allemaal bij in rekening worden genomen. Dat verhoogt de efficiëntie van je bedrijf, reduceert de grootte van je opslagruimte en zorgt voor minder menselijke fouten zoals verkeerde plaatsingen binnen het magazijn.
Toepassingen
Door de introductie van AI kun je locatiemanagement optimaliseren vanuit verschillende hoeken zoals de stockplanning, initiële product placement, het transferproces tussen stock en picking zone, alsook het bijhouden en plannen van de producten binnen het magazijn. Algoritmen stellen dan bijvoorbeeld de meest efficiënte opslagplaats voor een product voor. Hierdoor spenderen werknemers minder tijd aan het wegzetten en ophalen van pakketten.
Hoe groter het aantal producten in je warenhuis wordt, hoe complexer het locatiemanagement natuurlijk wordt. Factoren zoals de orderpicking methode, de grote en layout van de opslagruimte, de transportinstallaties, de productkarakteristieken, de vraag, enz. spelen allemaal een rol in het bepalen van een optimale productlocatie. Manueel locaties bepalen wordt dan snel onoverzichtelijk, maar AI is net gemaakt voor dergelijke complexe berekeningen. De warenhuizen van het Chinese e-commerce bedrijf Alibaba analyseren bijvoorbeeld de grote en het gewicht van producten, de verkoopsvoorspellingen van producten, bestaande productallocatieregels, enz. Dit alles zorgt voor een zo optimaal mogelijke verwerking van je producten.
Een optimale verwerking van producten in warenhuizen is dubbel zo belangrijk wanneer je met bederfbare goederen werkt. Deze goederen moeten snel hun weg naar klanten vinden, want binnen een paar dagen zijn ze niet meer vers genoeg. Het Britse supermarkttechnologiebedrijf Ocado benut daarom AI om binnen een periode van vijf uur voedsel dat in het warenhuis komt eerst op te slaan, vervolgens in te pakken, en tot slot naar de klant uit te sturen. Het locatiemanagement van Ocado beperkt zich ook niet enkel tot de productlocaties in warenhuizen, maar ook deze in de bestelbusjes. Incorrecte plaatsing van producten in bestelbusjes zijn namelijk een grote oorzaak van voedselafval. Het locatiemanagementsysteem zorgt dus niet enkel voor verse producten bij klanten, maar ook voor een reductie in de afvalberg.
Maar locatiemanagement gaat echter niet enkel over de meest optimale locatie bepalen, de producten moeten uiteindelijk ook efficiënt van en naar die locatie gaan. Vast ben je al bekend met semiautomatische shuttles die producten van en naar een locatie in het warenhuis brengen. AI maakt dergelijke shuttles echter een pak slimmer. Door camera's op deze shuttles te plaatsen en uit te rusten met beeldherkenningstechnologie, kan zo een shuttle automatisch de grootte van een product en het type product herkennen. Op deze manier kan de shuttle data over het product doorgeven aan het gehele locatiemanagementsysteem, de juiste locatie terugkrijgen, en vervolgens het pakket naar deze locatie brengen. Omdat het systeem ook de positie en oriëntering van producten kan herkennen, worden shuttles ook een pak flexibeler omdat objecten niet meer in een voorgedefinieerde positie en oriëntering moeten opgeslagen worden.
Vereisten
Data
- Historische orderpicklists
- Historische picking locaties van goederen
- Historische verplaatsingen doorheen warehouse
- Digitale representatie van het warenhuis (slots, capaciteit, locatie)
- Geen externe data vereisten
Hardware
- Standard dataopslag en -verwerkingscapaciteit
Algoritme
- Optimalisatiealgoritme
- ~Pattern search
- ~Stochastic algorithms f.e. Simulated annealing
- ~Population-based algorithms (Genetic algorithm, Particle Swarm Optimizatoin)
- Route-simulatiealgoritme
- Market basket analysis – Detectie van items die vaak samen gepickt worden.
Aandachtspunten
- De oplossing bestaat uit meerdere componenten. Locatie management in een warehouse is een complex en gelaagd probleem. Bijv. de optimale locatie is afhankelijk van zowel de verwachtte vraag, die op zichzelf een voorspeling is, als de verwachtte order picking route die op zichzelf een optimalisatieprobleem is Een globaal optimale oplossing kan enkel bekomen worden als elk van de deelconcepten mee in rekening genomen wordt. Optimalisatie van elke component op zich is bovendien geen garantie dat het geheel geoptimaliseerd wordt.
- Kies een gepaste doelstelling voor je optimalisatie. Er moet een beslissing genomen worden over wat je exact wil optimaliseren: (welke) kosten, totale tijd, gemiddelde tijd, maximale tijd etc. Het algoritme zal deze keuze niet zelfstandig maken.
- Oplossing dient rekening te houden met file-probleem. Afhankelijk van de fysieke, onveranderbare lay-out van de locatie, kunnen er zich fileproblemen of andere problemen voordoen. Bijv. een nauwe doorgang tussen 2 aparte ruimtes, pillaren die de vrijheid van indeling beperken, dwarsbalken en variërende hoogtes van plafonds etc.
- Verplaatsen van items kost ook geld. Het toewijzen van locaties in een volledig leeg of nieuw warenhuis is relatief eenvoudig. Wanneer je echter items moet verplaatsen in je huidige warenhuis, dan moeten uiteraard ook deze verplaatsingskosten in rekening worden gebracht.
Stappenplan
- Bepaal (optimalisatie-)doelstelling
- Digitaliseer warenhuis
- ~Bepaal locaties en eigenschappen, coördinaten binnen warenhuis, capaciteit, andere eigenschappen (bijv. Gekoeld)
- ~Bepaal afstanden, verbindingen en doorgangswegen
- Verzamel gegevens
- ~Historische order picklists, vraag, picking times, capaciteit & snelheid order pickers etc.
- Verwerk en verbeter gegevens
- ~Indien nodig: voorspel toekomstige orders
- Pas optimalisatiealgoritme toe
- Organiseer beschikbare parameters als onderdelen van kostenfunctie in functie van warehouse layout.
- ~Formaliseer beperkingen van toekomstige oplossing
- ~Pas optimalisatiealgoritme toe
- Valideer uitkomst algoritme
Partners
Hulp nodig bij de implementatie van deze AI-toepassingen?
Ontdek hier enkele technologiepartners.