Artificiële intelligentie in resourceplanning: voordelen, effecten en vooruitzichten

Het optimaliseren van efficiëntie en productiviteit is voor magazijnbeheerders een absolute must om hun groei te waarborgen en de concurrentie het hoofd te bieden. Daarom vertrouwen ze steeds meer op operationeel onderzoek en artificiële intelligentie (AI), twee nauw verwante gebieden. In combinatie met relevante gegevensverzameling bevorderen ze een efficiënter, prestatiegerichter en transparanter beheer.

Toenemend gebruik van AI

Operationeel onderzoek en artificiële intelligentie zijn twee instrumenten die helpen bij besluitvorming en het optimaliseren van resourceplanning. Deze zijn sinds de jaren 1980 in gebruik in magazijnen en nog langer in het militaire domein. "De eerste magazijnbeheersystemen gebruikten gedeeltelijk behoorlijk intelligente algoritmes, maar ze waren beperkt in hun vermogen om grote hoeveelheden gegevens te verwerken, rekening te houden met realtime acties in het magazijn, zich aan te passen aan veranderingen in de vraag of onderbrekingen in de supply chain", herinnert Ayoub Mcharek, Data Lab Manager bij Generix Group.

In de afgelopen jaren heeft artificiële intelligentie een zeer significante vooruitgang gekend. Nieuwe technologieën zoals machine learning, voorspellende analyse en computer vision vergemakkelijken het verzamelen en analyseren van gegevens in realtime, en hun gebruik om logistieke processen te optimaliseren.

Een waardevolle ondersteuning bij besluitvorming.

Om vooruitgang te boeken in de allocatie van middelen, kan een magazijnbeheerder gebruikmaken van AI met verschillende voordelen. Zo kunnen leeralgoritmes worden ingezet om historische trends te analyseren en toekomstige vraag naar voorraden te voorspellen op basis van verschillende factoren (seizoensgebondenheid, economische situatie, speciale gebeurtenissen zoals Covid, enz.). De planning kan dienovereenkomstig worden aangepast om tekorten of overschotten te vermijden. "Hoewel het niet altijd mogelijk is om de voorraadbewegingen van bepaalde producten te voorspellen," benadrukt Ayoub Mcharek, "is het over het algemeen wel mogelijk om de werklast van een magazijn te voorspellen".

Een ander bewezen voordeel van AI is de versterking bij het optimaliseren van de voorraad en opslagroutes van producten. Het resultaat is een vermindering van de verplaatsingstijd van operators en machines, wat leidt tot kostenbesparingen. Met AI is het eenvoudiger om de juiste middelen toe te wijzen aan de juiste taak, op het juiste moment en op de juiste plaats, waardoor toewijzingen worden verbeterd. Het blijkt ook bijzonder relevant te zijn voor het detecteren van afwijkingen, zoals bijvoorbeeld verstoppingen in een gangpad. Deze informatie kan in realtime worden gedeeld met teams om hun verplaatsingen in dat geval aan te passen. "Kortom," vervolgt Ayoub Mcharek, "AI vergemakkelijkt het werk van operators, helpt bij het verzamelen, analyseren en corrigeren van gegevens in realtime, en maakt interactie ermee mogelijk. Het is een geschikt hulpmiddel om te heralloceren, veranderen, herberekenen en zorgen voor responsiviteit en flexibiliteit om altijd beter te optimaliseren". Tot slot, een zeer belangrijk voordeel voor de aantrekkelijkheid van banen in magazijnen: door handmatig werk te verminderen en repetitieve zware taken te automatiseren, draagt AI bij aan een betere kwaliteit van leven op het werk voor werknemers.

Wat zijn de gevolgen van slimme planning? 

Het gemakkelijker bereiken van de doelen voor de dag, week of kwartaal is wat wordt verwacht van slimme planning. Met dit doel kan AI de magazijnbeheerder helpen om de beste middelen toe te wijzen aan taken waar ze het meest effectief zijn in geval van een strakke werkplanning. In het geval van het tegenovergestelde kan AI voorstellen om minder ervaren mensen op een specifieke taak te plaatsen, zodat ze daar kunnen worden opgeleid.

« En intégrant au fur et à mesure ce qui se passe dans l’entrepôt et en simulant différentes configurations, l’IA offre au manager une vision sur la façon dont il pourrait améliorer sa productivité dans le temps. Des analyses a posteriori permettent aussi d’avancer dans ce sens-là », souligne Ayoub Mcharek. Un ensemble d’indicateurs de suivi de l’activité avant, pendant et après, doivent être étudiés comme la quantité moyenne d’opérations réalisées par employé, par jour, les critères de pénibilité, le nombre moyen de préparations sur stock, en flux tendu, par mode, le picking réalisé par heure, etc. « L’entrepôt est un maillon de la chaîne de logistique qui ne peut pas tout planifier car il subit des flux non prévus. Notre rôle est de mettre à disposition de nos clients l’ensemble des outils à la fois nécessaires et flexibles, afin d’optimiser et gérer efficacement leurs équipes, malgré cette fluctuation qu’ils ne maîtrisent pas ». 

"Door geleidelijk aan te integreren wat er in het magazijn gebeurt en verschillende configuraties te simuleren, biedt AI de manager inzicht in hoe hij zijn productiviteit in de loop van de tijd kan verbeteren. Ook achteraf analyses helpen in die richting", benadrukt Ayoub Mcharek. Een reeks indicatoren voor het volgen van activiteiten voor, tijdens en na het werk moet worden onderzocht, zoals het gemiddelde aantal bewerkingen per werknemer per dag, de criteria voor zwaar werk, het gemiddelde aantal voorraadvoorbereidingen, just-in-time, per modus, de picking die per uur wordt uitgevoerd, enzovoort. "Het magazijn is een schakel in de logistieke keten die niet alles kan plannen, omdat het te maken krijgt met onvoorziene stromen. Onze rol is om onze klanten de nodige en flexibele tools te bieden om hun teams effectief te optimaliseren en te beheren, ondanks deze fluctuaties die ze niet onder controle hebben."

Wat zijn de vooruitzichten voor morgen?  

In de toekomst zal AI waarschijnlijk een groeiend aantal steeds complexere taken op zich nemen. Maar het zal een tool blijven die geconfigureerd en begeleid wordt door mensen. Het kan echter worden geconfronteerd met een uitdaging, namelijk de diversiteit van magazijnen. Volgens Ayoub Mcharek is het "niet mogelijk om een AI per klant te ontwikkelen, wat complex en zeer kostbaar zou zijn. Aan de andere kant kunnen generieke AI niet voldoende presteren gezien de specificiteit van elke klant. Het vinden van de beste compromissen is een van onze belangrijkste uitdagingen". Hij benadrukt ook een aandachtspunt met betrekking tot de relatie met het personeel: "Als we automatisch middelen toewijzen aan taken, moeten we kunnen uitleggen, argumenteren en transparant zijn".

AI heeft nog lang niet al zijn potentieel onthuld; er zijn nog veel terreinen te verkennen en talloze bronnen van mogelijke innovaties. De enige beperking op dit moment is die van de verbeelding en techniek, hoewel beide ongetwijfeld zullen worden verlegd. "We beleven een nieuwe revolutie. Het is aan ons om te zien hoe we de wereld van morgen vormgeven, want onze huidige keuzes zullen van invloed zijn op toekomstige generaties. We moeten in gedachten houden dat AI-technologieën gereedschapskisten zijn en gefocust blijven op menselijkheid en ethische principes", concludeert Ayoub Mcharek.