Warehouse Healing : réduction des temps de trajet grâce à des algorithmes intelligents

À l'ère de la numérisation et de l'automatisation, presque tous les centres logistiques ont une chose en commun : l'utilisation cohérente des données pour en déduire des recommandations d'action ou des stratégies est généralement négligée. En conséquence, d'immenses potentiels restent cachés et ne sont que rarement exploités.

La nouvelle stratégie d'entrepôt "Warehouse Healing" défragmente l'entrepôt. Elle réduit les temps de déplacement des hommes et des machines grâce à l'analyse intelligente des données de mouvement et des paniers de marchandises. Les coûts du processus le plus intensif en main-d'œuvre dans un entrepôt - la préparation de commandes - sont ainsi fortement réduits à moindre coût. Il en résulte une augmentation des performances et une planification efficace des ressources dans l'entrepôt. La mise en œuvre est un jeu d'enfant pour la logistique opérationnelle : le système de gestion d'entrepôt SuPCIS-L8 propose des processus de transfert et d'échange pour les stocks. Les fréquences de prélèvement classiques(Pick Frequency), telles qu'elles sont connues dans l'analyse ABC, sont prises en compte, ainsi que le fait qu'un grand nombre d'articles sont souvent commandés ensemble(Product Affinity).

Que ce soit pendant les heures creuses ou par interférence avec les activités quotidiennes régulières, ces opérations sont simples et peuvent être effectuées à tout moment. Dans les entrepôts automatisés, par exemple dans les entrepôts à hauts rayonnages (HRL), ces opérations sont effectuées en dehors des heures de travail normales.

De nombreuses entreprises s'intéressent désormais aux données dans leurs systèmes, mais sont souvent confrontées à ces questions particulières. Comment sélectionner les bonnes sources de données et les processus d'automatisation ? Comment puis-je en déduire des cas d'utilisation spécifiques à l'entreprise qui apportent une réelle valeur ajoutée ? Et même si une entreprise a réussi à surmonter ces obstacles, elle est encore loin du compte :

• apporter des changements concrets aux processus d'entreprise et
• d'obtenir des modèles auto-apprenants avec des résultats toujours meilleurs au fil du temps.

‍

L'innovation "Warehouse Healing" permet aux clients d'exploiter tout le potentiel de cas d'utilisation prédéfinis. De la collecte des données à leur utilisation dans l'intralogistique, des outils intelligents ainsi que des experts de l'équipe de science des données sont disponibles.

La mise en œuvre concrète suit un principe simple et peu coûteux en termes d'investissement et divise le déploiement en deux phases :

1. Proof-of-Value
   La première étape consiste à valider l'utilité des données clients. Ensuite, les sources de données sont déterminées, les données sont intégrées, transformées et visualisées. Les premiers résultats (propositions de transfert et d'échange) sont ensuite déterminés sur la base d'algorithmes et l'interprétation des résultats permet de déterminer les économies de temps de trajet spécifiques au cas d'utilisation. L'objectif est de prendre une décision guidée par les données pour ou contre l'introduction du "warehouse healing".
   
   
2. Mise en œuvre du cas d'utilisation
   Dans la deuxième phase, l'intégration des données est automatisée à l'aide de services en nuage. Les résultats des algorithmes sont maintenant utilisés pour simuler des opérations de colmatage et défragmenter le stock au-delà de la normale. Cela n'a aucun impact sur les processus opérationnels en cours. À ce stade, l'objectif principal est de créer un état cible virtuel optimisé qui peut être utilisé pour former la combinaison optimale des paramètres du modèle. Grâce aux expériences d'entraînement automatiques en arrière-plan, les résultats s'améliorent continuellement. La nouveauté de cette phase est également l'utilisation effective des résultats dans les processus d'entreprise et l'interaction directe avec le système de gestion d'entrepôt SuPCIS-L8. La communication se fait via une API. Grâce à des indicateurs de progression, le client peut suivre la réalisation des potentiels en temps réel et se réjouir des économies réalisées.

La stratégie met l'accent sur un "time-to-value" rapide. Pour ce faire, les transferts les plus efficaces sont déterminés par un algorithme et exécutés en premier. Après seulement quelques centaines de transferts, il est possible d'économiser jusqu'à 60 % du temps de trajet dans les installations à plusieurs étages, par exemple.

‍

L'IA et les simulations des paramètres modifiés du modèle permettent d'adapter constamment le résultat aux circonstances changeantes au fil du temps, afin de minimiser la somme des coûts de déstockage.

Grâce à la solution innovante "Warehouse Healing" de la "Warehouse Intelligence Suite", les clients peuvent transformer les données existantes en valeur commerciale. Cette stratégie réduit considérablement les temps de trajet et optimise ainsi le processus de préparation des commandes, qui nécessite beaucoup de main-d'œuvre. Il en résulte une amélioration des performances, une utilisation optimale des flux de travail et une planification efficace des ressources dans les centres de distribution.

Ce thème ou cette stratégie a été élu "Produit de l'année 2021" dans la catégorie Logiciel par le média spécialisé en intralogistique "Materialfluss" !

‍
Vous êtes intéressé par le thème Warehouse Healing et souhaitez obtenir de plus amples informations ? N'hésitez pas à nous contacter.