In che modo l’intelligenza artificiale aiuta le imprese a ottimizzare i propri processi logistici?

Pubblicato il 26 Marzo 2024 • Tempo di lettura: 8 min read

In un contesto internazionale molto teso, i responsabili delle supply chain sono confrontati a sfide sempre più importanti: mancanza di mano d’opera e di materie prime, costi elevati dei trasporti, ecc.
Per riuscire a costruire una supply chain più resiliente, la maggior parte dei decision maker ha scelto il proprio campo: quello dell’innovazione tecnologica.

Indice dei contenuti

• Intelligenza artificiale logistica e generativa: ma di quale intelligenza parliamo?
  • Il machine learning
  • l deep learning
• Le applicazioni dell’intelligenza artificiale più pertinenti per il settore logistico
  • L’analisi predittiva della domanda
  • La gestione intelligente delle scorte
  • La preparazione automatizzata degli ordini
  • L’inventario degli stock tramite drone
  • La consegna di merci tramite droni o veicoli autonomi
  • L’ottimizzazione dei giri di trasporto

L’intelligenza artificiale sta trasformando le sfide logistiche di oggi in opportunità. Per i responsabili della catena di approvvigionamento, l’innovazione tecnologica è la chiave per costruire una catena di approvvigionamento più resiliente.

Come dimostrato dal sondaggio Descartes 2023 sulla gestione dei trasporti, il 44% dei dirigenti predilige l’automazione delle operazioni, e l’utilizzo intelligente delle informazioni appare essenziale per creare valore.
Uno degli strumenti per sfruttare al meglio le risorse disponibili è l’intelligenza artificiale. Ma tra annunci ad effetto e scenari di fantascienza, non sempre è facile vederci chiaro.
La nostra azienda, che da quasi 10 anni utilizza l’intelligenza artificiale per ottimizzare i giri, fa il punto su questa tecnologia e sulle sue applicazioni più pertinenti per il settore logistico.

Intelligenza artificiale logistica e generativa: ma di quale intelligenza parliamo?

In soli pochi mesi, i programmi di intelligenza artificiale generativa, come Chat GPT, DALL E et Midjourney, hanno già sedotto centinaia di milioni di utenti in tutto il mondo.
Tutte queste IA, in grado di riprodurre un compito o una serie di compiti, svolti finora dall’uomo, sono dette deboli. Per riprendere la definizione dell’UNESCO, sono capaci di svolgere determinati compiti in modo autonomo ma senza coscienza, in un quadro definito dall’uomo e in seguito a decisioni prese da lui soltanto.

Per il momento, l’IA forte, dotata di ragione e di sensibilità e capace di risolvere problemi in completa autonomia, esiste soltanto nella fantasia!

Le prestazioni di queste IA deboli sono tuttavia già molto sorprendenti. Per capire meglio il modo in cui funzionano e quello che offrono, possiamo distinguere due metodi di apprendimento automatico: il machine learning e il deep learning.

Il machine learning

Questo metodo consente di insegnare a una macchina a produrre un risultato a partire da dati strutturati o semi strutturati, per esempio coordinate geografiche, database clienti, informazioni su una flotta veicoli, ecc.

Nella vita di tutti i giorni, molti sistemi integrano un livello di apprendimento automatico, come gli algoritmi di raccomandazione di siti di e-commerce, di piattaforme di streaming, ecc.
Ad ogni clic, la macchina perfeziona le proprie conoscenze sui tuoi gusti e le tue abitudini di acquisto per elaborare proposte sempre più personalizzate.

È anche sul machine learning che si basa il nostro software di ottimizzazione dei giri, costantemente perfezionato da due dottori in ricerca operativa.
Grazie a questi algoritmi di apprendimento automatico, AntsRoute ottimizza in modo sempre più dettagliato giri molto complessi, tenendo conto di un numero considerevole di dati, senza alcun intervento umano.

Immaginiamo che i tuoi corrieri debbano regolarmente aspettare presso uno stesso cliente prima di potere consegnare. Consegna dopo consegna, il software impara dai propri errori e calcola un tempo di scarico sempre più realistico.

l deep learning

Questa tecnologia si basa sull’utilizzo di reti neurali, capaci di stabilire relazioni fra enormi insiemi di dati non strutturati per prendere decisioni o formulare previsioni.

Grazie al deep learning, gli ingegneri sono riusciti a mettere a punto soluzioni rivoluzionarie come software di traduzione automatica, di riconoscimento delle immagini o robot autonomi, inimmaginabili fino a qualche anno fa!

Questi sistemi, che imitano molto bene il cervello umano, richiedono tuttavia risorse informatiche e quantità fenomenali di dati per essere correttamente allenati e produrre risultati soddisfacenti.

Le applicazioni dell’intelligenza artificiale più pertinenti per il settore logistico

La logistica è apparsa molto velocemente come un campo di applicazione ideale per i sistemi di intelligenza artificiale, con i suoi grandi insiemi di dati collegati da relazioni di causa-effetto ben studiate.
Ecco una sintesi dei casi d’uso più interessanti, che si tratti di strumenti già operativi o di sperimentazioni molto promettenti a breve termine.

L’analisi predittiva della domanda

Una delle sfide più grandi a cui sono confrontati i professionisti del commercio e della distribuzione è quella di adattarsi alla domanda dei clienti in tempo reale senza rischiare né l’esaurimento delle scorte, né lo stoccaggio inutile.

Ne sono un esempio i prodotti cosiddetti meteo sensibili, il cui consumo varia in funzione delle condizioni climatiche: tessili, bevande, gelati, apparecchi di riscaldamento o di condizionamento, ecc.
Basta che la temperatura aumenti o diminuisca di qualche grado perché la vendita di questi prodotti decolli o crolli, a volte in modo spettacolare.
Di conseguenza, i professionisti di questi settori hanno interesse ad analizzare la propria attività passata in base ai relativi dati meteorologici per anticipare al meglio i comportamenti degli acquirenti e adeguare i propri ordini.

L’analisi della domanda in funzione della tipologia del punto vendita è un altro caso di utilizzo molto interessante dell’intelligenza artificiale, poiché il consumo di alcuni prodotti varia molto in funzione della localizzazione del negozio, dell’origine sociologica dei clienti, ecc.

Incrociando tutti questi dati con l’aiuto dell’intelligenza artificiale, i marchi del commercio e della grande distribuzione possono quindi ottimizzare considerevolmente la gestione e l’approvvigionamento dei diversi punti vendita.
Tali informazioni sono inoltre molto utili per negoziare i prezzi del trasporto in funzione dell’urgenza degli ordini.

La gestione intelligente delle scorte

Ma affinché le merci raggiungano rapidamente i negozi o gli e-commerce, è necessario che siano disponibili in quantità sufficiente a monte, in magazzini logistici situati il più vicino possibile al consumatore finale.

Ancora una volta, l’analisi incrociata degli ordini degli anni passati con i dati raccolti online o forniti dai clienti è essenziale per una gestione ottimale delle scorte.

La maggior parte dei Warehouse Management System (WMS) contiene ormai algoritmi di machine learning che aiutano l’uomo nelle proprie decisioni suggerendogli ordini di prodotti pertinenti.

Alcune aziende vanno oltre nell’utilizzo dell’intelligenza artificiale affidandosi a gemelli digitali. Dietro questo termine si nascondono soluzioni di simulazione molto avanzate che creano una sorta di doppione digitale della supply chain.
L’obiettivo di questi sistemi è modellare la supply chain in tutta la sua complessità e calcolare tutti gli scenari e i movimenti possibili per ottimizzare in modo dinamico i diversi flussi di merci.

La preparazione automatizzata degli ordini

In un contesto di forte tensione per quanto riguarda le assunzioni, le aziende faticano ad attrarre e a fidelizzare addetti alla preparazione degli ordini efficienti.
Il che non sorprende visto che questo tipo di lavoro, oltre ad essere faticoso e molto ripetitivo, è spasso mal retribuito.

Un numero sempre maggiore di player del settore logistico sviluppa quindi soluzioni innovative per migliorare le condizioni lavorative degli operatori, o addirittura per automatizzare completamente il loro lavoro.

Per ridurre gli spostamenti degli operatori all’interno del magazzino, numerosi software di gestione delle scorte determinano per ogni prodotto la sua posizione ideale in funzione di parametri quali la stagionalità, il tasso di rotazione, il tipo di articolo, ecc.

Altre soluzioni sfruttano le risorse dell’intelligenza artificiale per calcolare automaticamente il percorso di picking migliore, in modo che ogni operatore possa prendere efficacemente tutti i prodotti ordinati senza dimenticarne alcuno.

Per ottimizzare ulteriormente i costi di preparazione degli ordini, i maggiori player sperimentano anche robot e veicoli autonomi, ovvero pilotati dall’IA.

In uno spazio normalmente molto ben organizzato come un magazzino, dove il traffico è ridotto, questi sistemi riescono già a svolgere azioni complesse come posizionare o prendere un pacco in quota.
Alcuni robot possono anche afferrare e depositare automaticamente il prodotto ordinato grazie a sensori collegati ai pacchi.

I veicoli a guida automatica (Automated Guided Vehicle o AGV) rappresentano un’altra applicazione dell’IA in piena espansione. Potendosi muovere autonomamente all’interno dei magazzini, trasportano pallet di prodotti nelle scaffalature, verso una banchina di carico, ecc.

L’inventario degli stock tramite drone

Noioso e dispendioso in termini di tempo, l’inventario rimane indispensabile per correggere gli inevitabili errori di scorte.

Per automatizzare questa operazione tanto temuta, le società di Grenoble Hardis Group e Squadrone System hanno lanciato nel 2015 lo sviluppo di un drone chiamato Eyesee.

Nel 2022, la startup Darwin Drones ha rilevato Eyesee per industrializzarne la produzione e accelerarne l’implementazione commerciale.
Perché questa tecnologia, che fino a poco tempo fa era fantascientifica, è ormai matura e ha già conquistato multinazionali come L’Oréal, Bayer, Ikea, ecc.

Questo drone può essere pilotato in modo manuale o automatico, all’interno di spazi di stoccaggio interni o esterni. Grazie a una telecamera integrata collegata al software di gestione del magazzino, è in grado di riconoscere automaticamente tutti i tipi di codici a barre e quindi di aggiornare i dati dell’inventario in tempi record.

Questo sistema, che utilizza il riconoscimento computerizzato degli oggetti, rileva anche la presenza di pallet, rack od ostacoli analizzando le linee verticali e le loro interruzioni.

La progressiva generalizzazione di queste soluzioni dovrebbe permettere di ridurne rapidamente i costi e di automatizzare l’inventario delle scorte con una percentuale di errore molto bassa.

La consegna di merci tramite droni o veicoli autonomi

Rimanendo nel tema, alcune aziende come Amazon, Walmart o Kroger hanno sperimentato la consegna con robot mobili autonomi, su strada o in volo.

Attualmente, queste tecnologie di trasporto merci comportano ancora troppi rischi di collisione in ambiente aperto. Alcune merci sono anche troppo pesanti o troppo fragili per questo tipo di trasporto, senza dimenticare il problema della protezione della privacy.

I progressi molto rapidi dell’intelligenza artificiale dovrebbero tuttavia permettere una generalizzazione a breve di questi sistemi, meno futuristici di quanto sembrino…

L’ottimizzazione dei giri di trasporto

Nel frattempo, il trasporto merci a bordo di veicoli guidati dall’uomo costituisce ancora la principale voce di costo delle imprese logistiche.
L’ultimo miglio rappresenta da solo il 20% del costo reale di una consegna, e questa percentuale può arrivare fino al 50% in centro città.

Per ottimizzare le distanze percorse, e quindi i costi di trasporto, i nostri due dottori in ricerca operativa hanno sviluppato potenti algoritmi basati sull’ottimizzazione combinatoria. Questo ramo della matematica si occupa di calcolare la soluzione migliore tra un numero finito di possibilità, ma molto elevato.

Grazie a questi algoritmi, abbinati al machine learning, il nostro software di gestione dei giri è in grado di determinare per ogni corriere il percorso ideale in funzione di vincoli specifici.
A seconda dell’attività dell’azienda, può trattarsi degli orari di apertura o della presenza del cliente finale, del livello di servizio sottoscritto, di alcune caratteristiche delle merci, delle competenze degli autisti, ecc.

Tuttavia, se effettui consegne anche solo a 100 clienti al giorno, con vincoli variabili da un cliente all’altro, l’ottimizzazione dei giri a mano o con un foglio di calcolo si trasforma rapidamente in un rompicapo.
Solo una soluzione IT ad alte prestazioni ti consentirà di ottimizzare tutti i flussi tenendo conto della grande quantità di dati disponibili.

Per provare il nostro software di gestione dei giri per 7 giorni, è sufficiente registrarsi qui. La prova è gratuita e senza impegno, e non dovrai neanche fornire il tuo numero di carta di credito!