A plataforma, baseada em um algoritmo genético, recomenda níveis ideais de estoque e estratégias de transporte
O Massachusetts Institute of Technology (MIT) Center for Transportation & Logistics e a Mecalux desenvolveram um simulador baseado em inteligência artificial capaz de otimizar a distribuição de estoque entre diferentes armazéns dentro da mesma rede logística. A plataforma, chamada Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), utiliza modelos avançados de machine learning para analisar milhares de cenários possíveis e simular qual deles é o nível de estoque ideal em cada armazém e quando for conveniente reabastecê-lo.
O simulador de IA considera variáveis como a demanda projetada em cada região, os custos de transporte e a capacidade operacional de cada armazém para testar diferentes políticas de reposição de estoque sem afetar as operações reais. “O algoritmo genético permite que múltiplas simulações sejam executadas com diferentes parâmetros até que a estratégia logística mais eficiente seja encontrada. As empresas podem comparar cenários e selecionar aquele que melhor se adapta às suas operações”, explica o Dr. Matthias Winkenbach, Diretor de Pesquisa do MIT Center for Transportation & Logistics e do Intelligent Logistics Systems Lab.
Após a inserção dos dados e variáveis no sistema, GENESIS gera a solução ideal, acompanhada de painéis estatísticos avançados. Os usuários podem analisar indicadores como padrões de consumo, regiões com alta variabilidade de demanda e produtos com maior risco de quebra de estoque ou armazéns com problemas de abastecimento.
Redistribuir antes de comprar
Uma das principais funcionalidades do sistema é que permite reequilibrar o estoque entre os armazéns. Em vez de fazer novos pedidos automaticamente aos fornecedores, a ferramenta analisa se é mais eficiente transferir produtos de outro centro da rede onde haja excedente. Isso permite que as empresas reduzam custos e façam melhor uso do estoque existente.
O sistema também recomenda como organizar o transporte, por exemplo, se é aconselhável agrupar remessas para otimizar caminhões ou atender determinados pedidos a partir de um local específico para reduzir tempo e custos.
“O verdadeiro desafio não foi encontrar o algoritmo certo, mas sim torná-lo rápido o suficiente para ser prático. Desenvolvemos o GENESIS do zero para avaliar milhares de cenários simultaneamente, em vez de sequencialmente. O que antes levava dias agora leva minutos, permitindo que as empresas o utilizem para planejamento tático real e não apenas para análises teóricas”, confirma Rodrigo Hermosilla, pesquisador do MIT Intelligent Logistics Systems Lab.
Ao contrário das soluções analíticas reservadas para perfis especializados, o GENESIS foi projetado para ser utilizado não apenas por perfis técnicos, mas também por gerentes de negócios. "O objetivo é ajudar as empresas a minimizar o custo total de sua rede logística e garantir o mais alto nível de serviço", afirma Javier Carrillo, CEO da Mecalux.
Aplicações futuras de IA
O simulador é um dos primeiros resultados tangíveis da colaboração entre Mecalux e MIT CTL que entra agora em uma nova fase focada na expansão da aplicação da IA a outros processos logísticos, como reabastecimento interno, uso de gêmeos digitais em sistemas automáticos de armazenamento de alta densidade e otimização das localizações de produtos.