Simulateur IA pour optimiser les stocks multi-entrepôts

La planification des stocks dans des réseaux d’entrepôts distribués reste une tâche complexe, les entreprises devant concilier niveaux de service, coûts de transport et fluctuations de la demande dans les opérations modernes de digital supply chain. Dans ce contexte, le MIT Center for Transportation & Logistics (MIT CTL) et Mecalux ont développé GENESIS, un simulateur basé sur l’intelligence artificielle destiné à optimiser la distribution des stocks au sein des réseaux logistiques.

Simulation de milliers de stratégies d’inventaire avant déploiement
La plateforme Genetic Evaluation & Simulation for Inventory Strategy (GENESIS) utilise des modèles de machine learning et des algorithmes génétiques pour analyser des milliers de scénarios d’allocation des stocks. L’objectif est de déterminer les niveaux de stock optimaux pour chaque entrepôt et d’identifier les moments appropriés pour le réapprovisionnement.

Le système prend en compte des variables telles que les prévisions de demande régionales, les coûts de transport et la capacité opérationnelle des entrepôts. Grâce à la simulation des stratégies de réapprovisionnement dans un environnement virtuel, les entreprises peuvent tester différentes politiques logistiques sans perturber les opérations réelles.

Une fois les données opérationnelles intégrées, la plateforme génère des recommandations d’optimisation accompagnées de tableaux de bord statistiques. Ceux-ci incluent notamment des indicateurs sur les tendances de consommation, la variabilité de la demande par région, les stock-keeping units (SKU) présentant un risque accru de rupture de stock ainsi que les sites confrontés à des contraintes d’approvisionnement.

Rééquilibrer les stocks plutôt que lancer de nouvelles commandes
Une fonction essentielle du système consiste à rééquilibrer les stocks entre les entrepôts d’un même réseau. Plutôt que de déclencher automatiquement des commandes auprès des fournisseurs, la plateforme analyse s’il est plus efficace de transférer des produits depuis un autre site disposant d’un surplus.

Cette approche permet de réduire les coûts d’approvisionnement et de transport tout en améliorant l’utilisation des stocks existants. Le système formule également des recommandations concernant l’organisation des transports, notamment sur la consolidation des expéditions afin d’optimiser le chargement des véhicules ou sur le choix des sites d’expédition pour réduire les délais de livraison.




Modélisation accélérée des scénarios pour la planification opérationnelle
La plateforme GENESIS a été conçue pour évaluer simultanément plusieurs stratégies d’inventaire plutôt que de manière séquentielle. Cette capacité de simulation parallèle réduit les temps d’analyse de plusieurs jours à quelques minutes, permettant une utilisation pour la planification logistique tactique et non uniquement pour des analyses à long terme.

La plateforme s’adresse à la fois aux spécialistes techniques et aux décideurs opérationnels, facilitant ainsi l’accès à des outils d’optimisation logistique basés sur la simulation.

Extension des applications de l’IA aux opérations d’entreposage
GENESIS constitue l’un des premiers résultats de la collaboration entre Mecalux et le MIT CTL dans le domaine des applications de l’IA en logistique. Les travaux futurs visent à étendre l’usage de l’IA à d’autres processus, notamment le réapprovisionnement interne, les modèles de jumeaux numériques (digital twins) pour les systèmes de stockage automatisés à haute densité et l’optimisation du slotting.

Cette collaboration s’inscrit dans une démarche plus large visant à exploiter des outils de modélisation basés sur l’IA pour améliorer la visibilité des stocks, les stratégies d’automatisation des entrepôts et la performance des réseaux logistiques.

www.mecalux.com

Edited by industrial journalist, Aishwarya Mambet — AI-powered.