För att hjälpa sina kunder att bli mer förutsägbara och proaktiva tittar nu Europas Consafe Logistics på fördelarna med AI och machine learning när det gäller Slotting, Picking och Putaway. Företaget satsar på att inom ett flertal olika områden hjälpa sina kunder att öka effektiviteten och minska kostnaderna genom att vara i framkant när det gäller machine learning.
– Vi förväntar oss att AI inom den närmaste framtiden kommer att användas både för att optimera vissa processer inom lagerstyrningen och förbättra lagerprestandan, säger Sofie Travessét, Group Marketing and Communication Manager på Consafe Logistics, i ett pressmeddelande.
Baserat på analys av plockmönster och varuplacering inom lager arbetar Consafe Logistics med att konceptvalidera AI/machine learning för att optimera effektivitet. Grunden för machine learning är insamlingen av en tillräcklig mängd data, vilken efter analys kan användas till att visa på åtgärder för att förbättra effektiviteten.
Dessa initiativ innefattar:
- Slotting: Att undersöka möjligheter att titta på mer än bara frekvens när varor placeras i lagret. Consafe Logistics arbetar med placering av A-, B- och C-varor och att förutse vilka varor som beställs tillsammans och hur ofta de säljs.
- Picking och Putaway: Data för positionering av varor finns redan i Consafe Logistics lagerstyrningssystem Astro WMS. Ytterligare effektivisering gällande plockning och inlagring sker genom att använda algoritmer för att planera olika rutter.
– Genom att använda algoritmer för att förutse vilka produkter som kommer att köpas tillsammans, kan vi planera placeringar av produkter i lagret. Vi ser inte bara på inköpsfrekvensen utan även hur produkterna förhåller sig till varandra. Företagen kan då bättre förbereda sig på vad som kommer att levereras, vilket i sin tur gör prognoserna bättre och kundleveranserna snabbare – de kommer även att kunna förutse vad kunderna kommer att beställa i framtiden utifrån tidigare köp, säger Patrik Olsson, CPO, Consafe Logistics.
