Intelligenza Artificiale
L’intelligenza artificiale di Techmakers può essere utile per automatizzare e ottimizzare processi gravosi di elaborazione dei dati
C'era una volta un cliente.... che per errore ha ordinato 7 tonnellate di rondelle.
In questo caso l'intelligenza artificiale non c'entra proprio niente, ma è da questo errore che si è pensato di rendere intelligente un magazzino, o meglio la gestione degli ordini di approvvigionamento del magazzino, applicando ad un processo gestionale le tecniche di Intelligenza Artificiale che possono essere usate anche nel mondo IoT.
Questo magazzino tratta circa 40.000 diversi ricambi, molti dei quali venivano ordinati secondo l'esigenza del momento.
Questo sistema di gestione ha generato un immobilizzo di merce a magazzino medio di circa 7 milioni di Euro.
Il nostro cliente, sapendo che proveniamo dal mondo dei gestionali, ci ha chiesto cosa si sarebbe potuto fare per evitare errori e ottimizzare le scorte in modo da avere a disposizione sempre gli articoli giusti.
La logica dice: osservando i dati storici di vendita posso prevedere le vendite future, determinando quindi quando è il momento di ordinare e quanto per ogni articolo.
Eseguire questo compito non è difficile, ma richiede tempo, e farlo per 40.000 articoli non sarebbe possibile in tempo utile.
Ecco allora che entra in gioco la nostra intelligenza artificiale.
Techmakers automatizza questo processo applicando tecniche di AI (Artificial Intelligence) come reti neuronali che possono essere istruite (training) e utilizzate per effettuare predizioni o identificazione di modelli di dati ripetitivi.
Il compito, spesso reso gravoso dall'esigenza di analizzare i dati in poco tempo, viene svolto da una griglia di server interconnessi tra loro, dove il master distribuisce il carico agli slave decimando così i tempi di lavoro.
In pratica ogni server ha una copia della rete neuronale installata e riceve i dati di vendita, li analizza e genera una stima per i dodici mesi successivi.
Di questa stima si prendono in considerazione solo i primi sei mesi, tenendo conto che il sistema gira tutte le settimane e quindi aggiusta le stime costantemente.
I dati elaborati vengono quindi suddivisi in gruppi omogenei e presentati su grafici in modo che l'occhio umano possa facilmente identificare situazioni e tendenze.
Con una rapida occhiata l'operatore può autorizzare il sistema ad eseguire gli ordini secondo le stime eseguite dalla rete neuronale o gestire manualmente alcuni articoli che, ad esempio, non hanno ancora abbastanza dati storici per generare una previsione realmente utilizzabile.
