Home Biznes Algorytmy sztucznej inteligencji w magazynach e-commerce LPP

Algorytmy sztucznej inteligencji w magazynach e-commerce LPP

0
0
160

Wykorzystanie mechanizmu uczenia maszynowego w magazynie polskiej firmy odzieżowej pozwala na skrócenie drogi potrzebnej do kompletacji zlecenia, zwiększenie wydajności obiektu, optymalizację wykorzystania zasobów magazynowych oraz znaczne przyspieszenie obsługi wysyłek e-commerce.

Spółka LPP wraz z PSI Polska, producentem oprogramowania dla przemysłu, wdrożyły w  magazynie typu Fulfillment Center należącym do polskiej firmy odzieżowej innowacyjne rozwiązanie do optymalizacji ścieżki kompletacji zamówień z wykorzystaniem sztucznej inteligencji. To odpowiedź na rosnący wolumen zamówień online i wyraźną zmianę udziału tego kanału sprzedaży na rynku.

LPP, właściciel marek Reserved, Cropp, House, Mohito i Sinsay, obsługując rocznie ok. 11 mln zamówień, jest jednym z liderów rynku e-commerce w Polsce i Europie. Dynamiczny rozwój sprzedaży internetowej, również w związku z epidemią Covid-19 powoduje, że sprostanie rosnącemu zapotrzebowaniu klientów na zakupy online jest coraz większym wyzwaniem. W  ubiegłym roku udział sprzedaży internetowej w działalności LPP wyniósł 12%. Tymczasem pandemia wpłynęła istotnie na zmianę układu sił między kanałem tradycyjnym i internetowym. – W tej chwili obserwujemy aż 4-krotny wzrost zainteresowania klientów zakupami online. To determinuje konieczność optymalizacji rozwiązań logistycznych i informatycznych mających na celu sprostanie nowym oczekiwaniom klientów bez uszczerbku na jakości i przede wszystkim szybkości obsługi zamówień internetowych – mówi Jacek Kujawa, wiceprezes zarządu LPP. Dlatego zdecydowaliśmy się wraz z naszym wieloletnim partnerem biznesowym, firmą PSI Polska, wdrożyć rozwiązanie oparte na algorytmach sztucznej inteligencji, które pozwoli nam istotnie zwiększyć wydajność obsługi zamówień online, dodaje.

Dzięki systemowi zarządzania magazynem (WMS), LPP gwarantuje klientom, że zamówione produkty trafią do ich rąk, szybko i bezproblemowo. – Podstawowym zadaniem wdrożonego algorytmu jest efektywne rozwiązywanie tzw. „problemu komiwojażera (z angielskiego TSP) – komentuje Jerzy Danisz, kierownik rozwoju Standardu Systemu PSIwms w firmie PSI. Polega on na wyznaczeniu najkrótszej trasy łączącej kilka punktów na mapie. W przypadku magazynu, system musi wyznaczyć optymalną trasę przejścia dla kilkudziesięciu lokacji pickingowych. To, co na pierwszy rzut oka wydaje się proste, w rzeczywistości stanowi istotny problem dla matematyków od lat – podsumowuje Jerzy Danisz.

W związku z tym LPP i PSI Polska zdecydowały się na przygotowanie rozwiązania opartego o algorytmy sztucznej inteligencji. Wykorzystanie mechanizmu uczenia maszynowego, a dokładnie sieci neuronowej opartej o jednostki CNN (ang. Convolutional Neural Network), pozwala w czasie rzeczywistym generować listy produktów potrzebnych do skompletowania zamówienia, wyznaczyć najkrótszą ścieżkę i zaproponować optymalne wykorzystanie zasobów, w tym sprzętu, wózków i czasu pracowników magazynu. Dzieje się to m.in. dzięki zastosowaniu tzw. algorytmu genetycznego, który poprzez aplikację operatorów ewolucyjnych (takich jak krzyżowanie i mutacje) umożliwia stworzenie optymalnej listy kompletacyjnej.

– Dzięki wdrożonemu rozwiązaniu, jak pokazują pierwsze testy, długość ścieżek kompletacyjnych uległa skróceniu o 30%. Przekłada się to również na znaczny wzrost wydajności samego procesu kompletacji w magazynie aż o 12,3%, wyjaśnia Sylwester Dmytriwski, e-commerce fulfillment general manager LPP. Algorytm nie tylko pozwala na skrócenie drogi potrzebnej do kompletacji zlecenia. Dzięki modułowi sztucznej inteligencji, mechanizm „uczy się” w oparciu o posiadane informacje. Przyswaja dane dotyczące magazynu, zamówień i dostępnego personelu. Na tej podstawie grupuje produkty, ułatwiając cały proces, dodaje Sylwester Dmytriwski. Dzięki stałej współpracy z pozostałymi modułami systemu zarządzania zasobami, wdrożone rozwiązanie jest w stanie aktualizować posiadane informacje w czasie rzeczywistym i dostosowywać wygenerowane listy.

Optymalizator ścieżek komplementacji jest elementem projektu Warehouse Intelligence, którego koncepcja, bazująca na zastosowaniu sztucznej inteligencji, została doceniona przez zespół ekspertów z Narodowego Centrum Badań i Rozwoju w Warszawie i rekomendowana do dofinansowania realizacji projektu. Dobra współpraca i zastosowanie zwinnych metodyk wdrożeniowych pozwoliło PSI i LPP na sprawne wprowadzenie innowacyjnego rozwiązania przynoszącego zadowalające efekty już w  pierwszej fazie projektu. Współpracujemy z LPP od lat. W tym czasie system PSIwms pozwolił obsłużyć ponad 10-krotny wzrost wolumenu w centrum dystrybucyjnym LPP w Pruszczu Gdańskim. Cieszy nas, że LPP wybrało nas również do obsługi swoich procesów e-commerce. Zdolność zespołu LPP do szybkiego wdrażania innowacji i reagowania na zmiany budzi uznanie i jest dla nas inspirujące, podsumowuje Arkadiusz Niemira, prezes zarządu PSI Polska.

Dodaj komentarz

Przeczytaj również

Ochrona przed atakami DDoS to klucz do przetrwania firm e-commerce

Na świecie istnieje już ponad 30 milionów internetowych sklepów. Jednym z warunków odniesi…