Lo Slimstock Research Lab spinge costantemente sull’estensione dei confini della gestione dell’scorte. Man mano che cresce l’interesse intorno all’Artificial Intelligence (AI) ed al Machine Learning (ML), il nostro team di esperti sta attivamente effettuando ricerche per comprendere come questa tecnologia possa essere utilizzata per superare le sfide della supply chain che le aziende devono affrontare oggi!
In questa infografica, esploriamo come il machine learning viene applicato a specifiche funzionalità di gestione delle scorte per sviluppare la prossima generazione di strumenti per la supply chain!…
1. PREVISIONE DELLA DOMANDA DI NUOVI PRODOTTI
I nuovi prodotti sono notoriamente difficili da pianificare. Il nostro team di ricercatori sta esplorando come utilizzare il Machine Learning per rimuovere l’incertezza e il rischio dal lancio dei nuovi prodotti.
Applicando algoritmi di apprendimento automatico (ML) con configurazioni avanzate, i sistemi basati sull’intelligenza artificiale raggrupperanno lo storico della domanda da più prodotti per identificare e anticipare le tendenze della domanda. Questo, a sua volta, consentirà al sistema di prevedere il volume della domanda.
Il risultato: i team della supply chain saranno in grado di creare previsioni solide per i nuovi prodotti molto più rapidamente di qualsiasi strumento esistente e disponibile ad oggi!…
2. “VENDERE TROPPO O NON VENDERE”
Come puoi determinare se il lancio del tuo nuovo prodotto è stato un successo o meno? Ancora più importante, come si può determinare se un nuovo prodotto debba essere mantenuto in assortimento o eliminato dopo la fase di lancio?
Utilizzando classificazioni di prodotto specializzate abbinate ad algoritmi di ML e tecniche matematiche avanzate, lo Slimstock Research Lab sta esplorando come le tecniche di apprendimento automatico (ML) possano…
3. IDENTIFICAZIONE DELLE ANOMALIE
Utilizzando tecniche simili a quelle utilizzate nel rilevamento delle frodi, il nostro team sta applicando tecniche di machine learning per consentire ai team della supply chain di identificare le anomalie (outliers) nello storico della domanda ed escluderli da qualsiasi analisi.
Inoltre, utilizzando reti neurali avanzate per raggruppare SKUs altamente sensibili alle anomalie, questi prodotti possono essere gestiti in modo più proattivo.
Questo sviluppo aiuterà a rilevare le anomalie nelle operazioni quotidiane come le transazioni con i clienti, la disponibilità e lo stato dell’inventario…
4. RIMOZIONE DEGLI SPRECHI
Ridurre al minimo gli sprechi è una sfida complessa! Dato che possono essere causati da un gran numero di fattori, il Centro ricerche di Slimstock sta sviluppando strumenti per aiutare le imprese ad anticipare l’insorgere di sprechi e le relative perdite di valore e mitigarne le cause.
Concentrandosi sulla quantità ottimale dell’ordine per gli articoli in cui è presente la variabile della deperibilità e sul rischio di obsolescenza alla fine del ciclo di vita, il nostro team sta implementando soluzioni concrete affinché l’Intelligenza Artificiale possa…
5. OTTIMIZZAZIONE DELLE PROMOZIONI
Non c’è dubbio sul fatto che le promozioni portino alle aziende alcuni grandi grattacapi. Tuttavia, con l’avanzare dei sistemi basati sull’ intelligenza artificiale, il nostro team di ricercatori sta esplorando come tali tecnologie possano essere sfruttate per ottimizzare il processo decisionale relativo alle promozioni. Utilizzando una tecnica chiamata “deep reinforcement learning”, il Centro ricerche Slimstock sta studiando attivamente come questo sviluppo possa essere utilizzato per…