O MIT Center for Transportation & Logistics (MIT CTL) e a Mecalux desenvolveram um simulador de IA voltado à otimização da gestão de estoque em armazéns logísticos. A ferramenta foi projetada para analisar e simular diferentes cenários de distribuição de produtos dentro de uma rede de centros de distribuição, permitindo que empresas identifiquem estratégias mais eficientes para reposição e movimentação de mercadorias.

A plataforma, chamada Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), utiliza modelos avançados de machine learning combinados com um algoritmo genético para avaliar milhares de possibilidades operacionais. Com isso, o sistema recomenda qual deve ser o nível ideal de estoque em cada armazém da rede e indica quando o reabastecimento deve ocorrer.

De acordo com os desenvolvedores, o simulador de IA leva em consideração diversas variáveis relevantes para a operação logística. Entre elas estão a demanda projetada em cada região, os custos de transporte entre os Centros de Distribuição e a capacidade operacional de cada armazém. Dessa forma, torna-se possível testar políticas de reposição e distribuição sem interferir nas operações reais da empresa.

“O algoritmo genético permite que múltiplas simulações sejam executadas com diferentes parâmetros até que a estratégia logística mais eficiente seja encontrada. As empresas podem comparar cenários e selecionar aquele que melhor se adapta às suas operações”, explica Matthias Winkenbach, diretor de Pesquisa do MIT Center for Transportation & Logistics e do Intelligent Logistics Systems Lab.

Após a inserção dos dados operacionais na plataforma, o GENESIS gera a solução recomendada juntamente com painéis analíticos detalhados. Esses painéis permitem que os usuários acompanhem indicadores como padrões de consumo, regiões com maior variabilidade de demanda e produtos com risco elevado de ruptura de estoque. Além disso, o sistema identifica possíveis problemas de abastecimento em determinados armazéns da rede.

Redistribuição de estoque e eficiência logística

Uma das funcionalidades centrais da ferramenta é a possibilidade de reequilibrar o estoque entre diferentes armazéns antes de realizar novos pedidos a fornecedores. Em vez de gerar automaticamente uma nova compra, o sistema avalia se é mais eficiente transferir produtos de outro centro logístico que possua excedente.

Com essa abordagem, as empresas conseguem reduzir custos e melhorar o aproveitamento do estoque já disponível na rede logística. Ao mesmo tempo, a ferramenta analisa como organizar o transporte entre os armazéns. Por exemplo, o sistema pode sugerir o agrupamento de remessas para otimizar o uso de caminhões ou recomendar que determinados pedidos sejam atendidos a partir de um centro de distribuição específico, reduzindo tempo e custos de transporte.

“O verdadeiro desafio não foi encontrar o algoritmo certo, mas sim torná-lo rápido o suficiente para ser prático. Desenvolvemos o GENESIS do zero para avaliar milhares de cenários simultaneamente, em vez de sequencialmente. O que antes levava dias agora leva minutos, permitindo que as empresas o utilizem para planejamento tático real e não apenas para análises teóricas”, confirma Rodrigo Hermosilla, pesquisador do MIT Intelligent Logistics Systems Lab.

Outro objetivo da solução é ampliar o acesso a ferramentas analíticas avançadas dentro das empresas. Diferentemente de plataformas que exigem conhecimento técnico especializado, o GENESIS foi desenvolvido para ser utilizado também por gestores de negócios e profissionais de operações logísticas.

“O objetivo é ajudar as empresas a minimizar o custo total de sua rede logística e garantir o mais alto nível de serviço”, afirma Javier Carrillo, CEO da Mecalux.

Aplicações futuras de inteligência artificial na logística

O desenvolvimento do simulador de IA representa um dos primeiros resultados práticos da colaboração entre o MIT CTL e a Mecalux, parceria que agora entra em uma nova fase. O foco das próximas etapas é ampliar o uso de inteligência artificial em outros processos logísticos.

Entre as áreas que poderão receber novas aplicações estão o reabastecimento interno de armazéns, o uso de gêmeos digitais em sistemas automáticos de armazenamento de alta densidade e a otimização das localizações de produtos dentro das instalações logísticas.