Door het integreren van warehouse management systemen (WMS), mogelijkheden voor machine learning en ontwerpen voor geautomatiseerde magazijnen, draagt Sybil bij aan een slimmer, meer zelfbewust magazijn.
Innovatie // Blog

The Self-Awarehouse: de algoritmen van Lineage ten dienste van magazijnactiviteiten

19 juli 2023

Als toonaangevende speler in de voedingslogistiek loopt Lineage voorop op het gebied van innovatie in de sector en stimuleert het de transformatie van magazijnactiviteiten. Dit doen we onder meer met Sybil, een geavanceerd, gepatenteerd algoritme dat zorgvuldig is ontworpen om de kracht van miljoenen historische en realtime gegevenspunten te benutten. De ongeëvenaarde mogelijkheden van Sybil liggen in het vermogen om de complexiteit van de magazijnen van Lineage te doorgronden en producten strategisch op optimale locaties te plaatsen, waardoor efficiëntie en productiviteit worden gemaximaliseerd. Door magazijnbeheersystemen (WMS), machine learning-mogelijkheden en geautomatiseerde magazijnontwerpen te integreren, helpt Sybil de weg te effenen voor een slimmer, zelfbewuster magazijn.

Aankomst: gebruikmaken van historische gegevens

Wanneer een pallet aankomt in een door Sybil aangestuurd magazijn van Lineage, put Sybil uit haar uitgebreide historische database. Door middel van machine learning zet Sybil de enorme hoeveelheid gegevens om in bruikbare inzichten en voorspellingen. Door te leren op basis van factoren zoals de vestiging, de klant, de dag van de week, de week van het jaar, de artikelomschrijving en de productgroep, wordt Sybil steeds beter in het begrijpen van het gedrag van pallets in de context van eerdere leveringen. Deze kennis stelt Sybil in staat om te voorspellen hoe lang pallets in het magazijn zullen blijven en patronen te herkennen die verband houden met seizoensschommelingen en feestdagspecifieke producten. Dit speelt een belangrijke rol bij het bepalen waar het product in het magazijn moet worden geplaatst en hoe lang het daar zal blijven.

Voorspelling en plaatsing: statistische waarschijnlijkheid benutten voor nauwkeurigheid

Hoewel Sybil niet rechtstreeks taken toewijst, informeert het het WMS over de verwachte verblijfsduur van pallets. Door de historische gegevens van elk product te analyseren, identificeert en berekent Sybil de ideale locatie in ons magazijn waar de pallet moet worden geplaatst. Hierbij wordt rekening gehouden met diverse factoren, zoals de afmetingen van de pallet, de afstand tussen de stellinglocaties, de snelheid van de vorkheftrucks en zelfs de snelheid waarmee de vorken omhoog worden gebracht. Op basis van deze kennis weegt het WMS verschillende criteria af om de ideale plaats voor elke pallet te bepalen. Hierbij wordt onder meer gekeken naar het naleven van het first-in, first-out (FIFO)-principe, het mengen van SKU’s en de compatibiliteit van de pallethoogte met de afmetingen van de locatie. De nauwkeurigheid van het algoritme levert het WMS cruciale informatie op die vervolgens wordt doorgegeven aan teamleden om de planning en taakverdeling te optimaliseren en uiteindelijk de operationele efficiëntie te verbeteren.

De perfecte pick-up: optimaliseren voor toegankelijkheid

De geavanceerde mogelijkheden van Sybil zorgen voor een transformatie van het orderverzamelproces in onze magazijnen, waarbij de plaatsing van pallets wordt geoptimaliseerd en de uitgifteprocessen worden gestroomlijnd. Onder leiding van Sybil profiteren magazijnen van een verbeterde operationele efficiëntie, wat de weg vrijmaakt voor naadloze orderverzamelingen en de opslagcapaciteit maximaliseert. Het innovatieve rangschikkingssysteem op basis van bereikbaarheid verbetert de navigatie binnen het magazijn nog verder, wat bijdraagt aan een algeheel geoptimaliseerde workflow. Lineage's toewijding aan het inzetten van geavanceerde technologie, zoals Sybil, zorgt ervoor dat elke orderverzameling een stap dichter bij perfectie komt.

De transformerende invloed van Sybil op de magazijnactiviteiten

Met behulp van technologie zoals Sybil maakt het Lineage Data Science-team het onvoorspelbare voorspelbaar. De implementatie van algoritmen voor machine learning heeft een nieuw tijdperk van efficiëntie en optimalisatie in magazijnactiviteiten ingeluid, omdat het bieden van een voorspelbare toeleveringsketen en operationele efficiëntie aan onze klanten onze hoogste prioriteit is. Door de rijtijd van vorkheftrucks te verkorten en de toegankelijkheid binnen het magazijn te verbeteren, geeft Sybil een geheel nieuwe kijk op onze faciliteiten en effent daarmee het pad voor de toekomst van het ‘Self-Awarehouse’.

Voor meer informatie over ons geavanceerde Sybil-algoritme kun je hier ons artikel lezen.