Secondo l’azienda, si tratta della prima applicazione di AlphaEvolve nella supply chain a livello globale per ottimizzare il batching degli ordini. L’intervento ha consentito di eliminare oltre 15 mila chilometri di spostamenti all’anno, considerando sia i tragitti percorsi a piedi dagli operatori sia quelli effettuati con i mezzi di movimentazione.
Perché il batching incide sull’efficienza del picking
Il picking rappresenta una delle attività più onerose in termini di tempo nella gestione di un magazzino. Nel commercio elettronico il fenomeno è ancora più evidente: ordini composti da pochi articoli, spesso da un solo prodotto, obbligano gli operatori a raggiungere numerose ubicazioni per completare un numero limitato di righe d’ordine.
Nel sito interessato dal progetto sono presenti circa 17.700 ubicazioni di prelievo. Gli operatori lavorano con logiche di batch picking, prelevando contemporaneamente più ordini durante lo stesso percorso. In questo scenario, la qualità del raggruppamento diventa determinante: quanto più gli ordini risultano omogenei sotto il profilo logistico, tanto minori saranno i percorsi necessari per completarli.
Su volumi di questa scala, anche differenze minime nella composizione dei batch possono tradursi in migliaia di chilometri aggiuntivi ogni anno, con ricadute sia sull’efficienza operativa sia sull’usura delle attrezzature di movimentazione.
Dall’algoritmo proprietario ad AlphaEvolve
Il progetto non nasce direttamente con AlphaEvolve. FM Logistic aveva già sviluppato internamente un algoritmo dedicato al raggruppamento degli ordini, ottenendo un sensibile incremento dell’efficienza del picking.
Raggiunto un elevato livello di maturità del processo, la sfida è diventata più complessa: individuare ulteriori margini di miglioramento in un sistema già ampiamente perfezionato, dove gli approcci tradizionali iniziavano a mostrare rendimenti decrescenti.
L’opportunità è arrivata con AlphaEvolve, piattaforma sperimentale sviluppata da Google DeepMind che sfrutta i modelli Gemini per progettare, modificare e valutare automaticamente algoritmi destinati a problemi di ottimizzazione complessi.
Diversamente dagli strumenti di intelligenza artificiale generativa orientati alla produzione di contenuti, AlphaEvolve è progettato per elaborare nuove soluzioni algoritmiche, testarle e selezionare quelle più efficaci rispetto agli obiettivi definiti.
Definire che cosa significa davvero “migliore”
Per FM Logistic l’obiettivo era individuare un metodo più efficiente per il raggruppamento degli ordini. Ogni proposta generata dall’intelligenza artificiale è stata validata all’interno di un ambiente di simulazione capace di riprodurre fedelmente le condizioni operative del magazzino.
Uno degli aspetti più rilevanti del progetto ha riguardato proprio la definizione dei criteri di valutazione. Ridurre i metri percorsi non era sufficiente: è stato necessario integrare vincoli operativi, regole di processo e parametri logistici affinché le soluzioni individuate risultassero non solo teoricamente efficaci, ma anche concretamente applicabili.
Secondo l’azienda, la combinazione tra competenze operative e capacità di ottimizzazione dell’intelligenza artificiale ha consentito di individuare configurazioni che difficilmente sarebbero emerse attraverso i metodi tradizionali.
I risultati operativi
L’algoritmo aggiornato ha generato un miglioramento superiore al 10% rispetto alla soluzione precedente, riducendo complessivamente di oltre 15 mila chilometri all’anno gli spostamenti degli operatori.
Il dato assume particolare rilievo considerando che il processo era già stato affinato nel corso degli anni attraverso successive ottimizzazioni interne. Proprio in contesti così maturi, infatti, ogni ulteriore incremento di efficienza tende a richiedere sforzi progressivamente maggiori.
Il progetto evidenzia inoltre un aspetto ricorrente nelle iniziative di trasformazione della supply chain: migliorare la produttività non implica necessariamente investimenti in automazione o nuove infrastrutture. In questo caso i benefici sono derivati da un utilizzo più evoluto dei dati e da un perfezionamento degli algoritmi di ottimizzazione.
FM Logistic sottolinea infine che l’intero progetto è stato realizzato senza introdurre nuove attrezzature o modificare l’infrastruttura del magazzino, dimostrando come un’ottimizzazione dei processi guidata dai dati possa generare benefici misurabili anche in ambienti già altamente efficienti.
