În logistică, pickingul (colectarea produselor pentru comenzi) rămâne una dintre cele mai costisitoare activități din depozit. În e-commerce, presiunea este și mai mare: predomină comenzile cu un singur produs, iar aceeași comandă poate necesita colectarea articolelor din mai multe zone de stocare.
Într-una dintre locațiile FM Logistic, operațiunile se desfășoară pe 17,7 mii de locații de picking. Echipele lucrează în regim de batch picking, adică pregătesc mai multe comenzi într-o singură „tură” prin depozit. De aici și miza grupării inteligente: cu cât loturile sunt configurate mai eficient, cu atât scad numărul deplasărilor și lungimea traseelor. La o asemenea scară, chiar și mici erori de grupare se pot transforma, într-un an, în mii de kilometri parcurși în plus și într-o uzură mai mare a echipamentelor de manipulare.
FM Logistic precizează că procesul era deja bine pus la punct, însă exista în continuare potențial de îmbunătățire. În același timp, metodele clasice de optimizare începeau să își arate limitele.
De la algoritm propriu la colaborarea cu Google
Demersul nu a început odată cu AlphaEvolve. Inițial, FM Logistic și-a dezvoltat propriul algoritm de grupare a comenzilor, care a adus deja un câștig important de eficiență în picking. După stabilizarea „fundamentelor”, obiectivul a devenit mai ambițios: obținerea câtorva procente în plus într-un proces deja standardizat și rafinat.
În acest context, compania a avut ocazia să testeze Google AlphaEvolve, o soluție dezvoltată de Google DeepMind, care folosește modele Gemini pentru a genera și îmbunătăți algoritmi. FM Logistic s-a numărat printre organizațiile invitate în programul de acces timpuriu.
Spre deosebire de instrumentele de inteligență artificială generativă orientate spre conținut sau răspunsuri, AlphaEvolve este conceput pentru optimizare. Scopul său este să abordeze probleme complexe de optimizare, propunând variante de algoritmi, testându-le și comparând rezultatele.
Pentru FM Logistic, ținta a fost directă: o metodă mai eficientă de creare a loturilor de comenzi. Fiecare variantă sugerată a fost verificată într-un mediu de simulare, construit pentru a reproduce cât mai fidel condițiile reale din depozit.
Pasul decisiv: cum evaluezi corect soluțiile
Un element-cheie al proiectului a fost definirea modelului de evaluare pentru propunerile AlphaEvolve. Nu era suficient ca traseele să fie doar mai scurte; performanța trebuia măsurată mai nuanțat.
FM Logistic atrage atenția că modelele pot genera rapid soluții neconvenționale care, în simulare, arată foarte bine, însă nu toate sunt aplicabile într-un depozit aflat în funcțiune. De aceea, echipa a stabilit clar regulile de operare, constrângerile și parametrii procesului. Prin combinarea know-how-ului operațional cu capabilitățile AlphaEvolve, compania spune că a ajuns la soluții care au fost, în același timp, eficiente și ușor de implementat.
Ce s-a schimbat, concret, în operațiuni
Algoritmul final a adus o îmbunătățire de peste 10% față de abordarea anterioară. În practică, acest lucru a însemnat rute de picking mai scurte și o reducere anuală de peste 15 mii de kilometri a distanței parcurse de operatori.
Rezultatul este cu atât mai relevant cu cât punctul de plecare era deja solid. FM Logistic optimizase în repetate rânduri fluxul, iar soluțiile interne reduseseră deja semnificativ lungimea traseelor de picking. Chiar și așa, AlphaEvolve a adus câștiguri suplimentare într-o zonă în care fiecare pas înainte devine tot mai greu de obținut.
Proiectul evidențiază și o concluzie mai largă: eficiența suplimentară nu vine întotdeauna din infrastructură nouă sau din mai multă automatizare. În acest caz, diferența a fost făcută de utilizarea mai bună a datelor și de metode de optimizare mai avansate.
FM Logistic afirmă că a obținut această îmbunătățire fără investiții în clădiri sau echipamente, prin valorificarea mai inteligentă a datelor și prin optimizarea proceselor.
