Impensabili solo pochi anni fa, gradualmente ma inesorabilmente affermatesi nell’ultimo decennio, le attività legate all’Internet of Things sono ormai diventate le protagoniste di una vera e propria rivoluzione dei processi decisionali delle aree tecnologiche di numerose aziende, tra cui quelle di trasporto e della logistica in genere.
Una rivoluzione favorita dalla maggior automazione intervenuta ai diversi livelli dei processi e dettata dalla necessità di assumere decisioni sia sull’operatività dell’oggi che predittive a fronte di una maggiore quantità e complessità di dati.
Gli sforzi di velocità di analisi richieste per individuare il miglior risultato raggiungibile nello stato in cui un determinato fenomeno si sta verificando e per stabilirne la possibile proiezione nel tempo in modo da assumere le decisioni più opportune, ha reso l’utilizzo dell’intelligenza artificiale uno strumento di rilevanza strategica.
Leggi anche:
L’immobiliare logistico diventa ‘phygital’ con il Metaverso
Il ruolo dell’Intelligenza Artificiale
Secondo il Parlamento Europeo l’intelligenza artificiale è “l’abilità di una macchina di mostrare capacità umane quali il ragionamento, l’apprendimento, la pianificazione e la creatività”. Una definizione con un grande portato di modernità ma che in realtà trae origine dai primi studi condotti in materia fin dalla metà degli anni Cinquanta.
Una definizione ampia, che riflette tutta la sua attualità e che ben conferisce la misura del ruolo che nel tempo l’Intelligenza Artificiale, ormai diventata realtà, ha conquistato all’interno delle aziende e, in particolare, nella catena decisionale.
La capacità di analizzare una grande quantità di dati, anche provenienti da fonti diverse e destrutturati, infatti, ne hanno fatto un supporto manageriale praticamente irrinunciabile per esprimere valutazioni sull’accaduto e sulle probabilità da assegnare ad accadimenti futuri.
Applicando il concetto, ad esempio, al settore della logistica è facile immaginare come l’analisi dei dati possa non solo definire le attuali condizioni del mercato con conseguente opportuno dimensionamento delle quantità di merci da stoccare a magazzino, ottimizzazione dei carichi, pianificazione degli ordini ma anche prevedere gli andamenti futuri del comparto indirizzando gli acquisti e programmando in anticipo le relative azioni da intraprendere.
Leggi anche:
Pianificazione digitale, a che scopo?
La gestione della supply chain
L’adozione degli strumenti dell’Internet of Things, e dell’Intelligenza Artificiale in particolar modo, si sta quindi rivelando di portata strategica nella gestione ed ottimizzazione dell’intera supply chain.
I suoi interventi possono risultare decisivi nella catena di approvvigionamento concorrendo anche nella fase di selezione e valutazione dei fornitori in virtù della capacità di confrontarne le prestazioni ed i rischi potenzialmente associati. Senza considerare la possibilità di affiancare in un momento successivo con un’attività di assistenza on boarding i fornitori prescelti in un percorso di formazione ed introduzione agli standard aziendali.
Numerose poi le applicazioni nella gestione della catena di distribuzione dove l’Intelligenza Artificiale contribuisce ad assistere chi è chiamato a svolgere le attività operative di pianificazione, ad esempio, degli ordini e delle consegne, raccogliendo le informazioni utili alla gestione dei corrieri e dei trasportatori individuandone i percorsi più convenienti.
Analogamente rende disponibile in maniera affidabile la tracciabilità delle merci seguendo in autonomia l’iter dell’ordine e disponendo autonomi interventi
Di grande rilievo anche l’interazione con i magazzini, con la rilevazione e l’analisi di tutti i movimenti, la classificazione automatica delle diverse merceologie, la pianificazione dell’inventario e la costante disponibilità della relativa situazione aggiornata, la possibilità di seguire in autonomia il posizionamento ed il prelievo dei singoli prodotti.
Da considerare infine come l’adozione di sistemi dotati di strumenti di intelligenza artificiale, presentino la caratteristica di apprendere sulla base dei dati storici e dalle azioni pregresse eseguite per acquisire una loro autonomia e migliorare le prestazioni in termini di maggior velocità di esecuzione e miglioramento dell’efficienza globale.
