Impact: Moyen2026-11-02
MIT et Mecalux font progresser l'optimisation du slotting d'entrepôt propulsée par l'IA
Les chercheurs Selene Silvestri et Sarah Schaumann décrivent une solution conjointe MIT–Mecalux en cours de développement qui combine OR et ML pour améliorer le placement des produits. L'approche utilise les schémas de commandes et les contraintes de congestion pour déterminer où les articles doivent être stockés et quand ils doivent être déplacés.
L'angle Dataleo
La décision clé n'est pas simplement où placer un SKU, mais si le bénéfice de préparation attendu justifie son déplacement. Le slotting piloté par l'AI doit tenir compte de la congestion, des coûts de relocalisation et de la demande volatile. Une bonne optimisation sur l'historique des commandes peut devenir une mauvaise décision opérationnelle lors d'un changement de demande.