L’intralogistica che verrà

L'intralogistica che verrà

L'Intralogistica che verrà

Dall’e-commerce agli AMR, fino all’intelligenza artificiale. INTRALOGISTICA ITALIA si apre ai partner e punta sul binomio robot-AI, sicuramente uno dei temi centrali dell’edizione 2025. La tecnologia del controllo vocale è in evoluzione e in prospettiva potrebbe essere molto interessante.

5 minuti di lettura

Dal dialogo con diverse realtà che realizzano AI la risposta è sempre molto simile, le soluzioni standardizzate sono più semplici da applicare e più veloci, richiedono quindi meno impegno da parte del fornitore e del cliente, sono però limitate nel momento in cui generalizzando i processi ottengono quelle che sono definito delle “sub-ottimizzazioni”, cioè dei miglioramenti relativi.

Le sfide poste dall'e-commerce

Ricollegandosi al nostro ultimo articolo uscito sul blog LogisticSquare, ci scrive Blond Shkodrani, Sales Director Italy di Geek+: «È doveroso sottolineare che l’e-commerce è in crescita da molti anni, ma negli ultimi 3 ha sicuramente subito una spinta maggiore. Gli acquisti online sono stati in costante crescita grazie a convenienza e velocità. Ci aspettiamo che continui così dal momento che i consumatori si sono abituati alla comodità degli acquisti online».

«Tuttavia, continua Shkodrani – l’e-commerce non è una soluzione all-in-one adatta a tutti. Molte imprese hanno esigenze e sfide non standard e per aver successo anche nell’e-commerce devono essere affrontate con attenzione ed esperienza. Ad esempio, il settore alimentare ha la necessità di rispettare la catena del freddo e la necessità di garantire che gli articoli deperibili vengano consegnati rapidamente e in sicurezza. In ogni caso, ci aspettiamo che un paese come l’Italia giochi un ruolo molto importante poiché vediamo che si sta adattando alla situazione attuale».

La pervasività dell’intelligenza artificiale e come coordinare gli sforzi

Nel blog LogisticSquare di INTRALOGISTICA ITALIA abbiamo più volte evidenziato il ruolo che l’intelligenza artificiale gioca nell’ottimizzazione dei processi, ma evidentemente non solo visto che è destinata a diventare una tecnologia molto pervasiva in ambiti tra loro molto lontani. Un tema che, come ovvio, coinvolge molto Geek+, ma anche player più specializzati come Ammagamma (come vedremo più avanti):

«La logistica intelligente gioca un ruolo cruciale nel processo dell’intralogistica, in particolare per ottimizzare le operazioni e aumentare l’efficienza – evidenzia Shkodrani – nel caso dei nostri robot mobili autonomi (AMR), il nostro team di R&S ha sviluppato una tecnologia che evita gli ostacoli e ottimizza le loro rotte per ridurre il tempo di percorrenza.

Possono esserci sfide nell’integrare gli AMR nell’ecosistema più vasto della catena di approvvigionamento. Un approccio per affrontare questa sfida è assicurarsi che gli AMR possano comunicare con altri sistemi in tempo reale, come quelli di gestione del magazzino o il software di pianificazione delle risorse aziendali. Tutto questo consente un coordinamento più efficiente delle operazioni e contribuisce ad assicurare che gli AMR siano allineati con gli obiettivi aziendali più ampi. In Geek+ lavoriamo costantemente per migliorare la connettività dei nostri AMR e garantire la perfetta integrazione con l’ecosistema tecnologico intorno. Crediamo che la chiave per sbloccare il pieno potenziale dell’automazione nella logistica sia creare un ecosistema connesso che consenta la condivisione di dati in tempo reale e la collaborazione su tutti gli aspetti della catena di approvvigionamento».

Picking + Rack + Acca

È sempre più importante riuscire a coordinare tutte le soluzioni che collaborano all’interno di un magazzino, inclusi i robot che iniziano a “circolare” liberamente.

L'evoluzione degli AMR

Abbiamo visto che gli AMR sono in continua evoluzione, che la “gabbia” che li ospita e li separa dal mondo degli esseri umani è sempre più fragile, e che una vera e propria collaborazione diretta è sempre più vicina, quando non già attuale. 

In questo senso conclude Shkodrani: «Una tendenza chiave è quella che va in direzione di una maggiore flessibilità e versatilità, poiché le aziende cercano robot in grado di svolgere una gamma sempre più ampia di compiti e che siano in progettati per adattarsi alle mutevoli esigenze operative. La velocità del prelievo, la sostenibilità e la durabilità della soluzione implementata, così come l’ergonomia delle persone rappresentano altri punti chiave su cui lavoriamo per migliorare ogni giorno. Per quanto riguarda le integrazioni, ci aspettiamo di vedere un maggiore utilizzo di algoritmi avanzati e di machine learning per consentire ai robot di apprendere dai dati e migliorare le loro prestazioni nel tempo.

Le tecnologie di controllo vocale e di visione sono un’altra area promettente di sviluppo, in particolare nelle applicazioni in cui è auspicabile che l’operatore abbia sempre le mani libere.

Oltre a questo, in Geek+ stiamo esplorando nuove tecnologie di sensori e altre innovazioni che consentiranno ai nostri robot di navigare in ambienti più complessi e svolgere ancora più compiti.

 

Flessibilità e versatilità sono tra le caratteristiche più interessanti dei robot shuttle che ormai “animano” i magazzini di tutto il mondo

Un chiaro esempio di questi miglioramenti, anche per adattarsi alle esigenze del cliente, è la nostra soluzione ibrida che combina tre macchine diverse, RoboShuttle, P40 e il robot di prelievo P800, massimizzando lo spazio di tutto il magazzino e permettendo di gestire, all’interno della stessa area, merci di dimensioni o con rotazione diversa.

Crediamo che il futuro dell’automazione logistica sia luminoso e siamo entusiasti di essere all’avanguardia di questo settore in rapida evoluzione».

L'intelligenza artificiale per i magazzini

Approfondendo l’impatto dell’Intelligenza artificiale sul mondo dell’intralogistica siamo entrati in contatto con Ammagamma, una società che si occupa a 360 gradi di applicazioni di AI, di machine learning e più in generale di matematica applicata ai processi di grandi e piccole imprese.

È un settore, quello dell’intelligenza artificiale, in grande crescita. Molto utilizzato per coordinare gli sforzi all’interno dei magazzini e nel ricercare quell’ottimizzazione degli input produttivi, indispensabile per ridurre costi e consumi (e di conseguenza l’impatto ambientale), sta via via prendendo spazi fino a poco tempo fa inimmaginabili.

Orologiaio Ammagamma

Ammagamma ha due anime complementari, all’interno delle quali crea progetti d’innovazione: una di natura più consulenziale, che affronta temi dettati da particolari esigenze dei clienti, mettendo al servizio il know-how dell’azienda per arrivare a soluzioni customizzate; una di soluzioni “pronte” che risolvono problemi tipici delle aziende target e che hanno un livello di industrializzazione maggiore. Gli ambiti in cui queste soluzioni sono già presenti al momento sono: la supply chain dal marketing & operations fino alla produzione industriale, passando per la gestione del magazzino, la gestione dei documenti attraverso il natural language processing e l’intelligent document processing, la gestione di portafogli di ordini rispetto al rischio di tasso di cambio.

Coordinare i flussi di lavoro

La soluzione Anagram di Ammagamma permette di schedulare e pianificare le fasi di produzione in modo ottimizzato, a capacità finita, tenendo conto dei vincoli legati alle macchine e alle priorità, ma anche dei lead time e della disponibilità dei componenti/materiali presenti nelle BOM (bill of materials). Inoltre, impara di continuo dallo storico di produzione e in questo modo gestisce i processi nel breve e nel lungo periodo, con la stessa precisione. Pianifica le date di consegna e la saturazione delle macchine con un alto grado di affidabilità.

Se una fase prevede un intervento di un braccio meccanico o di altri robot, il sistema lo può gestire adattandosi a quelle che sono le logiche di velocità di produzione e tempo di preparazione, definite dal fornitore del braccio stesso. Questo permette di integrare nella pianificazione in maniera armonica fasi anche di carattere estremamente diverso.

Rappresenta la risoluzione di un problema che si riscontra spesso, quella cioè di avere ottimizzazioni parziali o a sé stanti all’interno dell’impianto, che non tengono conto del fatto che non sempre la somma di singole ottimizzazioni dà vita a un miglioramento complessivo. È un problema che si riscontra anche nelle gabbie robotiche che a volte lavorano come corpi autonomi all’interno del magazzino; chi le ospita non ne gestisce l’operatività.

Tema toccato precedentemente da Blond Shkodrani di Geek+.

Lato ottimizzazione del magazzino, la soluzione Aware di Ammagamma permette di fornire una lista di riordino ottimizzata, tenendo conto dei vincoli e ancora dei lead time e delle disponibilità. In questo senso, un’appropriata combinazione delle logiche delle due soluzioni dovrebbe portare a risolvere i problemi di coordinamento nel riordino dei materiali in vista della domanda di mercato e delle disponibilità di materie prime.

Monitorare il mercato per "orientare" il futuro

Si tenga conto che le soluzioni di demand planning (e supply planning) e di ottimizzazione del magazzino, come quelle di Ammagamma, partono sempre da una soluzione di demand forecasting, chiamata Ahead, per individuare le richieste del mercato e orientare la fornitura (ed eventualmente anche la produzione). La soluzione è stata già applicata in numerosi settori nell’ambito retail e vede nel fashion un target ideale.

Come già evidenziato in altri post del blog LogisticSquare di INTRALOGISTICA ITALIA, scandagliare il mercato e coglierne le necessità e le tendenze è un’impresa tanto preziosa quanto complessa e piena di variabili molto differenti tra loro, a seconda dei settori di riferimento. È sempre bene quindi valutare l’esperienza dei partner, che si individuano in modo da selezionare chi ha già una storia forte nel verticale di interesse.

Le tre soluzioni di AI presentate qui di Ammagamma per la supply chain, rappresentano un po’ lo stato dell’arte, cioè gli ambiti su cui tutte le aziende stanno lavorando. In questo caso però demand forecasting and planning, warehouse optimization e production planning and scheduling optimization, sono concepite per lavorare in modo olistico e coordinato su tutta la supply chain, dai materiali all’offerta sul mercato. Dal punto di vista pratico questo è ambizioso, soprattutto in vista di un’integrazione dei dati da varie fonti e processi che tipicamente vengono trattati un po’ come “silos”. La sfida in questo caso è chiara, integrare le soluzioni fisiche, ma soprattutto renderle interoperabili e con informazioni e dati omogenei, in modo da creare dei flussi coerenti e confrontabili.

Flamingo Ammagamma

Sviluppi futuri

Approfondendo altre tematiche legate all’AI, i large language models, o LLM (ad esempio chat-GPT) per la raccolta di comandi eseguibili via voce, abilitano ipotesi non più futuribili, bensì implementabili in tempi molto rapidi.

È un tema interessante sul quale non si è ancora raggiunta una sufficiente maturità e su cui INTRALOGISTICA ITALIA, come fiera di riferimento, sta cercando degli interlocutori. In questo senso puntiamo ad averli come ospiti in fiera a Milano nel maggio 2025, sia come espositori, sia coinvolgendoli nei nostri convegni.

Articoli correlati
More on this topic

L’intralogistica è un fattore abilitante, risolve problemi e crea le condizioni perché si realizzino i processi, i modelli produttivi e quelli di business di imprenditori e industriali di tutto il mondo. Rappresenta inoltre il punto di caduta di moltissime tecnologie che attraverso attenti processi di technology transfer sono riadattate e utilizzate all’interno dei nostri magazzini.

Questo blog, lanciato e curato da INTRALOGISTICA ITALIA, si pone come il luogo dove questi due aspetti si ritrovano. Analizzeremo l’evoluzione dei settori a cui le aziende provider offrono prodotti e soluzioni di nuova generazione. Lo faremo scandagliando le nuove tecnologie cercando di capire come i singoli provider le stanno declinando nell’ottica di offrire un servizio sempre migliore ai propri clienti.