El proyecto busca dar lugar a un almacén organizado de manera eficiente por la tecnología con el fin de liberar recursos humanos para que realicen tareas de mayor valor añadido.
Arvato y Microsoft trabajan conjuntamente en un proyecto de investigación que tiene como objetivo llevar al almacén un paso más allá mediante procesos de automejora impulsados por la inteligencia artificial generativa, la robótica y la computación en la nube. Las compañías presentarán este proyecto, denominado “Moonshot“, en el próximo Gartner Supply Chain Symposium/Xpo 2024, que tendrá lugar del 10 al 12 de junio de 2024 en Barcelona.
Moonshot: Redefiniendo el almacén del futuro
El proyecto aborda los retos de la gestión de la cadena de suministro explorando cómo la IA, la robótica y la digitalización pueden automatizar y optimizar las operaciones del almacén. Esta iniciativa prevé generar un almacén completamente autónomo, que pueda realizar tareas como el diseño inicial del layout en función de las necesidades del cliente, liberando así la experiencia humana para su posterior refinamiento.
“Nuestra asociación con Microsoft en Moonshot nos ha puesto como objetivo la creación de un almacén autónomo”, afirma Paul Brolly, vicepresidente de Desarrollo Empresarial Global de Arvato. “Al aprovechar la IA, la robótica y la digitalización, podemos automatizar y mejorar diversos procesos del almacén, lo que en última instancia ahorra tiempo y recursos”, sentencia.
La experiencia tecnológica de Microsoft
El papel de Microsoft como socio tecnológico de Arvato es fundamental para el éxito del proyecto Moonshot. Su experiencia en plataformas de datos, la potencia tecnológica con la que cuenta la empresa, así como su experiencia en IA, visión artificial, realidad aumentada y servicios cognitivos como el reconocimiento de voz y el análisis de texto, son fundamentales para hacer realidad los almacenes autogestionados.
El almacén del futuro, cada vez más cerca
El proyecto Moonshot no es sólo teórico. Arvato ya ha identificado e implementado casos de uso prácticos que demuestran su potencial. Entre ellos se encuentran:
- Rutas de picking optimizadas con IA: La IA analiza los datos para reorganizar las órdenes de trabajo, mejorando la eficiencia de la navegación para los operarios de picking.
- Procesamiento de reclamaciones impulsado por IA: la inteligencia artificial analiza e interpreta las respuestas de los transportistas a las reclamaciones de transporte. De esta manera, la solución selecciona automáticamente las acciones más adecuadas en la herramienta de gestión de reclamaciones, disminuyendo la necesidad de procesamiento manual de éstas entre un 3% y un 4%.
