AIM-FLIX – AI-driven lagerhantering för flexibla och effektiva nästa generations försörjningskedjor

Traditionella metoder för lagerhantering, som bygger på statiska regler, fasta säkerhetslager eller oberoende prognoser på olika nivåer i leveranskedjan, klarar ofta inte av att förutse denna dynamik. Detta leder till brådskande leveranser, överlager, höga returandelar och en ökad miljöpåverkan.

AIM-FLIX-projektet bygger vidare på resultaten från AIM-TRUE-projektet, där man utvecklade nya AI/ML-verktyg och visade att metainlärning är genomförbart för prognoser av efterfrågan på reservdelar i realistiska scenarier och på global nivå. AIM-FLIX-projektet tar nästa steg mot förstärkningsinlärningsdriven (RL) policyoptimering på flera nivåer i hela det sammankopplade leveransnätverket. Vårt mål är att möjliggöra anpassningsbara, nätverksomfattande policyer för lagerplanering och ombalansering, där servicenivåer, kostnader och hållbarhetsaspekter samordnas dynamiskt. Projektet kommer att utforska lösningar såsom delad lagerhållning (där lager hos olika lager och återförsäljare behandlas som en gemensam pool) och överlevnadsanalys (för att förstå sannolikheten för att negativa händelser, såsom lagerbrist, returer eller föråldrade produkter, inträffar över tid) – allt för att förbättra responsen, minska dubbelarbete och optimera lagerplaceringen. Mätbara mål inkluderar att minska brådskande beställningar med 20 % och kassering av reservdelar med 15 %.

Projektet kommer att genomföras under tre år, med start i januari 2026. Projektpartnerna är Volvo Service Market Logistics (SML) som problemägare och den ledande aktören som kan implementera mer resurseffektiva och hållbara logistiklösningar, Rejmes Transportfordon (RT) som representerar återförsäljarnätverket som den avgörande enhet som påverkas av de föreslagna förändringarna, samt Center for Applied Intelligent Systems Research (CAISR) vid Högskolan i Halmstad som miljö för forskningen och projektkoordinator.