Традиционная складская логистика десятилетиями строилась на статичных правилах. Каждый товар имеет свой «класс оборачиваемости» (ABC-анализ), который определяет его место на складе. Но что, если структура заказов меняется каждый день? Что, если какой-то товар внезапно стал хитом продаж, а его сосед по стеллажу - неликвидом? В статичной системе такие изменения не отслеживаются, и товар продолжает лежать в «неправильной» зоне, заставляя сборщиков делать лишние километры.
Здесь на сцену выходит предиктивное размещение (predictive slotting) - технология на базе искусственного интеллекта, которая превращает статичные правила склада в «живые» алгоритмы, подстраивающиеся под реальность в реальном времени.
От статики к динамике: как работают традиционные правила
В стандартной конфигурации SAP Extended Warehouse Management (EWM) размещение товара предопределено. Система опирается на заранее заданные критерии: габариты продукции, тип зоны хранения, результаты ABC-анализа (как часто товар заказывали раньше). Пополнение запасов срабатывает только при достижении минимального порога, а последовательность задач диктуется настройками приоритетов.
Такая логика стабильна и прозрачна, но у неё есть фундаментальный недостаток - статичность. Алгоритм не меняется сам по себе. Если заказы на какой-то товар резко выросли из-за сезона или акции, система не догадается подвинуть его поближе к зоне отгрузки. Она начнет реагировать с опозданием, когда запасы уже на нуле, или не среагирует вовсе.
Предиктивное размещение: ИИ как аналитик и стратег
Предиктивное размещение внедряет поверх стандартной логики SAP EWM модели машинного обучения. Эти модели анализируют огромные массивы исторических данных, которые раньше просто «лежали мёртвым грузом»:
· Историю складских заданий: как часто товар заказывали, в каких объёмах, в какое время года.
· Время отбора: сколько минут или секунд тратил сборщик на поиск и изъятие конкретной позиции.
· Совместную встречаемость в заказах: какие товары чаще всего заказывают вместе (например, системный блок и монитор).
· Журналы исключений: где и когда возникали сбои, дефицит, пересортица.
На основе этого анализа ИИ классифицирует товары не по статичному шаблону, а по актуальной скорости обращения и прогнозируемому спросу. Он не просто смотрит в прошлое, а пытается заглянуть в будущее, отвечая на вопрос: «Что будет пользоваться спросом через неделю?».
На основе прогнозов система генерирует рекомендации:
1. Переместить высокочастотные товары ближе к зоне упаковки и отгрузки, чтобы сократить путь сборщика.
2. Сгруппировать товары, которые часто заказывают вместе, в одной складской зоне. Это позволяет собирать заказ, почти не перемещаясь между стеллажами.
3. Заблаговременно предложить пополнение запасов, если модель предсказала всплеск спроса на определённую позицию, не дожидаясь достижения минимального порога.
Эти рекомендации не исполняются автоматически (хотя это возможно при высоком уровне доверия к модели). Сначала они проходят утверждение руководителем склада, а затем реализуются через стандартные задачи переразмещения (rearrangement) в SAP EWM.
Результаты: километры и минуты
Главная цель «умного» размещения - сократить расстояние и время, которое сборщик тратит на поиск товара. Это напрямую влияет на стоимость обработки заказа.
Исследования и внедрения показывают впечатляющие результаты:
· Снижение времени в пути на 27%. Сотрудники проходят меньше километров за смену, меньше устают и быстрее собирают заказы.
· Сокращение времени обработки заказа на 15–20% за счёт оптимизации маршрутов и группировки товаров.
· Увеличение точности сборки до 99,8%. Когда товар лежит там, где ему положено по прогнозу, ошибок «взял не то» становится меньше.
· Экономия складского пространства на 10–35%. Товары, которые не заказывают, убираются на дальние ярусы или в зоны долгосрочного хранения, освобождая место для ходовых позиций.
SAP Joule: от размещения к полноценной оркестрации
Предиктивное размещение - только первый шаг. В 2026 году SAP активно развивает концепцию агентной оркестрации склада (Agentic Warehouse Orchestration) на базе ИИ-ассистента SAP Joule.
Joule действует не просто как «советчик», а как «оператор», способный анализировать ситуации и предлагать решения. Например:
· При поломке автопогрузчика Joule анализирует все открытые задачи, приоритеты доставок и наличие свободной техники и квалифицированных операторов. Затем он предлагает руководителю склада конкретный план перераспределения задач между оставшимися машинами.
· При перегрузке зоны отгрузки Joule анализирует данные о загрузке в реальном времени и рекомендует перенаправить часть задач в другую зону или изменить приоритеты сборки.
Что нужно для внедрения?
Технология - не «коробочное решение», которое можно купить и установить за выходные. Для её внедрения необходимы три условия:
1. Качественные данные. Если в вашей системе (SAP EWM или других учётных системах) ошибки в данных о товарах (неправильный вес, габариты, артикулы) составляют более 5-10%, ИИ будет строить прогнозы на «песке». Чистота данных - критически важна.
2. Достаточная история. Для обучения моделей требуется от 12 до 24 месяцев чистых и полных данных о складских операциях, продажах и сезонных колебаниях.
3. Интеграция через SAP BTP. Модели ИИ не встраиваются непосредственно в SAP EWM. Они подключаются через платформу SAP Business Technology Platform (BTP), которая служит мостом между данными склада и алгоритмами.
Вывод: статика уходит в прошлое
Предиктивное размещение товаров — это не просто модный термин, а логичный этап эволюции склада. Статичные правила, основанные на анализе «задним числом», уступают место динамическим алгоритмам, которые предвосхищают реальность. В условиях роста интернет-торговли и дефицита рабочей силы каждый лишний метр, пройденный сборщиком, это прямые убытки. Технологии, позволяющие сократить эти метры с помощью ИИ, становятся не конкурентным преимуществом, а необходимым стандартом для крупных распределительных центров.
Контакты Юниверсал Логистик Компани
🔹 Наш сайт: ulc-logistic.com
🔹 ВКонтакте: https://vk.com/ulc_logistic
🔹 Дзен: dzen.ru/ulc_logistic
🔹 Макс: https://max.ru/join/xu9QSGwK3DN2cBgBfWJuV4u9CFfBbCISUL1Xq0t7Ulo
🔹 Email: mail@hkmlg.ru
🔹 Телефон: 8 (800) 500-87-53
Подписывайтесь, чтобы первыми узнавать о технологических трендах в логистике и получать практические рекомендации по оптимизации складских процессов.