AI-driven Inventory Management for Flexible, and Efficient NextGen Supply Chains (AIM-FLIX)
| Diarienummer | |
| Koordinator | Högskolan i Halmstad - Högskolan i Halmstad Akademin f informationsteknologi |
| Bidrag från Vinnova | 8 000 000 kronor |
| Projektets löptid | november 2025 - december 2028 |
| Status | Pågående |
| Utlysning | Transport- och mobilitetslösningar - FFI |
| Ansökningsomgång | Transport- och mobilitetstjänster - FFI - hösten 2025 |
Syfte och mål
Globala leveranskedjor inom fordonseftermarknaden blir alltmer komplexa, med intermittent efterfrågan, regionala variationer och plötsliga toppar. Traditionella lagerhanteringsmetoder tar ofta inte hänsyn till denna dynamik, vilket resulterar i nödleveranser, överskottslager, höga returer och ökad miljöpåverkan. AIM-FLIX möjliggör anpassningsbara, nätverksomfattande policyer för lagerplanering och ombalansering, och dynamiskt koordinerar servicenivåer, kostnader och hållbarhetsaspekter.
Förväntade effekter och resultat
AIM-FLIX kommer att utforska lösningar som delad lagerhållning (att behandla lager över lager och återförsäljare som en gemensam pool) och överlevnadsanalys (förstå sannolikheten för negativa händelser, såsom slut på lager, returer eller föråldring, som inträffar över tid) – allt för att förbättra responsen, minska dubbelarbete och optimera lagerplaceringen. Mätbara mål inkluderar att minska expressorder med 20% och reservdelsskrapning med 15%.
Planerat upplägg och genomförande
AIM-FLIX-projektet bygger vidare på resultaten från AIM-TRUE-projektet, som utvecklade nya AI/ML-verktyg och demonstrerade genomförbarheten av meta-inlärning för prognostisering av reservdelsefterfrågan i realistiska scenarier och på global skala. AIM-FLIX-projektet tar nästa steg mot förstärkningsinlärningsdriven (RL) policyoptimering på flera nivåer över hela det sammankopplade leveransnätet.