La Witt-Gruppe utilise un calculateur de flux de matériaux développé par une équipe interne. La solution devrait aider à réduire les délais de livraison. (Photo : Witt)
La Witt-Gruppe utilise un calculateur de flux de matériaux développé par une équipe interne. La solution devrait aider à réduire les délais de livraison. (Photo : Witt)
2025-05-19

Le fournisseur de mode de Weiden, Witt, a développé entre 2020 et 2024 un calculateur de flux de matières supérieur (MMFC). Selon l'entreprise, celui-ci optimise le flux de marchandises dans le centre de distribution grâce à un algorithme de routage qui détermine le chemin le plus efficace pour le transport des articles. Selon Witt, des facteurs tels que la longueur du trajet, l'état du système et les caractéristiques spécifiques sont pris en compte.

« Avec

notre calculateur de flux de matières innovant, nous pouvons optimiser considérablement nos processus logistiques, ce qui a un impact directement positif sur l'expérience client », déclare Tobias Nieber, Directeur financier & des opérations. « Les commandes peuvent être traitées plus rapidement et de manière plus fiable, ce qui se traduit par des délais de livraison plus courts ainsi qu'une meilleure disponibilité des produits. »

Lors du développement, une attention particulière a été portée à la

scalabilité :

« Le calculateur de flux de matières a été développé dans une perspective de croissance future », déclare Daniel Vanella, développeur et membre de l'équipe de développement. « Si notre centre de distribution est agrandi, notre calculateur de flux de matières peut également être facilement étendu. »

Le MMFC fonctionne principalement de manière autonome et offre des possibilités d'interaction homme-machine pour réagir en cas de conditions inhabituelles de l'installation. Ainsi, le système répond

aux exigences d'un Jumeau Numérique. Il s'agit d'une représentation numérique de l'installation qui la commande de manière supérieure. En collaboration avec un doctorant de l'université de Landshut, des goulots d'étranglement du système ont en outre été identifiés et des approches d'optimisation possibles ont été élaborées. De plus, une archive de données offre la base pour de futurs systèmes d'IA potentiels. Ceux-ci pourraient, par exemple, être utilisés pour pronostiquer en temps réel les défaillances du système.