[FOTOS] ¿Cuáles son las innovaciones de Machine Learning en Supplain Chain?
Las empresas buscan utilizar esta tecnología para lograr un mayor estancamiento en su planificación y previsión de la demanda.
Por: Redacción Gestion.pe
El Machine Learning, rama de la Inteligencia Artificial (IA), tiene una gran oportunidad de impactar las cadenas de suministro porque éstas, por su propia naturaleza, son entornos donde se pueden recopilar o detectar enormes cantidades de datos, procesarlos y luego optimizarlos y mejorarlos mediante el desarrollo algorítmico.
EL PRONÓSTICO
Hoy, por ejemplo, las empresas buscan utilizar esta tecnología para lograr un mayor estancamiento en su planificación y previsión de la demanda. Mediante el análisis de múltiples datos y la generación de algoritmos, es posible detectar patrones de comportamiento de la demanda, lo que a su vez contribuye a predecirla con mayor certeza.
De esa forma, se puede optimizar y planificar gastos de producción, evitar roturas de stock y sobrestock, lograr mejores tiempos de reabastecimiento, optimizar los recursos y el espacio en los almacenes, etcétera.
“Como ejemplo, una compañía de alimentos saludables pudo aprovechar las capacidades de análisis de IA con el aprendizaje automático para analizar la fluctuación en las variaciones de demanda y las tendencias durante las promociones. Esto condujo al desarrollo de un modelo de demanda más preciso durante eventos promocionales que permitieron al equipo de ventas y marketing mejorar su precisión de previsión en un 20% y reducir las ventas perdidas en un 30%”, dice Larry St Onge, Vicepresidente Senior, Tecnología Américas de DHL.
PLAN DE RUTAS Y TIEMPO DE ENTREGA
El machine learning, a través de la recolección y análisis de datos sobre condiciones meteorológicas, de congestión vehicular, de semáforos o atascos, es capaz de aprender y detectar qué camino es el más rápido hacia un destino de entrega o a qué hora se debe ir por una ruta u otra, pudiendo lograr mejores tiempos de entrega. Por ejemplo, según América Retail, Alibaba ha logrado mapear rutas de entrega eficientes mediante machine learning, reduciendo el 30% en la distancia recorrida y un 10% en el uso de sus vehículos.
Además, Cainiao Network, la empresa logística de Alibaba, anunció el año pasado que durante la próxima década reforzará su tecnología de inteligencia artificial con un millón de camionetas inteligentes que le ayudarán a hacer frente a la creciente demanda de entrega de paquetes.
CHATBOT EN LOGÍSTICA
Este modelo del machine learning consiste en un bot entrenado a través de machine learning e IA para revolver dudas, consultas o reclamos de manera online. Según un estudio publicado por Juniper Research, un bot de este tipo genera un ahorro de cuatro minutos por interacción, lo que se traduce en un recorte cercano a los 0,6 dólares por consulta.
Recientemente, Scharff diseñó y lanzó Amanda, el primer asistente virtual en Perú que resuelve consultas sobre temas logísticos (relacionados a su servicio de Courier Internacional) mediante Facebook Messenger.
PREPARACIÓN DE PEDIDOS (PICKING) O INVENTARIADO
Otro caso donde puede ser usado es en la gestión de inventarios impulsada por visión y cumplimiento en operaciones de recolección y empaque. Utilizando las capacidades de IA junto con las transmisiones de cámara, los trabajadores pueden alimentar imágenes a través de dispositivos de selección de visión para ayudar a asegurar que se elija el orden perfecto cada vez.
“También se está llevando a cabo un mayor desarrollo para ayudar a automatizar los recuentos de ciclos de inventario que combinan herramientas impulsadas por la visión y drones para realizar recuentos de ciclos de rutina a través de los almacenes”, agrega Larry St Onge.
DISEÑO DE OPERACIÓN
Las empresas ahora están experimentando con almacenes de cableado y recopilando datos, a través de la tecnología IoT (internet de las cosas), en el borde informático. Cuando se combina con capacidades analíticas de IA, esto permite a los operadores de almacenes desarrollar mapas de calor y analizar patrones de flujo de trabajo a través de las operaciones de depósito, identificando áreas potenciales donde pueden ocurrir accidentes o haciendo que las operaciones pierdan eficiencia, permitiendo de esta manera que el operador del almacén diseñe una operación más eficiente.
De acuerdo con un estudio realizado el 2017 por la consultora global McKinsey, “los primeros en adoptar una estrategia de IA proactiva en el sector del transporte y la logística tuvieron márgenes de ganancia superiores al 5%”.
PANEL G: INTELIGENCIA ARTIFICIAL
En la última edición de Panel G: Inteligencia Artificial, los gerentes generales de los sectores de telecomunicaciones, tecnologías, banca, educación e hidrocarburos comentaron cómo está evolucionando la Inteligencia Artificial en el mercado peruano. Encuentra este suplemento gratis en tu Revista G.