Categorías del Blog

    Si deseas consultar un artículo de un tema o categoría concreta entra en: Categorías del BLOG DATADEC.

     

    Subscríbete a nuestro Blog

    Si te parecen interesantes los contenidos de nuestro Blog, puedes subscribirte gratuitamente y te enviaremos todas las novedades que publiquemos.

    29 Apr 2020

    LA INTELIGENCIA ARTIFICIAL (IA) EN LA LOGÍSTICA 4.0.

    inteligencia artificial ia logistica_40*

    Se habla mucho de inteligencia artificial y de cómo el Machine Learning, el tratamiento de los Big Data y la computación en la nube van a cambiar nuestras vidas, los modelos de negocio y la cadena de suministro en el medio plazo, pero no sabemos realmente las implicaciones que va a tener la implantación de la inteligencia artificial en la logística.

    *Vector de Tecnología creado por macrovector - www.freepik.es

    Vivimos un período de completa transformación de la forma en que los comercios venden y los usuarios compran, para empezar, vivimos en una sociedad digitalizada en la que los consumidores están muy bien informados y tienen todo al alcance de un clic. Buscamos seleccionamos ofertas, las estudiamos, elegimos la que mejor se adata a nuestras necesidades y esperamos que nos llegue a nuestro domicilio. La industria no solo debe satisfacer nuevas necesidades en un mercado global, sino que debe atender a la exigencia de inmediatez en las entregas. Los clientes cada vez exigen mayor personalización de producto, mayor compromiso de sostenibilidad del producto y de quienes lo fabrican y distribuyen, mayor calidad y las empresas deben además llegar a su domicilio antes que la competencia.

    Para conseguirlo hace falta flexibilidad y anticipación, es decir, un nuevo tipo de industria que necesita un nuevo tipo de logística, la llamada logística 4.0, que pueda desenvolverse con eficiencia atendiendo las exigencias de una sociedad digitalizada sin aumentar los niveles de existencias para ello, es decir, la logística debe ser capaz de cumplir con su función generando beneficios. Por tanto, debe afrontar nuevos retos como son:

    • Trazabilidad absoluta, es decir, conocer con exactitud en todo momento dónde se encuentra un envío comprado en Internet o en una aplicación. Esta es una exigencia tanto de la cadena de suministro como del consumidor. Aparte de resolver incidencias si las hubiera con rapidez este conocimiento mejora la efectividad de las acciones post venta como las de mantenimiento o acciones de marketing como encuestas de satisfacción.

    • Flexibilidad. Para hacer frente a los rápidos cambios de la demanda o tendencias del mercado, la cadena de suministro debe estar coordinada en todos sus puntos ya que todas las etapas de la producción y distribución se ven afectadas por estos cambios, su logística cambia y deben adaptarse de forma sincronizada.

    • Eficiencia: Para satisfacer al cliente minimizando costes, adaptándose al tiempo a sus circunstancias, elaborando estrategias de puntos de entrega, periodicidad, puntualidad, etc., creando una red de distribución de los productos flexible y eficiente.

    • Sostenibilidad. La logística debe estar comprometida con el medio ambiente, sus sistemas de transporte deben ser sostenibles, esto ya no es una opción. La legislación vigente y el cada vez más restringido acceso a las ciudades están fomentando la evolución hacia una “logística verde o sostenible”.

    Si te está resultando de interés este post, tal vez te resulte útil el Caso de  Éxito de SGA, donde se consiguieron ahorros de hasta 40% en costes de expedición.

     

    ¿Cómo influirá la inteligencia artificial (IA) en la logística?

    La inteligencia artificial en la logística va a conseguir que el término JIT (justo a tiempo) se nos quede corto y obsoleto, tendremos que hablar de BJIT (Before JIT) “servir antes de tiempo, si se nos permite la licencia. De hecho, esto es lo que en 2012 diseñó Amazon, un sistema que anticipaba las necesidades de los consumidores para acortar notablemente el tiempo de entrega. El sistema llamado anticipatory shipping”, predice las ventas por Internet analizando el historial disponible de las compras de los clientes. Así, con cierto margen de error, el “anticipatory shippinges capaz de pronosticar lo que se comprará por área geográfica e incluso la cadencia con que lo harán.

    Imaginemos un sistema que además de avisarnos cuando debemos reponer una nueva partida de materia prima, además sea capaz de enviar el pedido al proveedor mejor cualificado en ese momento concreto atendiendo por ejemplo a su situación geográfica, su lead time y a las condiciones meteorológicas y de tráfico que el transporte va a encontrarse en el trayecto ya que sabe el momento justo en que va a salir, qué recorrido va a realizar y en qué transporte o transportes. El sistema de IA está tomando decisiones barajando gran cantidad de datos por nosotros, de forma eficaz y eficiente además aprenderá de su propia experiencia y la usará para futuras tomas de decisiones y todo ello sin intervención humana.

    En el almacén el sistema podrá decidir cuáles son las mejores ubicaciones de cada referencia y los recorridos que deben realizarse internamente, obtener el resultado, aprender y tomar decisiones diferentes para, por ejemplo, maximizar el nivel de servicio en épocas de bajas laborales o vacaciones con anticipación. Manejando ingentes cantidades de datos de otras áreas como ventas o recursos humanos y basándose en su propia experiencia, el sistema será capaz de empezar a definir por ejemplo una estrategia de ubicación, recorridos y personal óptima de forma anticipada para prevenir las bajas que la gripe estacional va a producir en el almacén atendiendo además a la variabilidad de pedidos que van a producirse en esa época del año. Si nuestro almacén cuenta con vehículos autoguiados (AGV) y dispositivos de identificación con radiofrecuencia, el sistema podrá tomar decisiones (diferentes cada vez) de mantenimiento de los mismos, rutas internas, reubicaciones, número de AGV necesarios en funcionamiento, ordenación de pedidos, decisiones sobre sistemas de picking (por oleadas o pedido a pedido) las posibilidades son infinitas y siempre al servicio de la eficacia y rentabilidad de los procesos que gracias a su propia actividad se irán optimizando por el propio sistema.

    Gracias a la IA, al big data el internet de las cosas (IoT) y los procesos en la nube no sólo podemos tener una trazabilidad total en tierra, mar y aire de cualquier mercancía, también podemos conocer sus estados, si el paquete ha sido abierto o manipulado o dañado, o si las condiciones de temperatura y humedad han variado en algún momento. Para elementos que deban incorporarse a otros podremos conocer si el producto está instalado, donde, si lleva mucho desgaste, si va a necesitar revisarse en breve, si se ha estropeado o roto, etc. el sistema podrá tomar decisiones en base a esos datos. Según todos esos datos el sistema dará soluciones diferentes por ejemplo para avisar de la necesidad de repuestos de cada zona geográfica donde se utilicen atendiendo a los distintos niveles de deterioro que puedan producirse según las condiciones de uso, temperatura, humedad de cada zona en cada estación. Es más, el propio producto deteriorado puede estar conectado a otros objetos o sistemas como un almacén automático y solicitar su propia reposición al final de su ciclo de vida y antes de que acabe por romperse.

     

    Conclusiones

    Si lo pensamos bien el uso de la inteligencia artificial en la logística, no se trata más que de mejoras en la recopilación y el tratamiento de datos que como consecuencia dan resultados espectaculares nunca vistos hasta el momento porque hasta la fecha éramos incapaces de manejar datos en la cantidad, con tantísima disparidad y a la velocidad con que lo hacemos hoy.

    Pensemos en un robot dotado con IA y uno sin este tipo de tecnología. Si deseáramos realizar un agujero en una chapa del chasis de un automóvil, al robot sin IA tendríamos que darle el 100% de las instrucciones y especificaciones necesarias a tal fin, es decir, el tipo de broca a utilizar, los movimientos que el robot debe ejecutar, el tiempo y velocidad de taladro, etc. No admitiría cambios ni imprevistos, sus movimientos y resultados serían exactamente los mismos siempre.

    A un robot con IA sólo hay que decirle el agujero que debemos hacer y dónde, y es el software el que decidirá el mejor tipo de broca a usar según el grosor y la naturaleza del material a perforar, así como la velocidad y tiempo adecuados. Es más, sería capaz de cambiar sus decisiones en base a su propia experiencia y atendiendo a cambios en su entorno como por ejemplo un cambio en el material a perforar. Podría decidir afilar la broca o cambiarla en un momento dado diferente de los producidos en cambios anteriores, es decir, cambiaría o afilaría sólo si es necesario y no en base a un número concreto de perforaciones. Suena a ciencia ficción, pero esto ya es una realidad.

    Imaginemos las implicaciones que en una línea de producción tienen este tipo de robots que aprenden y toman decisiones. La variabilidad de diseños que puede llegar a producir una única línea es enorme, es decir, ya no se trata de hacer el mismo producto de forma repetitiva en una línea, se trata de realizar uno diferente tras otro, usando elementos en la línea capaces de tomar decisiones diferentes para cada referencia fabricada y optimizando sus procesos constante y simultáneamente. Obtenemos el máximo nivel de personalización posible al tiempo que alcanzamos el máximo nivel de optimización de recursos posible.

    Evidentemente, la logística necesaria para alimentar tanto a esa cadena de producción inteligente como a servir el producto personalizado resultante al cliente debe adaptarse. En consecuencia, está abocada a utilizar el mismo tipo de tecnología si desea satisfacer con altos niveles de eficiencia las necesidades que se generarán.

    Lo siguiente será servir antes del pedido. ¿Imposible? Para nada. Si sabemos cuántos automóviles hay en el mercado y cuántos kilómetros llevan circulando cada uno de ellos, sabremos qué piezas serán las que necesiten un recambio con casi total probabilidad. Conociendo la localización geográfica de cada modelo, su concentración por barrios, los usos y costumbres de sus dueños, sus domicilios y los talleres que más frecuentan, el % de errores en las piezas que sufren más desgaste o incluso el estado exacto de las piezas gracias al IoT, ¿no seremos capaces de calcular el número y tipo de piezas que van a necesitar los talleres para una marca y modelo concretos de un distrito postal concreto? ¿y no seremos capaces de enviar (no decimos cobrar) la(s) pieza(s) que va(n) a necesitarse para esas reparaciones al taller adecuado antes incluso de que la pieza falle? ¿Incluso 24 horas antes con un índice de acierto superior al 90%? Esto sucederá, sólo es una simple cuestión de tiempo.

     

    Gratis El Libro Blanco del SGA

     

    También te pueden interesar...

     

    indicadores_logisticos_control

    aspectos críticos logistica internet

     

    Juan Cisneros

    Escrito por: Juan Cisneros

    Experto en gestión de almacenes Inteligentes - Lean Wharehousing - 5S - Formador LEAN.

    Temas relacionados:. cloud, industria logistica, logistica, Big Data, cloud computing, Software logistico, logistica 4.0., inteligencia artificial, machine learning

    COMPARATIVA ENTRE UN ALMACÉN SGA Y EL TRADICIONAL 8 CONSEJOS PARA ELEGIR UN PROGRAMA DE GESTIÓN DE ALMACENES

    ¿Te ha gustado? Puedes compartirlo en tu red social favorita. ¡Gracias! 


    También puedes agregar nuestro blog a tu Feed de RSS para mantenerte informado.