10 estrategias de analítica avanzada e IA para la logística

Eduardo Ochoa, Lead Data Scientist en Intelmétrica

Cuando se habla de Inteligencia Artificial (IA) aplicada a la logística escuchamos acerca de vehículos de conducción automática, robots que atienden almacenes o que reparten productos. En general, se piensa que adoptar estas tecnologías requiere de una inversión importante en equipo y en infraestructura para ejecutar tareas que ya se realizan. Esta supuesta gran inversión termina por desincentivar a la empresa en cuanto a la adopción de nuevas tecnologías e impide su crecimiento.

No obstante, existen varias aplicaciones de analítica avanzada e inteligencia artificial que requieren datos mínimos de la operación y que tienen un gran impacto en la optimización de recursos y procesos. Estas aplicaciones podrían constituir los primeros pasos hacía una transformación real de tu empresa logística a una empresa basada en datos, sin necesidad de invertir en infraestructura adicional.

En este artículo, te mostraré diferentes aplicaciones de IA que utilizan datos con los que ya cuentas y que permiten optimizar diferentes aspectos de tu operación.

Dice una frase anónima: “El éxito nunca será un gran paso en el futuro, el éxito es un pequeño paso tomado ahora mismo”.

1. Optimización de recorrido de rutas

Consiste en encontrar la ruta más costo-efectiva de las posibles rutas que tienen que recorrer un número de paradas determinadas en el día.

Algunas empresas de escala pequeña suelen hacer el trazado de las rutas con Excel y Google Maps como herramientas, pero conforme las operaciones van escalando, hacer el trazado de manera manual es prácticamente imposible.

El problema se vuelve aún más complejo al tener múltiples vehículos en tu flotilla que deben alcanzar diferentes puntos geográficos.

Este problema no tiene una solución directa, sin embargo, existen algoritmos que permiten obtener soluciones en mucho menos tiempo y con un menor costo, a comparación de una fuerza de trabajo dedicada a esta labor, además de proveer soporte para contemplar diversas restricciones operativas, como:

• Ventanas de atención de los puntos de visita
• Restricciones en las vialidades permitidas según las características de la flotilla
• Estimación de tráfico
• Mejor cálculo de tiempos de entrega en el día

2. Predicción de demanda

Un reto fundamental para cualquier negocio es saber con anticipación la cantidad de insumos que necesitará o el volumen de producto que debe repartir.

Quedarse corto en inventario podría implicar una baja en ventas potenciales e, incluso, que tus clientes opten por la competencia. En contraste, una sobreestimación de inventario podría significar un aumento en costos de almacenaje o pérdidas en productos perecederos.

En la actualidad existen múltiples algoritmos que permiten realizar una predicción con base en la tendencia histórica, contabilizada por factores estacionales.

Al diseñar un sistema que involucre retroalimentación de los datos operativos del día a día, los modelos de IA pueden aprender rápidamente e irse optimizando para hacer predicciones cada vez más precisas.

3. Optimización de tripulación

De manera similar a la predicción de demanda, es posible diseñar un sistema que prediga el personal necesario para llevar a cabo una tarea de reparto en tiempo y forma, y que tome en cuenta diferentes factores como la cantidad de puntos de reparto, características de descarga en los puntos de reparto y las características de la carga en sí.

La periodicidad de esta predicción puede ser evaluada según las necesidades de la operación, permitiendo, incluso, ajustes a la frecuencia diaria.

4. Perfilamiento de clientes

Mediante el análisis de los datos de comportamiento del cliente es posible perfilarlos y diseñar estrategias de marketing o de cadena de suministros personalizadas.

Con el aprendizaje de máquinas es posible utilizar los datos de consumo del cliente y datos contextuales para generar grupos de clientes que exhiben comportamientos similares. Con esta información se pueden observar las características de cada uno de los grupos y diseñar experiencias o productos personalizados. Este proceso puede ser reevaluado de manera automática conforme ingresan más datos al sistema a fin de mantener actualizados los perfiles.

Un perfilamiento oportuno de los consumidores posibilitará una mejor experiencia mediante la personalización de productos, atendiendo las necesidades específicas del cliente.

5. Reestructuras e identificación de ubicaciones de centros de servicio

Uno de los factores que más impactan en el tiempo de entrega es la cercanía de tus almacenes hacia tu punto de entrega. Por lo tanto, saber exactamente dónde colocar un nuevo almacén es crítico para reducir ese tiempo y ofrecer una mejor experiencia.

Mediante el análisis de las ubicaciones de tus puntos de entrega actuales y la predicción de puntos de entrega futuros, es posible determinar con precisión la ubicación del nuevo almacén o evaluar las posibilidades potenciales.

A su vez, con los datos de comportamiento histórico de tus almacenes actuales, se puede establecer la cantidad de personal y flotilla necesaria para abastecer a tus actuales y nuevos clientes, así como evaluar el impacto en carga de trabajo de tus almacenes existentes al habilitar uno nuevo.

6. Corrección de direcciones postales

Los servicios de recolección y entrega de paquetes a domicilio son cada día más utilizados, y para efectos de la creación de dichas rutas de reparto, es indispensable contar con la ubicación precisa de todos los clientes.

En muchas ocasiones las empresas dedicadas al transporte de paquetes reciben las direcciones de entrega, y a partir de ellas generan una georreferencia, es decir, la latitud y longitud del cliente. Estos servicios de georreferencia esperan cierto formato en las direcciones, pero éstas a menudo son generadas por los usuarios finales y presentan diversas áreas de oportunidad, como errores en los nombres de la calle o la colonia, abreviaturas, incluyendo descripciones sobre el edificio o referencias de construcciones cercanas, entre otros.

A través de técnicas de reconocimiento de patrones en texto es posible mejorar la calidad de las direcciones que recibes, mientras que a través del análisis de datos geoespaciales históricos es posible obtener mayor precisión en su geolocalización.

7. Identificación de patrones de desempeño

Mediante el análisis de los datos de telemetría de repartos y de la carga de cada una de las entregas, se pueden determinar patrones de comportamiento. Estos están relacionados con el desempeño de entrega y con los factores que pueden afectar negativamente el reparto.

Una vez identificados dichos patrones es posible la creación de alertas que nos informen acerca del contexto, lo que nos permite reaccionar de manera oportuna. De la misma manera, es posible incentivar a los actores con mejor desempeño y formular talleres de transmisión de buenas prácticas.

8. Reducción de carga administrativa con robots

La automatización robótica de procesos o RPA, por sus siglas en inglés, consiste en crear programas de computadoras que realizan esas tareas rutinarias que podrían ser gran parte de la carga administrativa de tu operación. Estas tareas repetitivas incluyen iniciar sesión en sistemas, leer información de páginas, extraer datos de varias fuentes (tablas, imágenes, PDF), consolidación de la data o generación de reportes.

Usando RPA en conjunto con IA, es posible crear robots que tomen decisiones basadas en el contexto de la operación y reaccionar así ante un cambio de ambiente para llevar a cabo una acción administrativa. Sin duda, esta alternativa disminuye los costos administrativos de tu operación, incrementando a la vez la calidad y precisión de las tareas administrativas.

9. Gestión optimizada con chatbots

Los chatbots están muy presentes en el sector logístico proporcionando a los clientes con estatus en tiempo real acerca de sus envíos o resolviendo dudas rutinarias, sin embargo, también es posible utilizar chatbots para optimizar tu operación logística al ponerlos a la disposición de tu equipo operativo.

En el pasado, la única manera en que el equipo operativo podía extraer información era a través de múltiples plataformas y por medio de gestores de búsquedas, sin embargo, ahora es posible interactuar con un chatbot para obtener de manera directa datos operativos que combinen la información de diferentes sistemas, proporcionando a tu equipo operativo una herramienta en donde la interacción es mucho más natural.

Al crear chatbots que integren la totalidad de la información de tu operación, es posible obtener información de una sola fuente evitando cambiar entre diferentes plataformas y optimizando el tiempo de gestión de la operación.

10. Mantenimiento predictivo

En muchas ocasiones el mantenimiento a maquinaria y vehículos se realiza de manera fija cada cierto tiempo o en cuanto el activo presenta alguna falla. En el primer caso surge la pregunta sobre qué tan necesario era el mantenimiento en ese preciso momento: ¿fue prematuro?, ¿fue demasiado tarde? En el segundo caso, al tratarse de una incidencia no planeada, se generan retrasos en la operación que se traducen en costos adicionales.

Pero ¿cuándo es el momento preciso para dar mantenimiento a tus recursos? Esta pregunta puede responderse a través de tus datos históricos. Si se cuenta con información sobre el uso de recursos y datos de reportes de incidencias, es posible desarrollar modelos predictivos que estimen cuándo se debería dar mantenimiento para conservar tus recursos en óptimas condiciones y, en consecuencia, minimizar los riesgos de percances en el día a día.

En la actualidad la mayoría de las operaciones logísticas están integradas con sistemas que proporcionan los datos, sin embargo, es importante utilizar estos datos en la toma de decisiones para realmente obtener valor de ellos y llevar a la operación al siguiente nivel de excelencia.

El objetivo de Intelimétrica es facilitar el proceso de generación de valor de los datos de nuestros clientes, acompañándolos en cada una de las etapas de este proceso.