El término “Logística 4.0” fue acuñado hace pocos años asociado al concepto “Industria 4.0” mucho más conocido, y que hace referencia a las sucesivas revoluciones industriales: desde la mecanización con máquinas de vapor, pasando por la electrificación y la informatización, y llegando en la 4ª revolución al uso de sistemas inteligentes y automatizados basados en datos.
En Logística se ha seguido la misma evolución y es ahora el momento en el que se empieza a utilizar la Inteligencia Artificial para mejorar los procesos. En toda esta evolución, los sistemas logísticos se han hecho más eficientes y robustos, reduciendo los costes operativos y aumentando la calidad del servicio. Las áreas logísticas de las empresas, en sectores como el transporte de mercancías, paquetería, retail, alimentación y bebidas, manufactura, farmacéutico, etc., están empezando a incorporar Inteligencia Artificial para conseguir ahorros operativos y no quedarse atrás frente a empresas de la competencia más eficientes.
La Inteligencia Artificial ya se aplica en otras áreas de la empresa, como en marketing, ventas, servicio al cliente, etc., y es ahora el momento de la Logística, más concretamente de la optimización logística para ahorro de costes operativos.
Tipos de herramientas de Inteligencia Artificial para la optimización logística
Hay dos grandes líneas o tipos de herramientas de la Inteligencia Artificial que están aplicándose en la optimización logística:
- Analítica predictiva, basada principalmente en Machine Learning / Deep Learning: Con grandes volúmenes de datos es posible “entrenar” a los sistemas para realizar predicciones. La capacidad de hacer predicciones es fundamental para mejorar los procesos logísticos. Por ejemplo, si se puede predecir la demanda de entrega de paquetes en un periodo de tiempo, será más fácil dimensionar los recursos para atender dicha demanda.
- Analítica prescriptiva, basada en la Investigación Operativa (técnicas de optimización matemática, simulación, etc.): En muchos procesos logísticos hay que tomar decisiones entre una gran cantidad de opciones o posibilidades. Un ser humano puede tomar una buena decisión, por ejemplo, para diseñar rutas de reparto; sin embargo, seguramente no sea la decisión óptima. Y en estos ámbitos, la diferencia entre una buena decisión y una óptima se traduce en ahorros de costes operativos de entre un 10% y un 20%.
Dónde se aplica la Inteligencia Artificial en optimización logística
En todos los procesos logísticos se puede aplicar la Analítica Predictiva y Prescriptiva, que de forma combinada refuerzan su potencial de mejora.
Estas son las áreas principales en las que ya se está trabajando, con muy buenos resultados que se traducen en ahorros en un corto periodo de tiempo:
Transporte de arrastre
En un entorno complejo en los que hay un diseño de red con plataformas, hubs locales terrestres, hubs intermodales, almacenes intermedios, etc., se pueden plantear los siguientes retos que se resuelven con la Inteligencia Artificial:
- Forecast de demanda: Generación automática diaria de previsión de demanda del cliente para cada nodo y par de nodos.
- Estimación de recursos de hubs y oficinas: Generación diaria de estimaciones de los recursos necesarios para los hubs y oficinas así como para la distribución capilar en base a las previsiones de demanda.
- Estimación de recursos de red: Generación diaria de alto nivel de estimaciones de recursos requeridos para la distribución de la red.
Rutas de última milla
Con la explosión del comercio electrónico, la optimización de las rutas de última milla se ha convertido en un elemento fundamental para ser más competitivo en costes. El reto en este caso consiste en encontrar las rutas óptimas teniendo en cuenta:
- Distancias / tiempos en vehículo: coste por kilómetro recorrido.
- Ventanas de tiempo para recoger o dejar paquetes.
- Capacidad máxima del vehículo (peso y volumen)
- Distancias máximas a recorrer.
- Horarios de trabajo.
- Etc.
Aunque existen desde hace tiempo herramientas que realizan este trabajo, la complejidad creciente del problema y las peculiaridades de las empresas exigen herramientas a medida para alcanzar el potencial de ahorros que tiene esta parte de la logística.
Turnos y horarios de personal
Planificar los turnos y horarios de personal no es una tarea sencilla cuando la operación logística es compleja y el número de personas involucradas es alto. Aquí el reto es generar los horarios ajustando la presencia de personal con la predicción de la demanda, teniendo en cuenta, por ejemplo:
- X empleados, Y encargados, Z turnos.
- Retos: preferencias individuales, vacaciones, predecir la demanda.
- Riesgos: demanda no atendida (infradimensionado), desperdicio de recursos (sobredimensionado)
Esto es aplicable en la planificación de turnos de conductores, personal de plataformas / crossdocking, personal de oficinas, etc.
Mantenimiento de vehículos y remolques
Actualmente, los tipos de mantenimiento que se realizan en el ámbito logístico y de transporte son:
- Mantenimiento correctivo, cuando hay una avería o accidente.
- Mantenimiento preventivo, que consiste en revisiones periódicas para minimizar el impacto de las averías.
Sin embargo, la Inteligencia Artificial permite conseguir el potencial de ahorros posibles con la Analítica Predictiva y Prescriptiva:
- Mantenimiento predictivo: Se centra en la organización de las acciones de mantenimiento dependiendo del estado actual del sistema y dando una indicación precisa de cuándo se va a necesitar una intervención. Se estima que los beneficios potenciales son:
- Reducción en costes de mantenimiento: 25%-35%
- Eliminación de fallos inesperados: 70%-75%
- Reducción en tiempo de reparación: 35%-45%
- Mantenimiento Prescriptivo: Se centra en optimizar y planificar los recursos de mantenimiento. Aprovecha la información proporcionada por las predicciones para tomar decisiones económicamente eficientes.
Almacenes
Todo lo relacionado con almacenamiento de mercancías en los procesos logísticos está experimentando una revolución por el uso de técnicas de Inteligencia Artificial frente a técnicas tradicionales. Estos son algunos de los ámbitos en los que se pueden conseguir grandes ahorros operativos:
- Configuración de almacenes: Definición de ubicaciones y asignación de referencias a ubicaciones para minimizar el tiempo de picking:
- Compromiso entre facilidad de aprovisionamiento y aprovechamiento del espacio.
- Gemelo digital para decidir las ubicaciones y maximizar la productividad.
- Gestión de stocks: el objetivo es decidir el momento y la cantidad solicitada en el aprovisionamiento de productos reduciendo los costes, y mantener ciertas políticas sobre los stocks de manera conjunta y automatizada. Se tiene en cuenta:
- Previsiones de consumo de materias primas.
- Capacidades de almacenamiento (almacenes o tanques).
- Fechas de caducidad y otras restricciones.
- Restricciones relativas a los proveedores (horarios de entrega, capacidad en el transporte, etc.)
Conclusión
La Inteligencia Artificial se ha ido implantando paulatinamente en diferentes áreas de la empresa, y ya ha llegado el momento para la Logística, más concretamente en la optimización logística para conseguir ahorros de costes estimados entre un 10% y un 20%.
En este entorno de fuerte competencia, las empresas han entrado en la carrera de incorporar Inteligencia Artificial en sus procesos logísticos para no quedarse atrás, y la mejor forma de empezar, es identificando casos de uso en las áreas mencionadas anteriormente, en los que el impacto económico sea alto y esté asegurado el ROI.
