Todas las empresas, sobre todo las grandes compañías, están embarcadas en un proceso de transformación digital imparable. Y no es por incorporar tecnología porque sí, sino por supervivencia: las empresas que se queden atrás, desaparecerán.
Entre las tecnologías más disruptivas está la Inteligencia Artificial con la Analítica Avanzada de datos, que ya empieza a tener un protagonismo creciente en esta transformación digital.
El área de Logística está un poco rezagada en la aplicación de la Inteligencia Artificial, pero la buena noticia es que en sectores como Retail, Alimentación y Bebidas, Energía, Automóvil, Farmacéutico, etc., pueden empezar a aplicar en sus departamentos Logística y Operaciones algunas técnicas que ya están utilizando en otras áreas.
Las empresas más avanzadas siguen a grandes rasgos los siguientes pasos para acelerar su transformación, y que también se aplican para la Inteligencia Artificial en la Logística:
1 – Identificación de casos de uso
Un “caso de uso” es una actividad concreta en una empresa que tenga un reto o problema que solucionar. Por ejemplo, casos de uso en Logística podrían estar relacionados con reparto de última milla o el picking de almacén.
Los casos son tan variados como los problemas. En el caso del reparto de última milla, el reto o problema podría ser cómo realizar dicha actividad recorriendo el menor número de kilómetros, o usando el menor número de vehículos, sin afectar a la calidad del servicio de entrega. Y en un caso de uso de picking, el reto puede consistir en reducir los recorridos de operarios o unidades robotizadas en el almacén, abaratando y agilizado la entrada y salida de piezas o paquetes.
En definitiva, cuando buscamos casos de uso, estamos identificando actividades con objetivos definidos como reducir costes, mejorar la calidad del servicio o incrementar ingresos.
Una forma fácil de encontrar estos casos de uso en Logística es buscando actividades en las que haya personas planificando tareas y recursos, principalmente es estas áreas:
- Transporte de arrastre
- Rutas última milla
- Turnos de personal
- Mantenimiento de vehículos u otros activos
- Almacenes
En cada una de estas áreas podría haber personas o aplicaciones informáticas que planifican las tareas, la mano de obra involucrada, los vehículos, etc. Cuando esta actividad es compleja, se suelen usar hojas de cálculo muy complicadas o aplicaciones que no se adaptan completamente al problema real de la empresa. Cuando se da la circunstancia anterior, y además se ve que hay margen de mejora importante, ya tenemos identificado un caso de uso.
2 – Priorización
En cualquier empresa, y especialmente en el área de Logística, hay decenas de casos de uso que se pueden abordar en nuestra transformación aplicando Inteligencia Artificial. Pero las mejoras no pueden realizarse a la vez por limitación de presupuesto, capacidad de asimilación de los cambios, o viabilidad técnica porque falten fuentes de datos o requiera integrar la solución con módulos de aplicaciones que no están implantados.
De ahí que haya que priorizar qué casos de uso se resuelven primero, incluso definir las fases del desarrollo de las soluciones. Estos son los criterios que principalmente se tienen en cuenta para priorizar:
· ROI/ payback
Se trata de hacer un “business case”, en el que primero se estimen los ahorros de coste que supondría mejorar los procesos del caso de uso (o incremento de ingresos, aunque es poco común en Logística).
A continuación, habría que estimar el coste de implementar una solución en su conjunto o en fases, para a partir de ahí calcular el ROI o el payback de la solución. Usando, por ejemplo, técnicas de Analítica Prescriptiva, los ahorros pueden alcanzar entre un 10% y 20%, y según el volumen y coste de los recursos involucrados.
Con estos ahorros, el payback puede ser desde pocas semanas hasta varios meses. No es lo mismo optimizar el transporte de arrastre de una flota de 5 camiones que de 3.000, y en muchos casos, los ahorros se cifran en cientos de miles de euros, incluso en millones.
· Time To Market (TTM)
Este es un aspecto que se tiene poco en cuenta en Logística, y hay casos en los que es fundamental.
Time To Market es el tiempo que se tarda en idear un servicio o producto nuevo hasta que sale al mercado. Si una empresa es lenta sacando nuevos servicios, perderá terreno frente a su competencia y la oportunidad de tener antes unos ingresos generados por el nuevo servicio o la mejora de este.
Un ejemplo claro en Logística es cuando una empresa quiere ofrecer unos compromisos de entrega a sus clientes, pero la tecnología de la que disponen no les permite cumplirlos porque no pueden planificar las entregas de forma óptima sin incurrir en pérdidas.
· Viabilidad
Hay que comprobar si la solución que se plantea es viable tanto desde el punto de vista técnico como operativo. Es habitual plantear soluciones a un caso de uso que en un primer momento parecen buenas, pero, por ejemplo, cuando se analizan los tipos de datos disponibles, se descubre que son insuficientes, o que el entorno de trabajo requiere continuas replanificaciones, con tiempos de respuesta imposibles de conseguir si no se usan técnicas diferentes.
Después de analizar estos 3 aspectos, para priorizar los casos de uso, es una práctica habitual puntuar en una tabla cada uno, ponderando según la importancia que se dé al ROI frente al TTM, y eliminando aquellos casos que no sean viables (al menos a corto plazo hasta que puedan ser viables).
Y una vez priorizados los casos de uso, se colocan un “roadmap” o calendario con las fechas estimadas de ejecución, teniendo en cuenta:
- Puntuación en tabla de prioridad.
- Viabilidad en el futuro.
- Necesidad de haber resuelto antes otros casos de uso.
- La planificación en fases de los proyectos.
3 – Desarrollo de pilotos
Este paso suele ser necesario para reducir riesgos e implantar la solución gradualmente.
El desarrollo de un piloto se suele hacer de forma iterativa de manera que se van probando opciones, fuentes de datos, interfaces, etc., y en cada iteración se validan los resultados frente a los esperables y de soluciones anteriores.
Si por ejemplo, se trabaja en un caso de uso de turnos de personal de almacén, primero se haría un piloto en un almacén hasta que la solución estuviera completamente validada, y el cambio de dinámicas de trabajo fueran asumibles cuando la aplicación estuviera completamente en producción.
4 – Escalado e integración
Siguiendo este mismo ejemplo, cuando la solución funciona en un almacén, se desplegaría en el resto de los almacenes haciendo cambios a nivel de configuración para tener en cuenta las peculiaridades de cada uno, evitando si es posible, que haya que realizar un desarrollo distinto para cada almacén.
Este “escalado” del piloto, también requiere la integración con el resto de aplicaciones que existiera previamente en la empresa. Este aspecto es fundamental para que las soluciones no sean meros ejercicios académicos, sino que sean útiles en el día a día y que los usuarios estén en la medida de lo posible trabajando en un entorno que les familiar.
Conclusión
Estos 4 pasos describen de manera sencilla cómo abordar la transformación del área de Logística de casi cualquier sector. Es un proceso de mejora continua, donde es fundamental tener identificados los casos de uso, priorizarlos y planificar el desarrollo de las soluciones en un roadmap. Pero este roadmap no es inamovible, conviene revisarlo cada 3 o 6 meses porque las circunstancias son cambiantes, y aparecen nuevos retos de mercado e innovaciones tecnológicas.
