Machine Learning: Crecimiento y Beneficios en la Logística 4.0
Desde inicios de 2020, Gartner ya pronosticaba que habría un cambio en la inversión del TI para dar prioridad a iniciativas y temas de mayor importancia para el crecimiento empresarial, como es el caso del Machine Learning.
Así es como durante todo 2020 y lo que va de 2021 comenzamos a ver un crecimiento en la inversión de nuevas tecnologías para diferentes sectores, entre ellos el sector logístico.
De acuerdo con Algorithmia, empresa especializada en soluciones de Machine Learning, entre un 40% y 45% de las empresas a nivel mundial invirtieron en automatizar procesos logísticos y de supply chain con Machine Learning desde el inicio de la pandemia y mas del 50% de las empresas siguen aumentando su uso de Machine Learning e Inteligencia Artificial para la gestión logística y otros procesos.
Con este trasfondo de crecimiento constante, podemos notar la implementación de Machine Learning en diferentes procesos de la gestión logística:
Tender Digitalizado
Poder predeterminar de forma automática la mejor opción para un servicio de distribución en base reglas de negocio, se logra a través de “aprendizaje supervisado”. Este tipo de Machine Learning toma datos ya parametrizados para poder definir los datos de entrada y salida en un proceso o sistema. En este caso toma los datos de los transportistas y al definir las variables de calidad y asignación de servicios, podrá ir definiendo de forma predeterminada las mejores opciones para cada servicio de entrega.
Gestión de pedidos y demanda
Este punto vincula el Machine Learning con otras tecnologías para la logística como el IoT e Inteligencia Artificial dentro de los dispositivos inteligentes en los almacenes y sistemas WMS y TMS. Permite definir de forma constante de que forma gestionar los pedidos, existencias y demanda ya sea por temporada o por alguna otra variable que vincule estrategias comerciales u operativas.
Mantenimiento preventivo
Dentro de los almacenes existen muchos dispositivos, depósitos, maquinaria y transportes que necesitan mantenimiento periódico. Aunque se tiene tiempos estimados de mantenimiento, el Machine Learning permite conocer a través de dispositivos de medición cualquier mantenimiento preventivo que se necesite en base a parámetros de calidad y análisis de información. Un ejemplo son los transportes que requieren cambio de llantas o grúas en el almacén que requieren algún ajuste y eviten cualquier tipo de accidente.
Optimización de Rutas
Aquí podemos hallar los tres tipos de Machine Learning. Machine Learning supervisado, donde definimos parámetros para realizar la planificación de rutas y optimizarlas. Machine Learning no supervisado, donde podemos optimizar las rutas de forma automática, dejando que el sistema funcione en base a algoritmos de ruteo (véase La Planeación de Rutas en la Operación Logística) y Machine Learning por refuerzo, donde se hace una combinación de ambas, haciendo una planificación semiautomática y permitiendo definir parámetros específicos manualmente que a futuro funcionaran para que el sistema aprenda a optimizar según estos parámetros definidos.
Esta implementación de Machine Learning en la logística se logra través de sistemas TMS como UNIGIS Routing que permiten planificar y optimizar rutas de forma automática, semiautomática y manual, tomando diferentes reglas de negocio para aplicar en los algoritmos de ruteo y Machine Learning y crean aprendizaje que se traduce en reducción de tiempos y optimización de procesos.
Notificaciones y Alertas inteligentes
Durante el proceso de seguimiento de entregas y monitoreo logístico, el Machine Learning se convierte en el “nervio receptor” del “ojo” que tenemos a través de dispositivos GPS, cámaras en cabina de conductor, o dispositivos de medición de combustible, temperatura, entre otros. Tomando expresiones faciales del conductor puede aprender a conocer si existe alguna distracción o peligro que deba crear una alerta automática a la torre de control. Lo mismo sucede con el GPS al desviarse de la ruta que definió anteriormente o con los dispositivos de medición saber si la temperatura, el peso o el combustible son los correctos, de lo contrario levantará una alerta automática.
Otro aspecto en que el Machine Learning ayuda a la logística es con notificaciones según geocercas. De este modo el conductor sabrá si esta entrando en una zona de riesgo, si encontrará trafico en su ruta o si va a tiempo para la entrega. De igual manera, el cliente se ve beneficiado al recibir notificaciones del estatus de su pedido según las geocercas definidas.
Estos beneficios se unifican a través de sistemas como UNIGIS Tracking, donde se crean notificaciones y alertas inteligentes a través de Machine Learning y otras tecnologías. De esto modo puede gestionar sobre un solo punto todo el seguimiento, visibilidad, notificaciones y control de rutas y entregas en tiempo real.
Deep Learning
Ya habiendo hablado de los principales beneficios de Machine Learning en la Logística, es importante hablar un poco acerca de este concepto. El Deep Learning es un método o subtipo dentro del Machine Learning que permite configurar parámetros básicos sobre una tarea y “enseña” a la computadora para que por cuenta propia continúe aprendiendo y generando parámetros y procesos mas complejos.
Este concepto lo encontramos en prácticamente todos los puntos anteriores, desde como reconoce la mejor opción de Tender, como reconoce que dispositivos requieren mantenimiento, cuales son las mejores opciones para optimizar una ruta y cual es el estado de alerta o notificación dentro del seguimiento de entregas.
El Futuro del Machine Learning en la Logística
De acuerdo con Mckinsey, se estima una inversión de hasta 126 billones de dólares para 2025 en las empresas para tecnologías de Inteligencia artificial y Machine Learning. Por otro lado, International Data Corporation (IDC) estima que para 2023 un cuarto de las compañías pertenecientes al G2000 adquirirán al menos una compañía de AI, poniendo como ejemplo de empresas que ya avanzaron con esta idea a McDonald’s, Nike, General Motors, entre otros.
Aunando estos datos con el crecimiento del Machine Learning en el sector Logístico que mencionamos al inicio del articulo, podemos deducir que no solo habrá un aumento de uso, también un posible aumento en nuevas implementaciones, beneficios e innovaciones para la logística y las compañías.
Soluciones inteligentes como UNIGIS TMS implementan e innovan sus soluciones logísticas con Machine Learning y muchas otras tecnologías que puede conocer en nuestra sección de innovaciones. Si desea conocer mas sobre como puede mejorar su logística con soluciones de Machine Learning, puede solicitar información en nuestra sección de contacto.
https://blogs.idc.com/2020/12/16/investing-in-enterprise-intelligence/
