Noticias

Inteligencia Artificial - Aplicación a la actividad logística

Jose L. Losada

Acerca de la Inteligencia artificial

Para entender mejor que es la Inteligentica Artificial vamos a comenzar por hacer una mapa conceptual que nos permita entender a que nos referimos cuando hablamos de Inteligencia Artificial, Machine Learning, Redes Neuronales, Big Data o Deep Learning.

Como una primer definición podríamos decir que la Inteligencia Artificial es una parte del campo de la informática de busca crear máquinas que puedan imitar comportamientos inteligentes.

Los comportamientos inteligentes que se incorporan a las máquinas son muy diversos incluyendo mover objetos, conducir vehículos, analizar patrones, reconocer voces, reconocer imágenes, predecir comportamientos o situaciones y en el campo para el cual se diseñan logran performance superior al de las personas.

Cuando programamos una máquina para que haga un conjunto de movimientos decimos que es inteligente, pero eso no implica que tenga capacidad de pensar, dado que la lógica se la dio la persona que la programó. Diversos censores le brindan a la máquina la información necesaria para decidir los movimientos.

Incluimos diversos campos dentro la inteligencia artificial, como la robótica, el natural language processing, y el machine learning.

Robótica:

La capacidad de moverse reconociendo el entorno.

Natural language processing:

Capacidad de entender el lenguaje, incluyendo la conversión de voz a texto o de texto a vos.

Machine Learning:

Capacidad de dotar a las máquinas de la aprender de forma automática a partir de experiencias previas.

Machine Learning

El machine Learning es una evolución de la inteligencia artificial que busca dotar a las máquinas con algoritmos que tienen la capacidad de aprender.

    - Supervisado

    - No supervisado

    - Pocos ítems

    - Reforzado

Hay diferentes técnicas

    - Árboles de decisión

    - Modelos de regresión

    - Modelos de clasificación

    - Técnicas de clusterización

    - Redes neuronales

    - Deep learning

Big Data

Big data describe cualquier cantidad voluminosa de datos estructurados, semiestructurados y no estructurados que tienen el potencial de ser extraídos para obtener información y se analizan con las técnicas de machine learning.

Aplicaciones en los procesos logísticos

Si bien es muy incipiente la aplicación de inteligencia artificial en los procesos y las actividades logísticas va a crecer rápidamente su utilización en los próximos año y vemos algunas áreas de oportunidad para su aplicación:

1. Planificación de la cadena de abastecimiento:

Un desafío constante en la gestión de la cadena de abastecimiento es contar con mejor información que nos permita anticipar el comportamiento de la demanda y planificar mejor nuestra actividad, los stocks, la capacidad de almacenaje y los volúmenes a distribuir.

Un desafío constante en la gestión de la cadena de abastecimiento es contar con mejor información que nos permita anticipar el comportamiento de la demanda y planificar mejor nuestra actividad, los stocks, la capacidad de almacenaje y los volúmenes a distribuir.

El uso de algoritmos de machine learning que puedan predecir mejor los comportamientos futuros de la demanda permiten:

- Mejorar el abastecimiento que nos brindan los proveedores alineándolo con la demanda esperada.

- Evitar quiebres de stock y por lo tanto pérdida de ventas.

- Minimizar costos de almacenaje, obsolescencia, y mermas, por excedentes de stock que no se pudieron vender.

- Reducir capital de capital de trabajo en stocks improductivo

2. Operación de los centros distribución y depósitos:

- En el traslado de productos en almacenes que se utilizan equipos del tipo LGV (Laser Guided Vehicles) para los movimientos, los algoritmos analizan los patrones de movimiento para asignar los recursos más adecuados a cada traslado.

- En los almacenes automáticos, para la asignación de ubicaciones también se utiliza IA para maximizar el rendimiento de los equipos mejorando la decisión de donde ubicar productos.

- Uso de robots para picking que reconocen productos y los clasifican.

- En los sorters de clasificación de productos

3. Procesos de distribución:

- En los sistemas de ruteo, como que aprenden de la experiencia pasada. El campo de aplicación tiene posibilidades de expansión muy importantes dado que permanentemente se identifican nuevas opciones para el uso de una tecnología que está creciendo muy rápidamente.

¿CONOCÉS NUESTRO SISTEMA DE OPTIMIZACIÓN DE RUTAS?

Conocé SGL Routing >