La inteligencia artificial para preparar la cadena de suministro global para el futuro
Unas cadenas de suministro eficientes son el eje de la economía mundial. Sin embargo, tal como la pandemia de COVID-19 puso de manifiesto, las cadenas de suministro globales pueden verse interrumpidas con facilidad. Por eso, a medida que nos adentramos lentamente en un mundo pospandémico, es esencial que trabajemos para protegerlas mejor contra futuras interrupciones. «El crecimiento económico mundial ha ejercido una presión considerable sobre nuestra limitadísima infraestructura logística», afirma Enrique Onieva, profesor titular de Computación y Sistemas Inteligentes en la Universidad de Deusto (España). «El uso eficiente de esta infraestructura y de los recursos de transporte disponibles es un objetivo sumamente importante». Esto es lo que se trata de abordar en el proyecto LOGISTAR (Enhanced data management techniques for real time logistics planning and scheduling). «Al aprovechar los datos que, cada vez más, se recogen en tiempo real en el entorno interconectado, el proyecto LOGISTAR pretende despejar el camino hacia la planificación eficaz de las operaciones de transporte dentro de la cadena de suministro», añade Onieva, que actúa como coordinador del proyecto.
Una arquitectura integral
El principal resultado del proyecto es una arquitectura integral que puede adquirir y armonizar automáticamente los datos, enviar los mensajes correspondientes a los módulos encargados de ejecutar los diferentes algoritmos y recopilar los resultados para mostrárselos a las partes interesadas. «Esta tecnología toma los datos disponibles en tiempo real y los incorpora a los algoritmos de IA», explica Onieva. «Posteriormente, estos algoritmos se utilizan para ejecutar una serie de servicios, cada uno de los cuales está orientado a optimizar las operaciones de la cadena de suministro». Por ejemplo, un servicio utiliza la predicción precisa de la hora de llegada estimada y la detección de incidentes para optimizar las operaciones de almacén. «Al ayudar a los almacenes a utilizar los recursos disponibles de forma más eficiente, este servicio reduce los tiempos de espera y los cuellos de botella en la cadena de suministro que estos retrasos provocan», añade Onieva. Otro servicio mejora la forma de transportar las mercancías y optimizar la capacidad de carga. «Al aprovechar los diferentes modos de transporte, como los camiones, los trenes y los buques, podemos optimizar el uso de toda la infraestructura disponible y, al mismo tiempo, reducir los costes globales del transporte logístico», señala Onieva. En este sentido, el proyecto también ha desarrollado una herramienta para la planificación colaborativa horizontal. «Al ayudar a las diferentes partes interesadas de la cadena de suministro a compartir los recursos disponibles, podemos reducir el número de kilómetros que recorren los camiones vacíos, lo que a su vez disminuye las emisiones de gases de efecto invernadero», afirma Onieva.
Respuestas prácticas a problemas reales
Onieva señala que la COVID-19 no solo interrumpió las cadenas de suministro, sino que también afectó a proyectos de investigación como LOGISTAR. «La pandemia se produjo justo cuando íbamos a iniciar las actividades de prueba, lo que nos obligó a hacer todo a distancia», explica el coordinador. A pesar de este reto imprevisto, el proyecto consiguió dar respuestas prácticas a problemas reales de la cadena de suministro. «Nuestro éxito es el resultado directo del compromiso de todas las personas implicadas en este proyecto», concluye Onieva. «Puede que seamos un equipo numeroso con diferente formación que proviene de sectores distintos, pero todos compartimos el mismo objetivo de preparar nuestras cadenas de suministro globales para el futuro». Aunque el proyecto ya ha finalizado, Onieva y algunos de los otros socios del proyecto están trabajando para mejorar el nivel de preparación tecnológica de los servicios de LOGISTAR. El objetivo final es hacer avanzar la tecnología hacia la comercialización.
Palabras clave
LOGISTAR, cadena de suministro, automatización, inteligencia artificial, IA, datos, logística, infraestructura, transporte, algoritmo, almacén