Machine Learning & Deep Learning en Logística
Hace unos meses atrás nos enfocamos en cómo la Inteligencia Artificial genera valor en la Logística, no obstante, aún hay más.
Diariamente la generación de datos es más que exponencial y cada vez se integran más softwares dentro de los dispositivos, máquinas, vehículos y herramientas, que están continuamente emitiendo información para evidenciar patrones de comportamientos en los usuarios. Como mencionamos en el post anterior, Zume Pizza puede anticipar el tipo de pizza que el cliente va a ordenar antes de que éste lo haga. Sin embargo, se requiere aumentar la capacidad de procesamiento de toda esta información. Se hace necesario que las máquinas aprendan por sí solas para que, de alguna manera, comiencen a tomar decisiones en estado automático.
Justamente y dentro del campo de la inteligencia artificial aparece el Machine Learning (aprendizaje automático), que es un conjunto de técnicas y algoritmos que permiten que un dispositivo pueda aprender por sí solo, bajo ciertas reglas, sin necesidad de una reprogramación previa, e identifique patrones de comportamiento para posteriormente adaptar dichas reglas y crear otras nuevas para mejorar su tasa de acierto.
La logística es uno de esos sectores en los que el aprendizaje automático ha impactado con gran fuerza, ya que sus aplicaciones son casi infinitas. Por ejemplo, se puede mejorar significativamente la planificación de las rutas, pues el software aprende y detecta a qué horas se debe ir por un camino u otro en función de los datos del tráfico, actividades de las personas, horarios de comercios, estado del clima, etc., etc. Para el caso de los fabricantes de maquinarias y vehículos, el machine learning podría prevenir averías, problemas técnicos o cuándo algo va a fallar y así poder intervenir antes de que suceda. Un último ejemplo, el control del stock, por medio de la predicción del consumo, como en el caso de Zume Pizza.
A pesar de lo maravilloso del machine learning, ya existe una alternativa más sofisticada al uso de algoritmos para analizar datos, aprender de ellos y luego hacer predicciones: el Deep Learning.
El Deep Learning o aprendizaje profundo, también es una forma de inteligencia artificial y es un modelo dentro del machine learning que se basa en el aprendizaje mediante ejemplos. En el aprendizaje profundo, en lugar de enseñarle al software un listado de reglas para resolver un problema, se le da un modelo en donde pueda evaluar ejemplos y una pequeña cantidad de instrucciones para modificar dicho modelo cuando se produzcan errores. En este paradigma, los algoritmos son capaces de aprender sin intervención humana. La diferencia entre machine learning y deep learning es que la segunda técnica lleva el aprendizaje a un nivel más detallado, trabajando por capas o unidades neuronales que trata de imitar el funcionamiento del cerebro humano.
El Deep Learning aporta otro estado de la realidad de la supply chain, en la que seamos capaces de anticiparnos (Logística Anticipada) a muchos problemas, gracias a la extracción de patrones de comportamiento, cosa que hasta entonces el Machine Learning no nos permitía hacer. Obviamente, también permitirá optimizar la última milla y fomentar el uso de vehículos autónomos y garantizar la trazabilidad de los productos, para lo que se utilizará esencialmente la blockchain.
Como se puede vislumbrar, el campo de la AI es la base de la cadena de suministros del presente próximo y una solución a la Logística 4.0. Es momento de comenzar a interiorizarse en el tema y preparar a nuestras empresas para dar el paso hacia la acción y comenzar a salir del círculo vicioso de la reacción.