Actualmente los términos Inteligencia Artificial, Aprendizaje automático (Machine learning & LLM) e Aprendizaje profundo están en auge en el mundo de los negocios, pero para algunos sectores, estas tecnologías aún son embrionarias y se encuentran en las primeras etapas de implementación.
Pero, ¿cuáles son estas innovaciones? bueno, el Aprendizaje profundo es una subárea de Aprendizaje automático (Machine learning & LLM) donde los algoritmos se desarrollan en varias capas de procesamiento y ambas forman parte de la Inteligencia Artificial. La mayoría de los modelos modernos de Aprendizaje profundo se basan en redes neuronales artificiales (ANN). Las ANN se inspiraron en el cerebro biológico y aprenden a partir del procesamiento de un conjunto de datos, distinguiendo características, reconociendo patrones, aprendiendo interrelaciones ocultas, agrupando objetos y procesando información abstracta. Por lo tanto, pueden ayudar a resolver varios problemas en el cadena de suministrotales como optimización, previsión, reconocimiento de imágenes y apoyo a la toma de decisiones.
El área de aplicación más discutida con las redes neuronales artificiales (ANN) es la previsión de la demanda, ya que es un problema constante para las organizaciones y extremadamente importante para la gestión de la cadena de suministro. Muchas aplicaciones han demostrado que el uso de ANN es más preciso para predecir demandas futuras en comparación con las técnicas de pronóstico tradicionales. Otro uso de las ANN que surgió en la literatura fue en problemas de optimización, como el tamaño de lotes, problemas de rutas de vehículos y decisiones relacionadas con inventarios. Las ANN también pueden ser útiles para la planificación de la producción y el mantenimiento preventivo. Además, puede utilizarse para automatizar procesos, maniobrar vehículos autónomos y reconocer objetos gracias a su capacidad de procesamiento de imágenes. Se han vuelto muy atractivos para resolver diversos problemas porque son adaptables a los cambios.
Finalmente, un campo muy prometedor para el uso de Aprendizaje profundo es en apoyo de la toma de decisiones, debido a sus habilidades de reconocimiento de patrones. Según Gartner, el 16% de las empresas reportan un alto nivel de automatización en la toma de decisiones, con una expectativa de alcanzar el 65% en los próximos años. Otro dato interesante que destaca la encuesta de Gartner es que el 21% de las empresas utilizan la Inteligencia Artificial para automatizar la toma de decisiones en el transporte, con una expectativa del 56% para 2025. Por tanto, debido a las numerosas aplicaciones, la Aprendizaje profundo puede ayudar con la complejidad de la gestión de la cadena de suministro.
El 28º Foro Internacional de la Cadena de Suministro (18 al 20 de octubre de 2022) traerá numerosas ponencias sobre innovación y tecnologías aplicadas a la Logística. Más información sobre el evento en la web www.forumilos.com.br
Referencias:
– Leung, HC (1995, junio). Redes neuronales en la gestión de la cadena de suministro. En Proceedings for Operating Research and the Management Sciences (págs. 347-352). IEEE.
– Mín, H. (2010). Inteligencia artificial en la gestión de la cadena de suministro: teoría y aplicaciones. Revista Internacional de Logística: Investigación y Aplicaciones, 13(1), 13-39.
– Toorajipour, R., Sohrabpour, V., Nazarpour, A., Oghazi, P. y Fischl, M. (2021). Inteligencia artificial en la gestión de la cadena de suministro: una revisión sistemática de la literatura. Revista de Investigación Empresarial, 122, 502-517.
– ABOL (Asociación Brasileña de Operadores Logísticos) – Perfil de Operadores Logísticos 2022
– Gartner – IA de la cadena de suministro
