Empleo
La plataforma, basada en un algoritmo genético, recomienda niveles óptimos de inventario y estrategias de transporte
El Massachusetts Institute of Technology (MIT) Center for Transportation & Logistics y Mecalux han desarrollado un simulador basado en inteligencia artificial capaz de optimizar la distribución del inventario entre distintos almacenes dentro de una misma red logística. La plataforma, denominada Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), utiliza modelos avanzados de machine learning para analizar miles de posibles escenarios y simular cuál es el nivel óptimo de stock en cada almacén y cuándo conviene reponerlo.
El simulador de IA tiene en cuenta variables como la demanda prevista en cada región, los costos de transporte o la capacidad operativa de cada almacén para probar distintas políticas de reposición de stock sin afectar a la operativa real. “El algoritmo genético permite ejecutar múltiples simulaciones con distintos parámetros hasta encontrar la estrategia logística más eficiente. Las empresas pueden comparar escenarios y seleccionar el que mejor se adapta a su operativa”, explica el Dr. Matthias Winkenbach, director de Investigación del MIT Center for Transportation & Logistics y del Intelligent Logistics Systems Lab.
Una vez introducidos los datos y variables en el sistema, GENESIS genera la solución óptima acompañada de paneles estadísticos avanzados. Los usuarios pueden analizar indicadores como patrones de consumo, regiones con alta variabilidad de demanda, referencias con mayor riesgo de rotura de stock o almacenes con problemas de suministro.
Redistribuir antes que comprar
Una de las funcionalidades clave del sistema es que permite reequilibrar inventario entre almacenes. En lugar de realizar automáticamente nuevos pedidos a proveedores, la herramienta analiza si es más eficiente transferir producto desde otro centro de la red donde haya excedente. De este modo, las empresas pueden reducir costos y aprovechar mejor el stock ya disponible.
El sistema también recomienda cómo organizar el transporte, por ejemplo, si conviene agrupar envíos para optimizar camiones o servir determinados pedidos desde una ubicación concreta para disminuir tiempos y costos.
“El verdadero reto no fue encontrar el algoritmo adecuado, sino hacerlo lo suficientemente rápido como para que fuera práctico. Desarrollamos GENESIS desde cero para evaluar miles de escenarios de forma simultánea en lugar de secuencial. Lo que antes llevaba días ahora se resuelve en minutos, permitiendo a las empresas usarlo para una planificación táctica real y no solo para análisis teóricos”, confirma Rodrigo Hermosilla, investigador del MIT Intelligent Logistics Systems Lab.
A diferencia de soluciones analíticas reservadas a perfiles especializados, GENESIS ha sido diseñada para que pueda ser utilizada no solo por perfiles técnicos, sino también por responsables de negocio. “El objetivo es ayudar a las empresas a minimizar el costo total de la red logística y garantizar el máximo nivel de servicio”, afirma Javier Carrillo, CEO de Mecalux.
Próximas aplicaciones de la IA
El simulador es uno de los primeros resultados tangibles de la colaboración entre Mecalux y el MIT CTL, que entra ahora en una nueva fase centrada en ampliar la aplicación de la IA a otros procesos logísticos, como la reposición interna, el uso de gemelos digitales en sistemas automatizados de almacenamiento de alta densidad y la optimización de ubicaciones de producto.