Entrevista a Selene Silvestri, investigadora del MIT CTL

Mecalux entrevista a Selene Silvestri, investigadora científica del MIT CTL, para saber más acerca del proyecto de gestión distribuida de pedidos en el que trabaja en el marco de la colaboración entre el MIT y Mecalux.

• ¿Cómo ayudará el proyecto conjunto entre el MIT y Mecalux a organizar el stock en la red de distribución?

  La asignación y gestión del inventario en almacenes y tiendas es un proceso sumamente complejo. Hoy en día, la mayoría de las empresas lo abordan con hipótesis simplificadas, basadas en reglas o en la experiencia humana. El problema es que estos métodos provocan roturas de stock, costes ineficientes, residuos y emisiones innecesarias. El proyecto de gestión de inventario en el que trabajamos en colaboración con Mecalux está desarrollando una solución basada en el aprendizaje que permita a las organizaciones comprender dónde deben asignar sus artículos. Es decir, identificar el momento, el lugar y la cantidad óptimos para ubicar la mercancía en toda la red de distribución.

  De entre todas las miles de estrategias consideradas, el algoritmo seleccionará la que mejor equilibre los costes y el nivel de servicio

• ¿De qué forma utiliza esta investigación la inteligencia prescriptiva?

  Con la inteligencia prescriptiva podemos identificar las mejores estrategias basadas en datos para gestionar y asignar el stock en las redes de la cadena de suministro. Mediante el análisis de datos históricos, la teoría de la gestión de inventario y algoritmos avanzados de optimización, nuestros métodos buscan ayudar a las empresas a tomar las decisiones correctas.

  Utilizamos simulaciones y algoritmos evolutivos que nos posibilitan analizar miles de escenarios diferentes, así como múltiples estrategias para maximizar la supply chain. Entre todas las opciones consideradas, el algoritmo selecciona aquella que equilibra los costes y el nivel de servicio de la forma más eficiente. La idea es que las compañías puedan aplicar este algoritmo en sus operaciones y, por tanto, eliminar las roturas de stock, reducir el exceso de inventario y mejorar el rendimiento general de su cadena de suministro.

• Emplean algoritmos inspirados en la biología. ¿Puede darnos un ejemplo?

  

  En concreto, estamos desarrollando un algoritmo genético cuyo funcionamiento consiste en imitar el proceso de evolución natural de una “población”. Este tipo de algoritmos resultan muy eficaces para resolver problemas de optimización a gran escala.

  En el contexto de la gestión de inventarios, el punto de partida es un conjunto de posibles asignaciones a lo largo de la red de la cadena de suministro. A partir de ahí, el algoritmo aplica en la “población” inicial mecanismos como cruces, recombinaciones o reproducciones para generar nuevas soluciones. Estos “hijos” conservan ciertas características de las asignaciones de sus “padres”, pero también incluyen nuevas variaciones. Con el tiempo, el algoritmo evoluciona hacia las soluciones viables que mejor equilibran el coste y el servicio, convergiendo progresivamente en estrategias de asignación casi óptimas.

• ¿Cómo ayudará este proyecto a optimizar la asignación del inventario de las compañías?

  Creemos firmemente que, en los próximos años, las empresas empezarán a utilizar cada vez más soluciones que aprovechen la IA y algoritmos basados en el aprendizaje. Esperamos integrar estos hallazgos con los de otro proyecto de investigación en el que también colaboramos con Mecalux, orientado a perfeccionar el cumplimiento de pedidos. Estamos desarrollando una solución tecnológica que integra la gestión de stock y el cumplimiento de pedidos. Nuestro objetivo es lograr una visibilidad completa de toda la cadena de suministro y sus flujos, desde los proveedores hasta los clientes. De esta manera, evitaremos herramientas que optimicen el inventario sin tener en cuenta la demanda, así como soluciones centradas únicamente en el cumplimiento de pedidos que ignoren la disponibilidad del inventario.