Gartner® Market Guide for Vehicle Routing and Scheduling
Download the complimentary 2023 Gartner® Market Guide for Vehicle Routing and Scheduling!
Download the complimentary 2023 Gartner® Market Guide for Vehicle Routing and Scheduling!
Para que en el almacén todo marche bien, incluso con picos estacionales de pedidos, muchas empresas confían durante la planificación anticipada de procesos logísticos en valores empíricos subjetivos existentes. A fin de hacer pronósticos realmente precisos sobre futuros grados de utilización, no obstante, las empresas logísticas deben convertir esa experiencia en datos procesables y disponibles en todo momento. En este proceso, el grupo Ehrhardt + Partner (EPG) brinda asistencia con Predictive Analytics. Componentes de inteligencia artificial (IA) allí integrados procesan todos los datos relevantes de la cadena de suministro, con lo que la precisión de los pronósticos aumenta constantemente. Los procesos logísticos interconectados se tornan así más rentables y más eficientes.
Una sólida planificación anticipada es indispensable en tiempos de gran presión competitiva, escasez de recursos y envíos justo a tiempo. En el día a día de la logística son absolutamente necesarios, por ejemplo, los pronósticos sobre la demanda de recursos, la carga de pedidos, la cantidad de transportes, el número de paquetes o la duración de la preparación de pedidos. El concepto Predictive Analytics de EPG asiste a las empresas en la elaboración de pronósticos fiables mediante el análisis de datos del pasado. Junto con su socio tecnológico IBM, EPG elabora modelos en los que se procesan datos logísticos relevantes de los sistemas del cliente. En los pronósticos sobre futuros grados de utilización, además, también es posible integrar factores externos de influencia como el tiempo o las noticias. La precisión de los pronósticos aumenta con cada día que transcurre.
¿Cómo funciona Predictive Analytics en la práctica?
EPG ha sometido a extensa prueba diversos fines de aplicación de los análisis predictivos como, por ejemplo, una gestión de recursos con previsión, en Ehrhardt + BOMAG Logistics GmbH (EBL), en la localidad de Boppard. En el almacén de EBL se encuentran más de 50 000 piezas de recambio de distinta forma y tamaño para las máquinas de construcción de BOMAG. Para posibilitar una planificación integral, precisa y fiable de todos los recursos, la gestión de recursos existente se amplió con un componente predictivo. Con ayuda de IBM Watson Studio, EPG elaboró un modelo autodidacta de los datos actuales y pasados de los encargos. Además, los datos sin estructurar hasta la fecha, como correos electrónicos e informes, se integraron en el pronóstico mediante la API de Discovery como factores externos influyentes. El modelo de datos formado permite que el personal del centro de control utilice ahora el panel de Predictive Analytics como asistente inteligente para planificar los recursos con previsión. Gracias a la sincronización en curso de los datos, la precisión de los pronósticos aumenta constantemente.
