Analítica predictiva de DHL para la cadena de suministro

La filial española de DHL Supply Chain ha puesto en marcha el modelo Demand Forecasting que utiliza big data, analítica avanzada de datos y machine learning para lograr una ratio media de acierto cercana al 90% en la previsión de la demanda de actividad. De este modo, se pueden dimensionar las necesidades futuras de la cadena de suministro, algo de gran valor para la planificación táctica y estratégica de las operaciones logísticas que la compañía proporciona a sus clientes.

Roberto Gamero, director de TI e Innovación de DHL Supply Chain Iberia, destaca que este nuevo proyecto “da un paso más e incorpora las tecnologías y modelos de análisis más innovadores para hacer estimaciones, modelar diferentes escenarios y realizar análisis de sensibilidad, lo que nos permite anticipar de manera muy exacta qué necesidades logísticas se tendrán en el corto, medio y largo plazo”.

La compañía ha implementado la iniciativa para optimizar la gestión de dos aspectos clave para la actividad logística: la planificación de flotas y la previsión de gestión de la demanda en almacén, logrando una estimación muy exacta de los recursos necesarios para alcanzar los objetivos de productividad acordados con cada cliente, que puede garantizar la provisión al mercado de sus productos y, a su vez, no tener que incurrir en costes extra ante posibles eventualidades inesperadas.

De cara a la planificación de las flotas para el transporte de producto, DHL Supply Chain Iberia ha implementado el proyecto Demand Forecasting para optimizar la gestión de la cadena de suministro de 70 clientes de los sectores de gran consumo, retail y tecnología, y está trabajando para incorporarlo también en el área de Grupag, la división de DHL dedicada a la logística y transporte de productos hortofrutícolas.

Casos de uso y aplicaciones

Asismismo, apuntan que en estos momentos se están centrando en el área de gran consumo para mantener un control predictivo para planificar una flota de 570 camiones diarios que transportan al año cerca de 8.620 toneladas de producto. Respecto a la previsión de la demanda en almacén, la iniciativa Demand Forecasting ya está operativa en 10 almacenes que la compañía tiene dedicados a los sectores de farmacia y producto sanitario, gran consumo y distribución, y tecnología, dando servicio actualmente a 25 clientes, y se está ampliando en estos momentos a otros 10 almacenes para estos mismos sectores, con el objetivo de tenerlo implementado durante este año en un total de veinte almacenes.

Mediante el proyecto Demand Forecasting, DHL Supply Chain logra prever, incluso a un año vista, la demanda de elementos en almacén como cajas, pallets y unidades de producto en los procesos de inbound, outbound e inventario, así como dimensionar de la forma más adecuada el número de camiones necesarios para el correcto aprovisionamiento al mercado lo que, además de en una mayor eficacia operativa, redunda en una sensible reducción de la huella de carbono.

Actualmente, a través de Demand Forecasting, DHL Supply Chain Iberia logra extraer información clave tras entrenar más de 2.800 modelos de predicción para el área de transporte y cerca de 3.300 para el entorno de almacén. En estos modelos de predicción se conjugan datos históricos con aspectos de muy diversa índole, como, entre otros, calendarios festivos nacionales y autonómicos, eventos macro de todo tipo (huelgas, ferias, manifestaciones, celebraciones…), periodos de rebajas, picos extremos de demanda de productos y devoluciones por campañas de enorme repercusión comercial como CiberMonday o Black Friday, previsiones climatológicas, o campañas promocionales de los propios clientes.

Un claro ejemplo de la importancia de este tipo de herramientas lo estamos viviendo con la pandemia. Si bien la herramienta, basada en modelos predictivos, no tenía algoritmos para anticipar un escenario sobrevenido de una magnitud que no se había producido con anterioridad, sí ha sido altamente efectiva tras el advenimiento de la pandemia en las estimaciones más a corto plazo (una semana vista).

Una vez empezada la pandemia, al poder analizar lo ocurrido de forma ágil gracias a su mecanismo de machine learning, la solución ya iba ajustando sus predicciones a la nueva realidad. Concretamente, sus altísimos niveles de acierto en los modelos predictivos (98% en enero y 94% en febrero) se vieron afectados en marzo (84%), abril (69%) y mayo (por encima del 85%). Pero lo más importante es que, además de que la solución siguió aportando unas ratios muy altas de acierto incluso en usa situación de grave crisis, ha “aprendido” de la sorpresiva situación y, ante el hipotético caso de un repunte o una nueva pandemia en el futuro, Demand Forecasting sabrá cómo se comportará el mercado. 

Gamero subraya que en el sector logístico “el uso correcto de los recursos y la planificación de las rutas de distribución inciden directamente y de forma decisiva en la calidad del servicio ofrecido”. En este sentido, resulta imprescindible una gestión inteligente y flexible de pedidos, recursos y rutas para alcanzar los compromisos de entrega, así como administrar y controlar el inventario, optimizando la distribución del producto y su reposición, puntualiza.