‘Machine learning’ para superar la locura de los envíos por el ‘Black Friday’

Todo apunta a que el lunes 2 de diciembre será el día del año que más paquetes se entreguen por la fiebre del el Black Friday o el Cyber Monday. Este año aumentará hasta un 10% el número de envíos que se realicen esos días. Aunque las ofertas de estos días suelen comenzar con una semana de antelación, la mayoría de los consumidores esperan al mismo viernes en busca de las ofertas más agresivas. Se calcula que el 65% de los regalos de Navidad se comprarán esta semana, y de ellos, el 40% el mismo viernes.

En época de rebajas, las superficies comerciales se quieren deshacer del stock que ya tienen en sus almacenes, sin embargo, en picos de consumo como el Black Friday o el Cyber Monday se trata de productos que, de normal, no está en stock y el almacén tiene que aprovisionar con una alta inmediatez porque se trata de un día.

Los centros intermedios tienen que abastecerse continuamente a lo largo de estas jornadas para poder tener la disponibilidad que el consumidor exige: “En el momento loco del día, estos almacenes se vacían enteros y hay que volverlos a llenar para seguir dando servicio”, asegura a INNOVADORES Samuel Fuentes, cofundador y CTO de Ontruck, que destaca que la tecnología ayuda a ser capaz, en tiempo real, de conectar el llenado de estos centros.

En jornadas como la de estos días o los previos de Navidad y Reyes, los mayores “atascos” logísticos se puede evitar con la buena organización de los almacenes intermedios repartidos por el país. “Hay algunos centros en los que se puede tardar hasta cuatro horas para cargar un camión” en uno día con picos altos de demandas como estos. La clave es “saber gestionar una flota para minimizar esta espera con otros trayectos de media distancia con los que evitar que el camión vaya vacío. Uno de los problemas que tiene la flota de corta distancia es que el 40% de los trayectos son en vacío por la falta de previsión” y aquí es donde entra la tecnología.

Optimizar cargas y trayectos

Desde Ontruck, que trabaja en la gestión de almacenes de Amazon, Decathlon o Alcampo, entre otras grandes superficies, se considera que más allá de hacer hincapié en la última milla, hay que empezar a trabajar en “aprovechar los pasos intermedios” del proceso logístico.

“La distribución de paquetes en la última milla ya está optimizada, pero falta poner el foco en el paso previo: desde que descarga un carguero en un puerto hasta la distribución en los centros intermedios de almacenaje que proveen lo que es la última milla”, subraya Fuentes.

Para lograr esta eficacia se está trabajando con algoritmos con machine learning para conseguir “hacer previsiones y anticiparse a los picos de demanda tanto por zona como en el tiempo”.

Los datos obtenidos con machine learning se cruzan con la información en tiempo real que se tiene de los transportistas, pero también se cruza con datos históricos para poder “generar eficiencia en la red logística”, explica Fuentes, con el objetivo de optimizar tanto los viajes de los transportistas como la carga de los vehículos en estos trayectos.

¿Por qué es importante conocer la información histórica de la flota de camiones, por ejemplo? “Aunque no lo parezca para poder realizar las previsiones es importante saber dónde duermen los camiones y dónde suelen operar al inicio y al final del día para evitar que vayan en vacío los arranques y finales de la jornada”. En definitiva, apostilla Fuentes, “es valioso para ser competitivo, tanto el tiempo como el combustible que se ahorra, y además dejamos menos huella de carbono”.