Aprendizaje automático en la gestión de inventarios

En la actualidad la tecnología avanza a pasos gigantes. Al interactuar con bancos, comprar en linea o al usar nuestros celulares, los algoritmos de aprendizaje automático entran en juego para hacer que nuestra experiencia sea eficiente, fluida y segura. Por otro lado no podemos ignorar como la complejidad de nuestra cadena logística ha aumentado exponencialmente en los últimos años. Sin embargo, ¿es posible unir la complejidad de la Cadena de Suministro con la solución que entrega el aprendizaje automático en la gestión de inventarios?

El poder del aprendizaje automático

Hace más de 50 años, el conocimiento sobre la gestión de inventario aumentó. El valor de una buena gestión de inventarios resultó ser enorme y se tradujo en una serie de biblias relacionadas con la gestión de inventarios. Sin embargo,  las soluciones se basaron en el sentido común, junto con el análisis matemático necesario. Esto tenía la ventaja de que las soluciones eran transparentes, no requerían mucho esfuerzo, no proporcionaban información tan grande y se centraban principalmente en las llamadas “ganancias rápidas”.

Un gerente se puede preguntar; ¿Por qué hacerlo de manera diferente?

Porque fueron muchos los problemas en ese momento, más los problemas que surgen en la actualidad, los cuales no tienen solución con solo un análisis matemático y sentido común.

Ejemplos de aprendizaje automático en la gestión de inventarios

Un ejemplo es el cálculo de los costos de falta de stock. Supongamos que un cliente va al supermercado para comprar una botella premiada de Toro de Piedra Reserva 2014 de la viña Requingua, pero está agotada. ¿Qué hará el cliente? ¿Está comprando una Reserva de otro año? ¿O un Gran Reserva 2014 de otra bodega? O simplemente otro vino tinto. ¿O se va del supermercado y por lo tanto no compra ningún producto? ¿O ya no regresa por el vino, sino por otras compras? ¿O no regresa en absoluto? ¿Y si otro supermercado está a 300 metros o a 15 km y el cliente no tiene un automóvil? Ya lo ves venir; “La respuesta depende de la situación”, pero ¿qué situación?

Bienvenido al mundo del aprendizaje automático

El tiempo avanza y con ello se a puesto mucha energía en la búsqueda de soluciones más eficientes para superar esa complejidad. Especialmente porque un enfoque de fuerza bruta, en el que evaluamos todos los resultados posibles y luego elegimos el mejor, no fue en absoluto beneficioso desde un punto de vista práctico. Sin embargo, el creciente interés en la inteligencia artificial y el aprendizaje automático fue la técnica que recibió la mayor atención. “Las soluciones en la gestión de inventario no han cambiado. Los medios sí”.

Quizás haya escuchado o leído las palabras ‘sistema DBC’, ‘aprendizaje automático’, ‘IBM’ y el año ‘1997’ en la misma oración. El sistema Deep Blue Chess (DBC) de IBM es protagonista de la historia que tuvo lugar en 1997. A través del aprendizaje automático, lograron derrotar a Kasparov, el campeón mundial de ajedrez.

La máquina aprendió las combinaciones que debería hacer en determinadas situaciones para obtener el mejor resultado, teniendo en cuenta los posibles movimientos que se siguen a partir de ella y los patrones en el juego de Garry Kasparov. Sin embargo, hay algo de misterio en torno a esta historia. Por ejemplo, IBM no quiso entregar los archivos de registro de la máquina. Esto levantó la sospecha de Gary Kasparov, lo que le hizo pensar que IBM había hecho trampa. Otro detalle interesante es que Gary Kasparov exigió una revancha e IBM rechazó y desmanteló la máquina casi de inmediato.

En 2016, hubo una muestra real del poder del aprendizaje automático. Una vez más, en un juego estratégico, esta vez el juego ‘Go’, la máquina se enfrentó a la cima mundial absoluta. Aquí también, tuvieron éxito en el diseño. Ahora, ‘Go’ es diferente del ajedrez en el sentido de la cantidad de combinaciones posibles que tiene. Otro detalle divertido: ‘Go’ tiene 10  a 174 configuraciones de placa posibles. Para darle una idea de este tamaño: hay 1 millón de billones de billones de billones de billones de configuraciones posibles más que con el ajedrez.

Pero, ¿qué es el aprendizaje automático?

¿Qué es, machine learning? ¿Y qué lo hace diferente de la fuerza bruta y las matemáticas tradicionales? ¿Y por qué tenemos que usarlo? ¿Y cómo? ¿Y qué tiene que hacer exactamente la administración? Todas estas preguntas deben ser respondidas para obtener e implementar el aprendizaje automático en el trabajo.

El aprendizaje automático es, ante todo, diferente de la fuerza bruta o las matemáticas tradicionales por el componente de aprendizaje. El componente de aprendizaje permite a la máquina descubrir conexiones y patrones en una estructura de datos sin nombrarlos explícitamente. En realidad, enseña las “reglas” del problema. Esto significa que podemos abordar problemas con alta complejidad subyacente y un alto grado de incertidumbre.

Eso es exactamente el caso de la gestión de inventario y lo que se debe tratar en el momento actual. El hecho de que el aprendizaje automático difiera de otros enfoques de solución crea nuevas y valiosas posibilidades. Esto hace posible mejorar las técnicas actuales, por ejemplo, en la previsión, pero también abordar muchos otros problemas que ni siquiera se consideraron hace algunos años: por ejemplo, determinar cuándo un artículo es obsoleto. Son una clase de problemas con muchas variables. Pero la calidad de las soluciones depende en gran medida de las relaciones y la cantidad de datos confiables disponibles. La reacción del experto Steven Pauly ante la ausencia de la reserva de Rioja Gran será muy diferente de la reacción de Paul Durlinger, quien rara vez bebe vino. Esto muestra el potencial del aprendizaje automático, pero también donde muchas compañías pierden la posibilidad de aprovechar esta oportunidad.

El aprendizaje automático es un medio, no un objetivo

El machine learning no es más que estadísticas aplicadas con énfasis en la integración de la computadora actual. Y con el aumento de las posibles fuentes de datos, la mayor evolución de la potencia de cálculo y la creciente complejidad en nuestro campo, el aprendizaje automático puede ser una herramienta tremendamente poderosa.

Eso es: un medio, “solo otra herramienta en el cuadro”. No debe convertirse en un objetivo para las empresas hacer aprendizaje automático.

El objetivo de la gestión de inventarios sigue siendo traducir la incertidumbre sobre todos los factores presentes en un proceso de decisión óptimo a largo plazo. El aprendizaje automático puede desempeñar un papel importante para esto, pero requiere el marco adecuado.

“Todas las herramientas de optimización de inventario en un entorno dinámico realizan el aprendizaje automático. La pregunta que deben hacerse las compañías a los proveedores de software no es” ¿hace usted aprendizaje automático “, sino” ¿por qué y cómo hace el aprendizaje automático?

La primera pregunta que debe hacerse es: “¿cuál es una buena solución en la gestión de inventario?” o más bien, “¿cuáles son las reglas en la optimización?”.

En la segunda parte de este artículo abarcaremos en profundidad sobre el aprendizaje automático en la optimización de inventarios y las principales diferencias entre inteligencia artificial y machine learning.