AI of Things (X) Entrega en 10 minutos: cómo la Inteligencia Artificial optimiza las rutas de reparto

Hoy en día, la rapidez e inmediatez es una necesidad para casi cualquier empresa, especialmente para aquellas del sector logístico dedicadas al transporte y entrega de mercancías. Debido al gran volumen de pedidos, es imprescindible intentar optimizar todo el proceso, incluyendo el reparto físico, e incluso reaccionar en tiempo real a posibles imprevistos. Esto es posible con la plataforma Artificial Intelligence of Things (AIoT), que combina Big Data e Inteligencia Artificial.

La analítica como herramienta de planificación

¿Cuántas veces hemos cogido el coche y nos hemos encontrado con un atasco inesperado en la ciudad? Especialmente en hora punta o si hay algún evento en la zona, es muy posible que un trayecto de 10 minutos se convierta en un frustrante toma y daca de media hora.

Imaginemos ahora que en vez de ir del punto A al punto B tuviéramos que estar constantemente desplazándonos por la ciudad, como sería el caso de una empresa de transporte que realice reparto de mercancía. En esta situación, posibles retrasos se irían acumulando sucesivamente, llegando a afectar gravemente a nuestra planificación logística.

Podríamos fantasear con remedar películas como el remake de The Italian Job (2003), donde, para atravesar la ciudad en el menor tiempo posible, hackean los semáforos de tal forma que puedan ponerse en verde cuando lo necesitamos. El reverso oscuro de esta idea también la encontramos en el cine: en La Jungla 4.0 (2007), un ciberterrorista paraliza varias ciudades dejando en verde todos los semáforos simultáneamente, creando cientos de accidentes.

Smart Mobility para optimizar rutas de reparto

Manteniéndonos dentro de la legalidad, existen distintas maneras de intentar optimizar nuestras rutas, tanto en tiempo real como para predicciones de posibles retrasos, con la llamada Smart Mobility. El primer paso si queremos trabajar en tiempo real es sensorizar nuestra flota de reparto, con el llamado Internet of Things (IoT).

Los sensores IoT permite conocer en cada momento el estado de toda la flota de vehículos y tener una trazabilidad total y tener conocimiento en tiempo real de cualquier incidencia

En general, estos sensores se conectan de forma sencilla y no invasiva al conector OBD (On-Board Diagnostics) del vehículo. De esta manera, podremos conocer en cada momento el estado de toda nuestra flota y tener una trazabilidad total. Si un vehículo de reparto se desvía de la ruta, se queda sin batería, sufre una avería o excede la velocidad máxima el sistema mandará una alerta inmediata.

En los últimos años los costes de esta infraestructura IoT se ha reducido drásticamente. Hoy en día, los sensores en sí, la conexión a la red y la plataforma de procesamiento de la información resultan muy asequibles a nivel empresarial, con soluciones paquetizadas de los principales proveedores de servicios Cloud.

Seguimiento y localización en tiempo real de cualquier mercancía en ruta

Todo esto, además, con los máximos estándares de seguridad y privacidad, empleando tecnologías como Blockchain. Con ello, podremos tener un seguimiento y localización en tiempo real de cualquier mercancía en su ruta, incluyendo como condiciones ambientales (humedad, temperatura, presión, vibraciones…) con alertas en caso de exceder ciertos parámetros, así como detectar una posible manipulación o apertura.

El siguiente reto es planificar la ruta para cada uno de esos vehículos de reparto. Esto es posible gracias a la combinación de IoT e Inteligencia Artificial (IA) en la plataforma Artificial Intelligence of Things (AIoT). Combinando los datos de sensores IoT con la analítica avanzada de la IA, se tendrán en cuenta factores económicos, operativos y energéticos para aumentar la eficacia operativa.

La ruta óptima (es decir, aquella que suponga menor tiempo/consumo de combustible), no tiene por qué ser la más corta en distancia. Por ejemplo, si existen peajes puede que la ruta con menor coste global sea una que suponga tomar un pequeño desvío para no emplear esa vía de pago. A la hora de asignar repartos a los diferentes vehículos y determinar el mejor itinerario, la IA tendrá en cuenta parámetros como la combinación de los paquetes a entregar, plazos temporales de entrega o recogida, características de los productos, volumen de carga, tipo de vehículo e información de sus sensores, etc.

Cuantos más datos de calidad tengamos mejor será la predicción que pueda hacer la inteligencia artificial, pues empleará más información para tomar sus decisiones.

Todos estos datos son internos, es decir, información generada por la propia compañía. Sin embargo, podemos enriquecerlos incorporando fuentes externas. Este nuevo conocimiento puede ser crítico a la hora de planificar nuestra ruta. En general, cuantos más datos tengamos (siempre que sean pertinentes y de calidad), tanto en variedad como en extensión, mejor será la predicción que pueda hacer la Inteligencia Artificial, pues empleará más información para tomar sus decisiones.

Por ejemplo, podemos añadir información meteorológica, para prever si va a haber una gran tormenta de nieve o lluvias torrenciales que potencialmente afecten a la cadena logística. En tal caso, la ruta óptima en cuanto a tiempo puede suponer un gran desvío sobre la ruta base.

Otra fuente externa importante es aquella referente a calendarios, tanto de festivos como de eventos o incidencias (cortes de calles o carreteras por eventos deportivos, manifestaciones, festivales, etc.). Finalmente, datos estadísticos de tráfico pueden ser empleados para predecir atascos, según la geografía, época del año, hora…

Así, la IA diseñará la ruta óptima teniendo en cuenta todas estas condiciones de contorno. Aún con todo, esto sólo nos permite planificar a priori nuestra ruta, pero no podremos reaccionar en tiempo real a imprevistos. ¿O sí?

Los reflejos de la IA

Imaginemos ahora que tenemos nuestro itinerario perfectamente diseñado y optimizado, teniendo en cuenta todos los factores pertinentes. Ahora bien, si hubiera un accidente que bloqueara una calle, o un gran atasco que no esperábamos, sufriríamos un retraso imprevisto. ¿Hay manera de reaccionar a esto en tiempo real?

Aquí entran en juego servicios como Smart Steps de Telefónica. Con esta tecnología, es posible geolocalizar los dispositivos móviles, bien por la ubicación en base a la red móvil o a la red WiFi.

Esto permite, por ejemplo, ver si una tienda o una calle está muy concurrida ahora mismo, analizando los patrones de movimiento de los dispositivos individuales. Siempre con unos datos anonimizados, ya que sólo son relevantes en conjunto, se puede calcular la afluencia, usando tanto datos en streaming como empleando el histórico de datos.

Esto también permite estimar la densidad de tráfico en tiempo real. Por ejemplo, si existe un gran embotellamiento Smart Steps detectará cómo sendos dispositivos se desplazan a trompicones por la calzada, muy lentamente, generando una alerta de atasco.

Con toda esta información, la IA puede actualizar en tiempo real la planificación, es decir, tener capacidad prescriptiva. Por ejemplo, imaginemos que estamos en un núcleo urbano haciendo unas entregas en el barrio A, pero dentro de un rato nos desplazaremos al barrio B.

La principal ventaja frente a la reacción de un ser humano es que la IA posee toda la información disponible, y por tanto va a tomar una mejor decisión.

Si en la ruta óptima precalculada ha ocurrido un accidente que ha generado un atasco, la IA empleará toda esta información en tiempo real para diseñar un nuevo itinerario on the go, modificar horas de entrega, priorizar el orden, mandar un mensaje al cliente final con posibles actualizaciones, etc.

En resumen, la plataforma AI of Things ofrece un valor diferencial a cualquier empresa que busque aumentar la eficacia operativa de sus procesos logísticos, teniendo una trazabilidad completa de su flota de vehículos, una optimización de las rutas de reparto y un sistema de alertas en tiempo real ante posibles imprevistos.

🔵 Para más contenido sobre IoT e Inteligencia Artificial, no dudes en leer otros artículos de nuestra serie, cuyo primer artículo puedes encontrar aquí: