La Inteligencia Artificial en el sector logístico
La Inteligencia Artificial aparece muchas veces como una solución para optimizar procesos en prácticamente todos los sectores económicos. Y también como una amenaza que puede provocar el caos. En el caso de la logística, su implementación parece especialmente adecuada para resolver, optimizar y flexibilizar varias operativas complejas relacionadas con el intercambio y transporte de bienes. ¿Es la IA la solución casi mágica para el sector? Vamos a verlo.
Publicado el
20.09.2024
¿Por qué la IA es una solución especialmente adecuada para la logística?
Varios factores están contribuyendo a aumentar el grado de complejidad que está experimentado el sector logístico.
- “Uno de ellos es el deseo de una mayor individualización entre los clientes finales, que se ha traducido en un aumento significativo del comercio electrónico y, en consecuencia, en una reducción del número de envíos de gran tamaño”, apunta Murrenhoff.
La autora cita también la necesidad de transformar la logística hacia unos sistemas que sean más flexibles, más escalables y adaptables.
- "Esto puede observarse en la autonomización de la intralogística, que a su vez requiere que las decisiones se tomen con mayor rapidez y frecuencia, con un mayor número de unidades implicadas (envíos, agentes, etc.). Aquí es donde la IA puede ser de ayuda”, enumera la autora del informe sobre la IA en el sector de la logística.
Además de esta complejidad, Liesa menciona la disponibilidad de datos mediante sensores IoT, dispositivos, etc., y capacidades tecnológicas que pueden aprovecharse mejor, por ejemplo, la supercomputación y los espacios de datos.
- “Todos estos ingredientes crean una gran oportunidad en el campo de la logística para aumentar la eficiencia, apoyar la toma de decisiones y la creación de procesos automatizados”, valora el secretario general de ALICE.
Sobre la gestión de estos datos, el secretario general de ALICE aplaude la creación y redacción de reglamentos y normas internacionales que creen igualdad de condiciones y garanticen la existencia de un mercado regulado que permita desarrollar y adoptar soluciones.
- “Una regulación dispersa crearía silos normativos y luego barreras para la adopción de soluciones en regiones con normas y regulaciones diferentes. Dicho esto, hay mercados que protegen más los datos individuales y otros menos, lo que creará un debate y diferentes posturas”, opina Liesa.
Liesa cree que el liderazgo en materia de normalización debe correr a cargo de la industria, en concreto, de plataformas como la Asociación Internacional de Espacios de Datos.
- “En cuanto a la regulación, y a nivel europeo, debería ser competencia de la Unión Europea y no de cada país, ya que la UE tendría un mayor porcentaje de éxito en los foros mundiales relacionados con la regulación de la IA”, expone.
Operativas concretas que la IA puede mejorar
Entre los beneficios más visibles de aplicar la IA en la logística se encuentran:
- Previsión de la demanda: La IA puede analizar grandes cantidades de datos para predecir la demanda con mayor precisión, lo que ayuda a las empresas a gestionar los niveles de inventario de manera más eficiente.
- Optimización de rutas: Los algoritmos pueden encontrar las rutas más eficientes para buques, aviones y camiones, teniendo en cuenta el tráfico, las congestiones portuarias, las guerras, el tiempo y otras variables para reducir el consumo de combustible y sugerir estrategias de mitigación.
- La IA puede analizar el comportamiento del cliente para ofrecer recomendaciones de productos y opciones de envío personalizadas. Los bots de atención al cliente basados en IA pueden gestionar consultas y ofrecer asistencia en tiempo real, mejorando la experiencia del cliente.
- La IA puede proporcionar visibilidad en tiempo real del estado de los envíos, agilizar las operaciones portuarias, predecir las horas de llegada de los buques para permitir un mejor seguimiento y coordinación en toda la cadena de suministro. Esto mejora la fiabilidad y la satisfacción del cliente.
- La IA optimizará las rutas y mejorará la eficiencia del combustible, reduciendo la huella de carbono de las operaciones logísticas. Además, una mejor gestión del inventario minimizará los residuos.
Los expertos de ALICE explican que las aplicaciones de la IA que se están utilizando con mayor rapidez en la logística están relacionadas con el hardware, como la robótica, la visión artificial o el procesamiento de lenguaje natural para documentos.
“Desde el rápido auge de la IA generativa, las aplicaciones de los grandes modelos lingüísticos (LLM) para la generación de recuperación aumentada (RAG) han experimentado un aumento en los distintos sectores de la industria logística, sin diferencias entre subsectores”, comparte Murrenhoff.
Soluciones IA para los puertos
El whitepaper de ALICE incluye ejemplos de distintas aplicaciones IA que contribuyen a solventar problemáticas concretas en cada uno de los puertos de aplicación.
Murrenhoff destaca cuatro usos principales:
- Automatización de la manipulación de cargas
La IA se utiliza para controlar grúas, carretillas elevadoras y vehículos de transporte automatizados. “Especialmente mediante aplicaciones de visión por ordenador, por ejemplo, para la identificación de contenedores”, detalla.
- Previsión y optimización
Los algoritmos de IA analizan datos para predecir el tráfico de mercancías y mejorar la planificación de recursos. “Esto incluye la predicción de las horas de llegada de los buques, la asignación de espacios de almacenamiento y la gestión de los flujos de materiales en los procesos de carga y descarga”, destaca.
- Mantenimiento y reparación
La IA apoya el mantenimiento predictivo mediante la supervisión de máquinas y equipos en los puertos, la predicción de posibles fallos y la minimización del tiempo de inactividad no planificado.
- Monitoreo del entorno en tiempo real
La IA puede ser de ayuda para poder obtener, desde distintos sensores, información útil que actualmente no es posible coleccionar. Esta información permitiría tomar decisiones de manera más rápida y con mayor conocimiento de la situación en tiempo real.
Liesa, por su parte, define estas aplicaciones como “incipientes”, y cree que habrá que esperar un par de años para poder definir el uso más habitual de la IA en los puertos. “Probablemente dependerá del tipo de puerto, de su tamaño y del tipo de carga, así como del sector industrial al que el puerto alimente o del que más se alimente. Es poco probable que se consigan soluciones que se adapten a todos los tipos de puertos”, opina.
Casos de uso de la IA en los puertos
- La solución Clever Sense de GoClever en el Port de Barcelona
Mediante sensores LIDAR que generan nubes de puntos que representan objetos físicos, como contenedores de residuos y de carga, que posteriormente procesa mediante algoritmos, Clever Sense es capaz de segmentar la información para distinguir entre distintos tipos de residuos y cargas, incluso en condiciones ambientales variables.
Esta solución permite optimizar dos ámbitos críticos: la cuantificación de residuos (MARPOL) y la verificación de la carga en terminales de ferry.
Detectar la presencia o ausencia de precintos en los contenedores que llegan a un puerto es de vital importancia para el operador portuario, ya que valida la integridad del contenido. Actualmente, este proceso de comprobación es manual, con el importante riesgo para la seguridad que implica.
Esta solución consiste en una cámara de circuito cerrado de televisión orientada hacia la parte frontal del contenedor. Proporciona imágenes en tiempo real a un algoritmo de detección de objetos que extrae información relevante sobre los contenedores mientras la grúa los carga o descarga.
Awake.AI está colaborando con el puerto de Amberes para la realización de un entorno seguro para el atraque de barcazas autónomas. Además, de estas se quiere gestionar también la carga y descarga, y garantizar un entorno seguro de navegación.
Para navegar de forma segura, los cargadores deben tener constancia de las embarcaciones que navegan por su entorno. La detección avanzada por radar que previene colisiones y lanza avisos a los navegantes de posibles riesgos.
El Radar Tracker utiliza técnicas de Deep Learning mediante la recopilación y etiquetado de datos utilizando radares, cámaras, GPS, Octance y AIS ya instalados en la mayoría de los buques.
