El proyecto ‘Micro-Fulfillment’ ha sido desarrollado en colaboración con el IRTIC, la financiación de la AVI y la cofinanciación de la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER). La AVI (Agencia Valenciana de la Innovación); integrada ahora en IVACE pasando a llamarse IVACE+i; es el organismo de la Generalitat Valenciana que promueve la innovación y el desarrollo tecnológico de las empresas valencianas. Es el referente público regional para todas las entidades vinculadas a la investigación, el desarrollo tecnológico y la innovación empresarial. Es la entidad que canaliza las solicitudes de ayuda y apoyo a los proyectos de I+D+I de empresas valencianas en el ámbito regional. El proyecto Micro-fulfillment nace fruto de la alianza estratégica entre Lãberit y el IRTIC (Instituto de Robótica y Tecnologías de la Información y Comunicaciones) de la Universidad de Valencia, para trabajar y colaborar en proyectos de I+D+i en el ámbito de tecnologías como machine learnig. Está dirigido por Pablo Boix, gerente de la unidad de negocio SGA/SCM, ejecutado por su equipo, y se ha coordinado y gestionado desde el área de innovación por su responsable, Ignacio Miranda y su equipo. El objetivo general del proyecto se basa en el desarrollo de un sistema inteligente para la ayuda en la preparación de pedidos de Retail en almacenes logísticos, incorporando soluciones tecnológicas para el guiado automático y señalización que permitan resolver la problemática actual asociada al micro-fulfillment de pedidos de e-commerce, ya que las funciones principales del fulfillment son: movilizar la mercancía a lo largo de la cadena de suministro, cumplir con los tiempos de entrega y promover la confianza del consumidor a través de un servicio óptimo. Los objetivos de todas las partes se han alcanzado suficientemente. El prototipo se mostró en la feria Intralogistics de Valencia. El dispositivo de señalamiento se ha ampliado con voz, de modo que los mensajes se pueden escuchar. El láser además ayuda a corregir las inexactitudes del movimiento de la carretilla, recalibrándose con los códigos de barras de las estanterías. El sistema de forecasting se aplicó a los datos de dos empresas reales. Los datos son suficientemente buenos para utilizarlos. El sistema de detección de outliers ayuda a corregir y depurar los datos en bruto. Se implementa un sistema de detección de correlaciones que no estaba previsto, porque pensábamos que tardaría demasiado en ejecutarse en un ordenador de potencia media, pero se ejecuta en menos de dos horas con los datos de las empresas piloto. La herramienta de S&OP estaba pensada para almacenar los datos de forecasting pero cuando cargábamos algunas decenas de miles de registros era terriblemente lenta. Por esta razón la herramienta colaborativa (sharepoint) se usa como intercambio de datos y almacén corta duración (menos de tres meses), pero los datos de explotación para el sistema de forecasting se pasan a una base de datos SQL. Pablo Boix, director del proyecto, afirma que “las técnicas de machine learning que se están aplicando, nos van a ayudar a afinar cada vez más el forecasting, consiguiendo así una fiabilidad muy alta”. José Vicente Riera, investigador del IRTIC, comenta que “nos han hecho visitas al mundo real respecto al mundo de la logística, hemos aprendido muchísimo. Gracias a ello, hemos podido entender a la perfección el objetivo del proyecto, optimizando el trabajo realizado entre ambas partes”. Aquí, os dejamos unas pequeñas declaraciones de Pablo y José Vicente, explicándonos el porqué del proyecto y cómo ha sido llevado a cabo. (link de youtube: https://youtu.be/QwIWaTvYLG0) |
