La filial ibérica de DHL Supply Chain ha puesto en marcha el modelo 'Demand Forecasting', con el que logra una media de acierto cercana al 90% en la previsión de la demanda, pudiendo anticiparse a las necesidades de la cadena de suministro utilizando el 'Big Data', la analítica avanzada de datos y el aprendizaje automático.
En el nuevo proyecto, se han incorporado tecnologías y modelos de análisis para hacer estimaciones, modelar diferentes escenarios y realizar análisis de sensibilidad. De este modo, el operador puede optimizar la planificación de flotas y la previsión de gestión de la demanda, con una estimación muy exacta de los recursos necesarios para alcanzar los objetivos acordados con cada cliente.
De cara a la planificación de las flotas, se mejorará la gestión de la cadena de suministro de 70 clientes de los sectores de gran consumo, retail y tecnología. También se está trabajando para incorporarlo en el área de Grupag, dedicada a la logística y transporte de productos hortofrutícolas.
Previsión de la demanda
Respecto a la previsión de la demanda en almacén, la iniciativa está operativa en una decena de almacenes dedicados a los sectores farmacéutico, de gran consumo y distribución, y de tecnología, dando servicio a 25 clientes. Además, ya se está trabajando para implantar el modelo en otros diez almacenes para estos sectores.
Gracias al nuevo sistema, DHL puede prever, a un año vista, la demanda de cajas, palets y unidades de producto en los procesos de entrada y salida de inventario, realizando un mejor cálculo del número de camiones necesarios para el correcto aprovisionamiento.
Para ello, utiliza más de 2.800 modelos de predicción para el área de transporte y cerca de 3.300 para el entorno de almacén, en los que se conjugan datos históricos con aspectos como los calendarios festivos nacionales y autonómicos, eventos, periodos de rebajas, picos de demanda y devoluciones, previsiones climatológicas, o campañas promocionales de los clientes.
Aunque en el caso del Covid-19, la herramienta no contaba con algoritmos para anticipar un escenario de tal magnitud, pero ha permitido realizar estimaciones a una semana vista, al poder analizar lo ocurrido de forma ágil, ajustando sus predicciones a la nueva realidad. Sus niveles de acierto han sido menores en los meses de marzo y abril, pero la solución ha seguido aportando unos ratios muy elevados.