Blog

¿Merece la pena un sistema de optimización de stocks?

Esta pregunta seguro que más de uno se la ha hecho: ¿realmente merece la pena invertir en un sistema inteligente de gestión de stocks en relación al beneficio que me aporta? Y es completamente lógico, implantar un sistema de gestión de stocks no es cualquier cosa, implica un coste económico, un cambio en la forma de trabajar, confiar en lo que te dice el sistema… Pero existe una solución para despejar esas dudas: las simulaciones retroactivas.

¿Qué es una simulación retroactiva?

Imaginaros que viajáis a un universo paralelo y en éste tenéis el sistema que queréis implantar. Así podríais saber cómo os habría ido con el posible sistema nuevo y comparar con lo que os ha pasado en vuestra realidad.

Pues algo similar es una simulación retroactiva pero sin viajar… Consiste en situar al sistema en el pasado, por ejemplo los últimos 3 meses, simular qué habría hecho en ese periodo y así poder comparar.

En la imagen de este post tenéis un ejemplo de simulación retroactiva. Se han simulado los últimos 6 meses. En un gráfico aparece la inversión diaria que tienen en la realidad y la que habrían tenido con el sistema implantado. Según van pasando los días se observa que cada vez se invierte mejor diariamente y las roturas de stock van disminuyendo significativamente.

De esta manera se puede saber perfectamente si el sistema encaja dentro de vuestras necesidades, si lo que se invierte compensa con el retorno…

Si queréis saber más os invito a que cliquéis la demo.

Dainso¿Merece la pena un sistema de optimización de stocks?

Impacto de la Inteligencia Artificial

En nuestro anterior post hablamos de la burbuja de la Inteligencia Artificial, desmitificándola y poniendo los pies en el suelo sobre sus posibilidades. Pues bien, en este post hablaremos de sus bondades y en que casos nos puede ser muy útil.

Ya habíamos comentado que en realidad la I.A. ha evolucionado muy poco en los últimos 30 años, ¿entonces por qué este resurgimiento? Es cierto que siempre hay una buena dosis de marketing pero el gran cambio que se ha producido está en la capacidad de computación y en la digitalización, que ha propiciado la generación masiva y estructurada de datos.

La revolución no está en la propia I.A. sino en que ahora podemos aplicar esa tecnología en muchos ámbitos. No tenemos máquinas inteligentes pero tenemos máquinas que son capaces de aprender tareas específicas y realizarlas de forma sorprendentemente bien.

Al igual que no nos extraña y tampoco nos preocupa que un coche corra más que una persona tampoco debe preocuparnos que una máquina juegue mejor al ajedrez que una persona. Las computadoras actuales son muy rápidas y pueden realizar muchos cálculos por segundo, así que el realizar tareas concretas lo pueden hacer mejor y más rápido que una persona.

¿Dónde funciona bien la IA?

Como ya hemos comentado, lo primero que necesitamos son datos y hoy se generan datos por todas partes, aunque no siempre son accesibles, ya sea por temas legales o simplemente porque quien posee los datos sabe que tiene una ventaja competitiva con ellos y no quiere compartirlos.

Podríamos pensar que con la capacidad de computación actual podemos aplicar la I.A. en cualquier sitio, pero uno de los problemas que tienen los algoritmos empleados en la I.A. es que las necesidades de computación y la cantidad de datos necesarios crecen exponencialmente con las variables que se quieren tener en cuenta. En otras palabras, tenemos que aplicar I.A. en tareas concretas y en entornos controlados para que sea realmente efectiva.

Por ejemplo, hemos utilizado la I.A. con gran éxito para realizar la gestión de las compras y la optimización de los stocks de un ecommerce. A partir de los datos históricos se pueden hacer previsiones de ventas a corto plazo para reducir significativamente las roturas de stock y la cantidad de stock almacenado.

El valor de los data scientists

La clave del éxito en aplicar la I.A. está en las personas. Los expertos en análisis de datos son los que tienen que analizar cada escenario, decidir qué variables son las mejores para alimentar al sistema, de que manera, cuáles son los algoritmos de I.A. que encajan mejor y parametrizarlos correctamente para su funcionamiento.

En conclusión, la I.A. ha resurgido gracias a la mejora en la capacidad de computación y a la digitalización. Existen muchos campos donde aplicarla pero requiere de data scientists para que tengan éxito. En la siguiente entrega hablaremos acerca de la situación de las empresas españolas en temas de I.A.

DainsoImpacto de la Inteligencia Artificial

Inteligencia Artificial en el MWC

Se confirma que la Inteligencia Artificial está de moda, estamos viendo como está desplazando los conceptos de moda en los últimos años, como: SmartCities, IoT, Big Data, 5G o el BlockChain.

Prueba de ello es el programa del Mobile World Congress 2019, donde todos los días encontraréis conferencias sobre I.A.

 

DainsoInteligencia Artificial en el MWC

La burbuja de la Inteligencia Artificial

Hace ya tiempo que comento con personas cercanas a mi entorno que veo «mucho bombo y platillo» en temas como el Big Data y la Inteligencia Artificial (I.A.) y justo hace unos días leí un artículo en el que investigadores de primera fila lo decían también. Y os preguntaréis ¿cómo una data scientist dice eso si se supone que vive de ello? Porque hace falta poner los pies en la tierra. La I.A. nos ayuda mucho y muy bien pero el marketing está generando una burbuja de falsas expectativas y otra de detractores, el termino I.A. ha sido secuestrado por publicistas.

No se ha avanzado en I.A. en los últimos 30 años

Para quienes no me conozcáis mi background es Astrofísica (mecánica cuántica, dinámica de fluidos, física estelar… y muchas matemáticas con su parte computacional) , mucha formación en matemáticas y simulaciones con unos cuantos años de experiencia a la espalda. Pues bien, en temas de computación, ya sea de I.A., simulaciones de dinámica de fluidos, etc, al final de todo hay una función que quieres que se aproxime lo máximo a 0 por el método que sea. La gran mayoría de estos métodos existen desde hace más de 30 años, es decir, que en I.A. no se ha avanzado nada (o casi nada) en los últimos 30 años. En lo que sí se ha avanzado es en infraestructura y datos. Tenemos mayor capacidad de cálculo y almacenamiento de datos con los que alimentar los algoritmos. Este avance está permitiendo crear aplicaciones más interesantes que antes no eran posibles.

Cuidado con el puro marketing

Otro tema ligado a la publicidad es que hay quienes están diciendo verdades a medias, aplican I.A. pero es estadística. En la I.A. existen dos ramas: la I.A. convencional (que es análisis formal y estadístico) y la computacional (donde se encuentran las herramientas que permiten comportamientos inteligentes) (si quieres saber más mira nuestra infografía).

I.A. no es inteligente

Como ya he comentado antes hay unos métodos para resolver estos problemas y se tienen que programar. Por lo que inteligente es el que lo programa, la I.A. no es inteligente como un humano.
La I.A. no equivale a la mente humana. Las máquinas se centran en cosas concretas y las llegan a hacer muy bien, pero el ser humano tiene muchas habilidades y sabe cómo combinarlas. La I.A. es para optimizar procesos concretos y contextualizados. Por ejemplo el reconocimiento de voz ha sido un gran avance pero no significa que la máquina comprenda el mensaje, sólo hace una transcripción. También puede ayudarnos en la gestión de una empresa (“Impacto económico de la I.A. en las pymes”), pero no significa que sepa gestionar una empresa.

Actualmente la I.A. es limitada y débil

Actualmente estamos lejos de una verdadera I.A. general y fuerte. El problema que presenta ahora mismo la I.A. es conocido como el “olvido catastrófico”: la máquina aprende una tarea pero si después le haces aprender otra se olvida de la anterior. Puede que en unos años veamos sistemas que aprendan a hacer varias cosas a la vez y muy bien pero seguirá estando lejos de la verdadera I.A. o inteligencia humana.

El apocalípsis no vendrá con la I.A.

No podemos terminar un post como éste sin hablar del miedo a la sublevación de las máquinas. Hay a quien le gusta hablar de que la I.A. puede avanzar hasta conseguir automejorarse y superar a los humanos, entonces nosotros perderíamos el control. Pues bien… no es posible. Tal proceso de mejora es muy, pero que muy lento y de forma muy especializada.

En conclusión, la I.A. es una herramienta que existe desde hace muchos años, ahora es cuando se le está sacando partido porque tenemos procesadores potentes y muchos datos, nos ayuda y muy bien con tareas concretas pero no supera al ser humano, lo complementa y le ayuda a hacer mejor sus tareas. Como bien dijo Turing “sus habilidades son humildes y nos hacen reevaluar la excepcionalidad humana”.

En el próximo post os hablaremos de las expectativas reales de la I.A. actual, con ejemplos prácticos de aplicaciones donde se pueden obtener resultados sorprendentes.

 

DainsoLa burbuja de la Inteligencia Artificial

DAINSO al Internet of Things Solutions World Congress

 

Pocos son los campos dónde no se pueden aplicar tecnologías como el análisis de datos, el machine learning o la inteligencia artificial, allí donde haya datos se pueden aplicar estas tecnologías para generar ventajas competitivas.

Un buen ejemplo es el Internet de las cosas (Internet of Things, IoT), campo que engloba a todo lo que se refiere a una interconexión digital de objetos cotidianos con Internet. El IoT comporta una generación masiva de datos, que evidentemente tienen que ser procesados para que ese objeto conectado aporte un valor añadido.

Del 16 al 18 de Octubre se celebró en Barcelona el IoT Solutions World Congress, donde se presentaron las últimas novedades a nivel mundial del sector. Importante remarcar que gran parte de las soluciones ya van acompañadas de software capaz de analizar los datos y presentar la información con modernos dashbords.

Dainso participó como invitado por parte del CEQUIP, clúster que agrupa los fabricantes de bienes de equipos catalanes, con el que estamos colaborando para la introducción del mantenimiento predictivo en maquinaria interconectada (IoT) para la Industria 4.0.

Infinitum Factory

DainsoDAINSO al Internet of Things Solutions World Congress