 |
|
|
Una solución basada en IA liderada por el académico Felipe Lagos, de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez, acaba de ser seleccionada como finalista del Desafío TSL-Meituan 2024, que busca propuestas científicas desde la academia internacional, para una mayor eficiencia en la logística de última milla de la plataforma de compras en China. La propuesta chilena es una de las seis finalistas para octubre de 2025 y será presentada en la conferencia internacional INFORMS.
Meituan es una plataforma de compras para productos de consumo y servicios minoristas locales del país asiático y, para el desafío, puso a disposición de investigadores y académicos datos reales de sus operaciones. Solo como referencia, en el servicio de reparto de comida de Meituan el sistema de despacho realiza la asignación de pedidos por lotes a intervalos de 30 segundos o 1 minuto, por tanto inciden factores como la conveniencia de la ruta, el riesgo de horas extraordinarias y la disposición del mensajero a aceptar los pedidos.
El proyecto científico UAI, que también cuenta con la participación de Ramón Auad (Research Scientist en Amazon, Estados Unidos e investigador adjunto de la Universidad Católica del Norte) y Tomás Lagos (The University of Sydney, Australia), se desarrolló desde marzo de 2024 y en el concurso participaron equipos académicos de todo el mundo. Los ganadores presentarán su metodología de trabajo en el congreso homónimo que organiza TSL en octubre de este año.
"El desafío se planteó en los primeros términos para encontrar mecanismos de asignación de pedidos a los repartidores de manera eficiente. Influyen variables logísticas no solo en cuanto a los repartidores, formatos y horarios, sino también el propio comportamiento de los mismos delivery. Concluimos que muchos repartidores no toman solicitudes lejanas o trayectos extensos, lo que influye en una alta tasa de rechazos que afectan el óptimo funcionamiento de la plataforma y sus servicios. Así, el criterio de asignación es fundamental para reducir la tasa de rechazos de las solicitudes", explica Felipe Lagos.
El equipo chileno desarrolló una solución basada en IA, específicamente de aprendizaje reforzado, gracias a herramientas de machine y deep leaning, para crear un algoritmo predictivo y prescriptivo que permita reducir los rechazos de los repartidores y minimizar los tiempos de entrega de los pedidos en la plataforma Meituan. "Parte de los logros es alcanzar cierta predictibilidad sobre cómo se van a comportar estos repartidores y cuánta demanda vamos a tener. Esta solución es replicable y patentable para otras plataformas y apps disponibles en el mercado nacional e internacional, pero sin duda para nosotros lo más relevante es haber contribuido como científicos al conocimiento y la optimización de las operaciones logísticas de alto tráfico", concluye Lagos.
La complejidad de la tecnología de seguimiento en tiempo real, la reducción de la incertidumbre y el balance con distintos objetivos que pasan por la eficacia y la calidad en los tiempos de entrega, son sin duda aspectos que afectan la competitividad de este tipo de plataformas, así como los estándares de satisfacción de los consumidores. La IA hoy se alimenta de un gran volumen de datos que permiten mejorar el rendimiento de esta industria.
|
