Proyectos

Análisis de Actividad

El objetivo del proyecto era mejorar la productividad y el tiempo de respuesta de las operaciones de picking de un centro de distribución omnicanal. Se analizaron las series de ventas históricas  obteniendo patrones y correlaciones en los pedidos que definieron una nueva  política de ubicación y re-aprovisionamiento.

ImagenAlgClass1.png

Mejora de picking

Partíamos de una situación inicial con muchos errores en la preparación de pedidos. Estudiamos los parámetros internos que afectaban a estos errores. También se revisaron los parámetros externos recurriendo a big data. Mediante algoritmos se identificarán los factores que influían. Se pudieron implementar acciones con coste mínimo que redujeron los errores un 85%.

Picking1.jpg

Reducción de no conformidades

El cliente quería identificar durante el proceso de fabricación desviaciones progresivas en ajustes de máquina, utillaje y otros elementos que condujeran a no conformidades posteriores. Se dispone de todos los datos históricos de mediciones de piezas que podrían permitir anticipar futuras no conformidades. Se testearon diversos algoritmos. El resultado fue la implementación de un algoritmo combinado que preveía las no conformidades con 0,76 de valor F1 score.

almacen23.tif

Reducción de Stock

Desarrollamos un algoritmo que estableciera los niveles adecuados de stocks y el programa de reposición de cada calidad-referencia. Los niveles de stock se establecieron en función de las previsiones de demanda y el objetivo de servicio. También se tuvo en cuenta el servicio de proveedores para establecer los planes de reposición.  Partimos  de los históricos de demanda y de suministro de proveedores. Gracias a este estudio desarrollamos un algoritmo que permitía reducir inventarios un 20% e incrementar el servicio.

estantes del almacén

Previsiones de demanda

El objetivo era realizar predicciones de demanda de 53 referencias de productos de consumo en 9 puntos de venta y optimizar la política de re-aprovisionamientos para mejorar el servicio al cliente y reducir stocks. El modelo de predicción puesto en producción pronostica con un error medio del 8% con un horizonte de predicción de 3 meses. La política de stocks establecida facilita un servicio del 97% con menores inventarios.

ImagenPrevision_edited.jpg