Desarrollo de reportería y modelos predictivos basados en machine learning para área logística en empresa Chilena de Helados.

Abstract

El presente documento aborda los desafíos logísticos de una empresa de helados, en particular, sus devoluciones. Dada la naturaleza estacional de la industria, dependiente en gran medida del clima, el manejo ineficaz de las rechazos se ha convertido en un problema a medida que el mercado crece. Considerando la problemática planteada, el objetivo principal del estudio es desarrollar modelos basados en Machine Learning que pronostiquen las variables logísticas involucradas. Esto permitirá a los colaboradores planificar de manera más eficiente los despachos y el flujo general de productos. Con el fin de lograr este objetivo, se utilizó el software RStudio para realizar análisis de datos y plantear modelos estadísticos clásicos, así como modelos más modernos basados en Redes Neuronales Recurrentes (RNN), con los cuales se realizaron pronósticos, pruebas y comparaciones. En complemento a lo anterior, utilizando Shiny se ha desarrollado una aplicación que permite al usuario generar y visualizar reportes automatizados, sin necesidad de dominar todos los conceptos del lenguaje de programación. Luego de comparar los resultados de las diferentes metodologías de pronóstico, se encontró que los modelos basados en RNN tienen menores errores en comparación con los modelos estadísticos clásicos. Sin embargo, se demostró que, dependiendo del enfoque y los datos, el complejizar los modelos no necesariamente mejora los resultados, aun cuando esto implica un mayor tiempo de resolución. El principal aporte del estudio está orientado a apoyar las labores de los planificadores de despachos en la compañía, quienes gracias a las innovaciones planteadas, podrán utilizar los pronósticos y el comportamiento pasado para trabajar en conjunto con el personal comercial. Esto permitiría evaluar la posibilidad de no realizar ciertos despachos, con el fin de prevenir las devoluciones pronosticadas.