Bienvenido
/
Casos de negocios
/
Aplicación de optimización de la cadena de suministro
Distribución farmacéutica

Aplicación de optimización de la cadena de suministro

Un actor de distribución farmacéutica tuvo que replantearse toda su cadena de suministro: el surtido de farmacias, la gestión del inventario y los canales de entrega. La investigación operativa por sí sola ya no era suficiente. Creamos la aplicación que transformó sus operaciones.

Problema

Cada farmacia de la red recibió un surtido estándar, sin tener en cuenta su ubicación ni el perfil de su población. El inventario se administró sin un modelo predictivo, la escasez y el exceso de existencias coexistían y los canales de entrega siguieron patrones históricos que nunca se habían cuestionado.

El resultado: millones de personas atrapadas en existencias inútiles, ventas perdidas por falta de disponibilidad y costos logísticos en constante aumento, sin que los equipos tengan las herramientas para actuar.

Vue rapprochée d’une coupe transversale colorée d’une géode montrant des couches concentriques de minéraux en jaune, marron, rouge et vert.

Solución

Lo que construimos

Desplegamos un equipo de 2 científicos de datos, 1 ingeniero de datos y 1 consultor de investigación operativa para diseñar e industrializar una aplicación completa de optimización de la cadena de suministro.

Paso 1 — Recopilación y estructuración de datos. Recuperar, limpiar y procesar todos los datos necesarios: historial de ventas de la farmacia, datos de ubicación, perfiles demográficos de las áreas de captación, datos de existencias y entregas.

Paso 2 — Desarrollo de algoritmos. Combinación de aprendizaje automático e investigación operativa para abordar tres dimensiones simultáneamente: la predicción de la demanda por parte de las farmacias con un nivel de granularidad muy preciso, la optimización del surtido según el contexto local y la optimización de los circuitos de entrega.

Paso 3 — Mejora continua de los modelos. Los algoritmos de aprendizaje se diseñaron para mejorar continuamente a medida que ingresaban nuevos datos al sistema. El rendimiento de las predicciones mejoró con cada ciclo.

Paso 4 — Inicio de la producción. Desarrollo mediante una metodología ágil, fases de prueba y aceptación y, a continuación, implementación en producción en la infraestructura de Azure del cliente.

Proyectos de la misma categoría