Curso libreInteligencia artificial y datos
IA para la logística
El curso IA para la logística proporciona al estudiante técnicas de pronóstico de demanda con statsforecast, cálculo de inventario de seguridad y punto de reorden, ruteo de vehículos con OR-Tools y asistentes de IA para indicadores y seguimiento de pedidos, de modo que reduzca costos de transporte y quiebres de inventario con decisiones basadas en datos.
A quién va dirigido
Profesionales de logística, compras y operaciones, y estudiantes de ingeniería industrial con manejo de Excel; Python básico es deseable.
Objetivos
✓Comprender las fuentes de datos ERP, WMS y TMS y los indicadores de nivel de servicio, rotación, OTIF y costo por entrega.
✓Analizar históricos de ventas limpiados en pandas y clasificar referencias con análisis ABC-XYZ.
✓Aplicar suavización exponencial con statsforecast, medición de error con MAPE y MAE y cálculo de inventario de seguridad y punto de reorden.
✓Diseñar rutas de distribución con ventanas de tiempo resueltas en Google OR-Tools y una torre de control en Power BI.
✓Evaluar políticas de reposición y rutas frente a la operación manual, junto con los riesgos de datos y de dependencia de proveedores.
Plan de estudios por sesión
1
Datos e indicadores logísticosERP, WMS y TMS; nivel de servicio, rotación, OTIF y costo por entrega · Limpieza de históricos en pandas y análisis ABC-XYZ de referencias
2
Pronóstico de demanda e inventariosSuavización exponencial con statsforecast y error con MAPE y MAE · Inventario de seguridad, punto de reorden y simulación de políticas de reposición
3
Ruteo y distribuciónRuteo de vehículos con ventanas de tiempo resuelto con Google OR-Tools · Visualización de rutas en mapas y comparación con rutas manuales
4
IA generativa en la operación y presentación del ejercicio finalAsistentes para indicadores, pedidos con n8n, torre de control en Power BI y riesgos · Presentación del modelo integrado de pronóstico, reposición y ruteo
Evaluación
Inicial30%Cálculo de indicadores logísticos y análisis ABC-XYZ sobre un histórico de ventas limpiado en pandas.
Intermedio30%Pronóstico de demanda con statsforecast y medición de MAPE; cálculo de inventario de seguridad y ruteo con OR-Tools.
Final40%Ejercicio final: modelo integrado de pronóstico, reposición y ruteo para un centro de distribución simulado con tablero de indicadores.
Proyecto final
Modelo integrado de pronóstico, reposición y ruteo para un centro de distribución simulado, con tablero de indicadores.