Comparación de algoritmos para la predicción de demanda del número de vehículos de una empresa logística

Abstract

La inteligencia artificial, el análisis de datos y el aprendizaje automático están cada vez más presentes y con un mayor impacto en los diferentes sectores e industrias. En concreto, en el sector logístico, se encuentra presente en numerosos casos de aplicación como predicción de la demanda, optimización de rutas o robotización de los almacenes y centros logísticos. En este trabajo se aplican y comparan diferentes algoritmos de aprendizaje automático con el fin de predecir el número de camiones que una unidad de negocio concreta de Amazon va a necesitar a largo plazo. Esta predicción se realiza tanto a nivel global europeo como para cada país concreto. Antes de llevar a cabo la implementación de dichos algoritmos, se necesita la extracción de los datos de la base de datos de la empresa, la realización de un análisis exploratorio, la limpieza y transformación de los mismos para ser consumido por los diferentes modelos de aprendizaje automático. Posteriormente, se ha analizado y comparado la precisión de los distintos modelos, confirmando que son capaces de predecir nuestra variable objetivo con el nivel de exactitud adecuada y siendo el modelo DeepAR el que presenta una mayor precisión. Finalmente, una vez comprobado el éxito de dichos modelos se han propuesto posibles líneas de trabajo e investigación futuras.

Artificial intelligence, data analysis and machine learning are trending topics having an increasing application and impact in different sectors and industries. Specifically, in the logistics sector, it is present in numerous application cases such as demand prediction, route optimization or robotization of warehouses and logistics centers. This Master Thesis compares and implements different machine learning algorithms in order to predict the number of trucks that a specific Amazon business unit will need in the long term. This prediction will be made both at a global European level and for each specific country. Before carrying out the implementation of these algorithms, it is necessary to extract the data from the company's database, perform an exploratory analysis, clean and transform them to be consumed by the different machine learning models. Subsequently, the accuracy of the different models has been analyzed and compared, confirming that they are capable of predicting our target variable with the appropriate level of accuracy, and surfacing the DeepAR model as the one with a highest accuracy. Finally, once confirmed the success of the studied models, future possible lines of work and research have been proposed.