Propuesta de arquitectura para la implementación de machine learning a nivel logístico en la cadena de suministro de fresa en Cundinamarca

Abstract

La complejidad de las cadenas de suministro actuales requiere el desarrollo de capacidades de adaptación y trazabilidad, por lo cual la implementación de tecnologías que agilicen la toma de decisiones dada la alta variabilidad de los mercados es crucial en todas las industrias. La inteligencia artificial a través de machine learning provee alternativas para el aprendizaje continuo automatizado, la predicción de tendencias y el análisis de comportamientos.

Es el objetivo de esta investigación proponer una arquitectura para la cadena de suministro de la fresa la cual permita a futuro la implementación de machine learning en la logística desde el proceso de postcosecha hasta el abastecimiento al consumidor final. Con este propósito, se parte desde el estado del arte como fuente principal para reconocer los aspectos más relevantes en la implementación de machine learning utilizados en diferentes casos de estudio y los avances a nivel tecnológico que permitan su implementación en la industria agrícola. Dicha información fue contrastada con las experiencias de los agentes involucrados con el fin de establecer el estado actual de la cadena de suministro de la fresa en Cundinamarca usando como marco de referencia TOGAF, se realizó un análisis de las brechas a nivel tecnológico y se diseñó una arquitectura orientada a satisfacer las necesidades de la industria agroalimentaria.

Los resultados obtenidos indican que existe una insuficiencia a nivel tecnológico en la cadena de suministro agrícola de la fresa en Cundinamarca debido a que el sector agrícola en Colombia aun no cuenta con proyectos de digitalización generalizados y a lo largo de cada eslabón. Dado esto, el diseño de la arquitectura propuesta resalta la importancia del análisis de las necesidades de los eslabones que cuente con procesos manuales con el objetivo de reducir la brecha tecnológica.