Nos complace enormemente reanudar la actividad y publicaciones en nuestro espacio editorial y restablecer nuestro boletín semanal de noticias vía Logística.la
La importancia y ubicuidad de la logística y Supply Chain Management es cada vez más notoria en el ámbito tecnológico, principalmente en los tiempos difíciles y retadores en los que se encuentra el mundo actualmente.
Las emergencias y dificultades elevadas por la pandemia actual del COVID-19, y otras contingencias que se han presentado últimamente, han puesto en evidencia la necesidad de optimizar y transformar las cadenas de abastecimiento para responder a una actividad que se inclina como nunca antes hacia el comercio en línea y la distribución masiva de productos a veces tan sencillos como alimentos y elementos de aseo.
Si bien estos retos tienen muchas dimensiones y tendencias actuales de desarrollo, hay una que se destaca por lo inesperado pero necesario de su naturaleza: hoy podemos hablar de la simbiosis entre SCM y tecnologías esenciales como Python y R, haciendo posible la gestión de la cadena de suministros dentro de la programación y las tecnologías de las empresas.
De esta forma, podemos integrar librerías en nuestro código de Python o de R para que realicen optimizaciones y programación de operaciones directamente dentro de un algoritmo más general, y así integrar transversalmente los resultados o inputs con otras plataformas, como la demanda proveniente directamente de nuestro e-commerce, o recalcular los niveles de inventario disponible y necesario directamente desde nuestro sistema MRP o WMS.
Las posibilidades son enormes, y sólo están limitadas por la versatilidad de las empresas y sus integrantes directamente involucrados con la creación y mantenimiento de estos algoritmos.
En artículos subsiguientes entraremos en detalle en varias de estas librerías y paquetes para Python y R, y demostrar sus posibilidades y limitaciones. Algunos de ellos abajo:
- https://rdrr.io/cran/SCperf/
- https://github.com/dirkschumacher/ompr
- https://dirkschumacher.github.io/ompr/articles/problem-warehouse-location.html
- https://github.com/topics/supply-chain-analytics
- https://pypi.org/project/supplychainpy/
EDITORIAL. LOGÍSTICA .LA 