Una Primera Proposta Cap A La Implementació De L'Enviament Anticipat En La Fabricació D'Automòbils A Través D'Aprenentatge Automàtic I Optimització
Aquesta investigació s'emmarca en la col·laboració amb SEAT S.A., fabricant d'automòbils espanyol que busca lliurar el vehicle que els clients desitgen en el menor termini possible, el que s'anomena Enviament Anticipat. Aquest problema no és exclusiu d'una empresa concreta, sinó que és compartit per múltiples actors. A més, també ha cridat l'atenció del món acadèmic produint literatura. La revisió de l'estat de l'art existent ens va portar a trobar un buit de recerca que aquesta tesi intenta omplir. La investigació se centra en la logística, la predicció de la demanda, les dades en línia i l'optimització de la fabricació.
La solució proposada parteix del cost d'implantació, des de més fàcil a més complex en l'operació de l'empresa actual. En primer lloc, s'inicia reorientant els cotxes de stock ja fabricats cap a destinacions on s'espera que romanguin durant una durada més curta. Diversos algorismes de classificació d'aprenentatge automàtic s'han sotmès a proves per determinar el més adequat. Els resultats igualen o milloren les decisions preses pels experts de l'empresa. Després d'això, es va iniciar una exploració del comportament dels clients mitjançant les dades obtingudes de la pàgina web de Configurador de Cotxes de l'empresa. Aquesta plataforma en línia permet als usuaris navegar per tota la gamma de productes de l'empresa i seleccionar el seu vehicle preferit. Aquesta tesi demostra que les dades recollides d'aquesta eina serveixen com a font d'informació fiable per a discernir les intencions de compra dels usuaris. El procés consisteix a comparar els resultats obtinguts amb diversos models de predicció de la demanda, que poden incorporar o no dades del Configurador de Cotxes, filtrar les dades eliminant valors anòmals i emprant algorismes de cerca heurístics com els algorismes genètics. L'objectiu és identificar el subconjunt de dades en línia amb la capacitat predictiva més alta. En última instància, les conclusions d'aquesta fase final s'utilitzen per a ajustar els atributs dels cotxes dins de la línia de fabricació. Aquest enfocament d'optimització ha mitigat de manera efectiva la discrepància entre la composició del stock i la demanda prevista.
Actualment, aquesta investigació ha donat resultats amb presentacions en tres congressos reconeguts mundialment, juntament amb una publicació en una revista indexada del quartil superior i documentació addicional pendent de publicació. Aquest treball està finançat parcialment pel Departament de Recerca i Universitats de la Generalitat de Catalunya sota l'Ajuda de Doctorat Industrial DI 2019-34.