OneRail aprovecha la IA de Nvidia para optimizar la entrega en la última milla en tiempo real

OneRail ha presentado una plataforma de reparto basada en inteligencia artificial que aprovecha la tecnología de Nvidia para ayudar a minoristas, mayoristas y distribuidores a determinar los métodos de reparto más eficientes para cada pedido.

El sistema, denominado OmniSTAR, evalúa diversos canales de entrega —incluidas flotas propias, mensajeros, servicios de paquetería y otros medios logísticos— para identificar la solución más rentable que cumpla con los acuerdos de nivel de servicio, según OneRail.

La plataforma integra el motor de optimización de decisiones cuOpt y el software de procesamiento de datos cuDF de Nvidia con las métricas propias de OneRail relativas a precios y rendimiento de las entregas. La infraestructura de computación acelerada de Nvidia potencia los cálculos de rutas y modos de entrega.

Según OneRail, el sistema reduce los tiempos de cálculo hasta 10 veces. Las tareas que antes requerían 20 minutos ahora pueden completarse en menos de dos minutos, mientras que los cálculos semanales se reducen a aproximadamente dos días.

OneRail afirma que este procesamiento acelerado permite la optimización en las operaciones de entrega en tiempo real, lo que permite evaluar múltiples opciones de cumplimiento antes de asignar un pedido.

«Si no tienes la capacidad de tomar decisiones a la velocidad del rayo, estás renunciando a margen», declaró Catania a la CNBC en una entrevista. «El cumplimiento de la última milla es caro».

De la predicción a las decisiones de entrega

Los sistemas de IA más amplios de OneRail utilizan la predicción y la optimización en diversas etapas del proceso de entrega. La empresa informa de que sus modelos de aprendizaje automático predicen factores como la duración del servicio, el riesgo de retraso, la probabilidad de que la entrega se realice con éxito en el primer intento y los rangos de precios esperados.

Estas predicciones se incorporan a los sistemas de optimización que determinan las estrategias de ejecución de los pedidos. Por otra parte, OneRail explica que OmniSTAR compara diferentes modos de cumplimiento para seleccionar una opción en función del coste y los requisitos del servicio.

La investigación sobre el trazado dinámico de rutas de vehículos distingue entre la predicción de condiciones cambiantes y el recálculo de las decisiones operativas a medida que surge nueva información. Una revisión de 2024 publicada en el European Journal of Operational Research identificó la predicción del tiempo de viaje y la reoptimización en tiempo real como áreas diferenciadas de la investigación sobre el trazado de rutas dependiente del tiempo.

Nvidia cuOpt se encarga de la optimización de rutas

Nvidia describe cuOpt como una biblioteca de optimización de código abierto y acelerada por GPU, diseñada para el trazado de rutas de vehículos y otros retos de optimización matemática.

La documentación de Nvidia indica que cuOpt tiene en cuenta los costes de los vehículos, las capacidades, los tiempos de viaje, las franjas horarias operativas, los puntos de partida y otras restricciones a la hora de calcular las rutas. Sus modelos de costes pueden incorporar la distancia, el tiempo, el coste monetario o una combinación ponderada de estas métricas.

OmniSTAR aplica cuOpt tanto al trazado de rutas como a la selección del modo de entrega. OneRail afirma que esto permite al sistema comparar las opciones de cumplimiento disponibles para un pedido e identificar la opción de menor coste que cumpla con los requisitos del servicio.

OneRail señala que muchos minoristas siguen basándose en reglas estáticas o en la planificación manual para tomar estas decisiones, y OmniSTAR está diseñado para evaluar más combinaciones de entrega en plazos operativos más cortos.

Nvidia explica que cuOpt no prueba exhaustivamente todas las rutas posibles. En su lugar, el solucionador genera soluciones candidatas y las mejora de forma iterativa utilizando heurísticas aceleradas por GPU para producir resultados de alta calidad dentro de un tiempo de cálculo especificado.

La plataforma también utiliza Nvidia cuDF, una biblioteca acelerada por GPU para el procesamiento de datos tabulares, que incluye el filtrado, la unión y la agregación de conjuntos de datos.

OneRail combina estas capacidades con sus propios datos de reparto y modelos operativos. Su conjunto de datos se deriva de millones de repartos en una red que cuenta con más de 12 millones de conductores y más de 1 000 socios logísticos.

Los datos abarcan los precios y el rendimiento de las entregas en diversos modos de transporte. OneRail afirma que OmniSTAR utiliza esta información para identificar las reglas de entrega que aumentan los costes y evaluar cómo las opciones de entrega afectan a la rentabilidad a nivel de artículo.

La arquitectura revelada para OmniSTAR se centra en el procesamiento de datos acelerado por GPU y en la optimización matemática. Nvidia describe cuOpt como el componente de optimización utilizado para problemas como el trazado de rutas de vehículos.

Dado que cuOpt no mantiene estado, los cambios en las condiciones operativas requieren que el problema de optimización se modele y se vuelva a enviar. Nvidia cita las averías de vehículos, las ausencias de conductores, los cortes de carretera, el tráfico y los nuevos pedidos de alta prioridad como ejemplos de cambios que desencadenan una reoptimización dinámica.

OneRail afirma que OmniSTAR puede volver a ejecutar escenarios de entrega a medida que cambian variables como los costes de combustible, la meteorología y las condiciones de envío. La empresa ha declarado anteriormente que el uso de cuOpt le permite evaluar más escenarios de rutas y recalcular las rutas más rápidamente que con su enfoque anterior.

OmniSTAR entra en fase de operaciones reales

OmniSTAR se encuentra actualmente implantado en una selección de clientes empresariales.

En US Foods, OneRail informa de que el sistema identificó configuraciones de entrega que reducían los márgenes, como el transporte de productos de bajo margen a largas distancias utilizando equipos de mayor coste. Posteriormente, US Foods utilizó esta información para ajustar los precios y reestructurar determinados patrones de entrega, según OneRail.

OneRail también declaró a la CNBC que un gran distribuidor de neumáticos, cuyo nombre no se ha revelado, que utiliza la plataforma logró un ahorro anual de 40 millones de dólares en un periodo de tres años. No se reveló la identidad del cliente, y la cifra de ahorro fue facilitada por OneRail. La empresa también declaró a la CNBC que espera que OmniSTAR supere los 6.000 millones de dólares en volumen bruto de mercancías durante el cuarto trimestre de 2026.

CNBC informó de que OneRail y Nvidia colaboraron en el proyecto durante tres años antes de su lanzamiento. OneRail afirmó que la colaboración incluyó la participación directa con el equipo de ingeniería de cuOpt de Nvidia en la entrega de última milla y la optimización logística a gran escala, además de su participación en el programa Nvidia Inception.

En marzo de este año, FedEx lanzó FedEx SameDay Local en colaboración con OneRail, conectando a los clientes con una red nacional de más de 1 000 proveedores de reparto.

Véase también: Una cuarta parte del negocio de Nvidia el próximo año procederá de los laboratorios que financia

¿Quieres saber más sobre la IA y el big data de la mano de líderes del sector? Echa un vistazo a la AI & Big Data Expo, que tendrá lugar en Ámsterdam, California y Londres. Este evento integral forma parte de TechEx y se celebra junto con otros eventos tecnológicos destacados; haz clic aquí para obtener más información.

AI News es una iniciativa de TechForge Media. Descubre aquí otros próximos eventos y seminarios web sobre tecnología empresarial.