Modelo de detección y clasificación de disrupciones.
Cliente
Financiado por el Gobierno de España.
Partners
El problema
Las redes logísticas son muy vulnerables a las interrupciones, cuyo tamaño y número están aumentando gradualmente tanto a nivel local como global.
A pesar de los recientes esfuerzos por mejorar la comprensión de las redes logísticas y sus posibles contratiempos, así como de los avances tecnológicos y la digitalización en este ámbito, sigue siendo necesario un nuevo enfoque o método de seguimiento de las redes logísticas capaz de realizar un análisis más completo e integral.
Nuestra solución tiene en cuenta los diferente s tipos de factores que pueden perturbar la cadena logística, entre ellos:
-
- Factores relacionados con las operaciones,
- patrones climáticos,
- fenómenos naturales o condiciones extremas,
- inestabilidad política,
- inestabilidad de los mercados, entre otros.
La solución debía ser lo suficientemente escalable como para cubrir redes logísticas enteras e incorporar todos los componentes principales de estas redes.
La solución
Nuestra solución es un LLM capaz de recopilar noticias, detectar y clasificar las disrupciones de las redes logísticas, incluir toda esta información en un lago de datos y, finalmente, visualizar tanto las noticias como las disrupciones identificadas mediante diferentes filtros en función de las necesidades del cliente.
La arquitectura general del sistema se muestra en la siguiente figura:
El sistema se compone de varios componentes interconectados que trabajan juntos para recopilar, procesar y analizar datos (noticias) de la siguiente manera:
Fuentes de datos: Esta es la base para generar interrupciones.
-
- Bing News Search:Principal fuente de noticias durante la fase inicial.
- Scraping: Considerado para la segunda fase, que permitirá obtener noticias de otros portales relevantes y profundizar en ellos.
Sistema Disruptive: Es el principal sistema responsable de identificar, generar y clasificar las disrupciones basado en fuentes de datos de noticias.
-
- Recopilación de datos: Las noticias se recopilan diariamente mediante la API de búsqueda de noticias de Bing, tal y como se explica en el apartado anterior.
- Detección de disrupciones: El modelo de inteligencia artificial, ChatGPT, analiza las noticias para detectar y catalogar las disrupciones. Esta integración también se realiza a través de un API.
- Data Fusion: Integración de nuevas interrupciones con las previamente registradas para mejorar la cohesión y fiabilidad del sistema, ayudando al usuario final a tener una mayor visión y comprensión del sistema.
- Identificación de entidades: Identificación de ubicaciones, infraestructuras y partes interesadas relevantes que pueden ayudar a detectar qué interrupciones están relacionadas con nodos u operadores de interés para el cliente final.
Modelo de Inteligencia Artificial::
-
- Chat GPT: Responsable de detectar interrupciones, clasificarlas según su tipo y temas asociados, y asociarlas a interrupciones anteriores de la cadena de suministro.
Lago de datos:
-
- DBase de datos: Repositorio central para el almacenamiento de datos antes y después del procesamiento. Esto significa almacenar tanto las noticias como las interrupciones generadas.
Interfaz:
-
- Retriever: Retriever: Interfaz gráfica que se conecta a la base de datos a través de una API y se encarga de mostrar las interrupciones y sus novedades y entidades relacionadas. También permite ordenar y filtrar las noticias por tipo, primeras y últimas fechas de detección y estado, así como por las distintas entidades a las que está asociada la interrupción de la cadena de suministro.
Data
El lago de datos ha sido diseñado como un repositorio para recopilar noticias digitales potencialmente relevantes de cualquier fuente, con el fin de procesarlas y analizarlas en busca de interrupciones. Durante esta fase inicial, se utilizó Bing News Search como fuente de datos.
A continuación, se muestran los diferentes atributos que existen en el lago de datos, distinguiendo entre los datos sin procesar, es decir, los datos iniciales obtenidos a través de la búsqueda de Bing News, y los datos procesados por el modelo de detección y clasificación de interrupciones:
Resultados
La fase 2 de este proyecto se va a presentar al gobierno español.
Así es como se ve la interfaz en este momento:
El LLM Disruptive se puede visualizar en directo a través de este enlace:: http://disruptive-retriever-fe-prod.apps.mosaicfactor.es