Plus de 800 millions de personnes souffrent de faim et de malnutrition , selon des statistiques récentes. Dans le même temps, environ un tiers des aliments produits dans le monde pour la consommation humaine sont gaspillés tout au long de la chaîne d’approvisionnement.
Ces chiffres alarmants peuvent et doivent changer, avec le développement de méthodes informatiques basées sur l’intelligence artificielle et les algorithmes d’optimisation. C'est l'objectif principal de mes recherches, créer un cadre optimal de gestion de la chaîne d'approvisionnement pour améliorer la production et la distribution de produits hautement périssables , ce qui pourrait avoir un impact significatif dans des pays hautement agricoles comme l'Argentine.
La recherche sera menée en collaboration avec l'Université du Texas à Austin et Apeel Sciences, une startup californienne avec plus de 645 millions de dollars de capital investi qui a développé un spray protecteur biologique et comestible qui réduit considérablement le taux de détérioration des fruits et légumes . prolongeant leur durée de conservation de plusieurs semaines.
L’un des principaux problèmes de la gestion de la logistique alimentaire est la vulnérabilité aux incertitudes et aux perturbations qui surviennent fréquemment dans des situations pratiques. Par exemple, la demande des consommateurs dans les différents points de vente est une variable très difficile à estimer, même avec les modèles de machine learning les plus sophistiqués. La demande n’étant pas connue avec précision, il est très difficile d’estimer les stocks nécessaires dans les différents points de vente.
Le problème est encore plus complexe pour la gestion des aliments hautement périssables, comme les viandes, les fruits et les légumes , qui, en cas de stocks excédentaires, peuvent entraîner un gaspillage important de produits. En recherche, des modèles statistiques sont développés pour déterminer les niveaux optimaux de production et de distribution face à ce type d’incertitude. Des résultats préliminaires, publiés dans plusieurs revues scientifiques à fort impact, indiquent que de tels modèles informatiques peuvent réduire le gaspillage alimentaire jusqu'à 15 % et en même temps réduire considérablement les coûts logistiques, ce qui entraînerait également une réduction des prix pour le consommateur. consommateur final.
Lorsqu’il s’agit d’aliments hautement périssables, une autre complexité consiste à estimer la viabilité des produits, car les dates d’expiration ou de péremption sont souvent des mesures imprécises. Ces types de produits sont gérés dans des chaînes logistiques avec des environnements hautement contrôlés, régulant des variables telles que la température, l'humidité et l'exposition à la lumière. Les variations de ces conditions peuvent modifier la date de péremption initialement fixée, car les produits peuvent être en mauvais état avant la date de péremption indiquée lors de l'emballage, mettant ainsi en danger la santé du consommateur, ou ils peuvent être en bon état après la date de péremption établie, provoquant des déchets alimentaires.
Des mesures telles que la date de péremption n'intègrent pas les valeurs du consommateur et donc ce qui conduit à la demande pour ces produits. Les modèles logistiques pour ce type de produits doivent intégrer des mesures qui reflètent le modèle de consommation en rayon, comme la couleur et la fermeté dans le cas des fruits et légumes. Ces variables peuvent être prédites sur la base de la connaissance des réactions chimiques et biochimiques qui se produisent dans nos aliments pendant la période allant de leur récolte jusqu'au moment de leur consommation. De cette manière, les décisions logistiques peuvent être prises plus efficacement afin de minimiser les coûts et le gaspillage dans la chaîne d'approvisionnement, tout en réduisant le risque de maladies d'origine alimentaire.