Logistics Network Optimization using cloud computing services

El objetivo de este proyecto es ayudar a la empresa a administrar sus datos, de modo que puedan utilizarse para modelar la red logística.
Para tener una única fuente de verdad, se crea un Almacén de Datos para almacenar todos los datos utilizados en la analítica, lo que permite a la empresa mejorar la gestión de los datos y la disponibilidad de la información. Se calculan health metrics para garantizar que el Almacén de Datos tiene datos precisos.
Se desarrolla un modelo para comparar la red logística actual de cross-dock frente a un sistema de inyección directa, en el que los paquetes van directamente del nodo inicial al nodo final, para decidir qué modelo es mejor para cada línea de envío. Este proceso aumenta la velocidad de la red al mismo tiempo que maximiza los beneficios de la empresa.
Este proyecto se va a implementar utilizando servicios de Cloud Computing, en particular, el proveedor líder de Cloud, Amazon Web Services. Hay que utilizar muchos servicios para construir la arquitectura de AWS y garantizar la seguridad, la conectividad, y la integración de todos los servicios. El almacén de datos se crea en un clúster Redshift y se utilizan herramientas de análisis como Glue y Lambda para desplegar automáticamente el modelo. Además, se crea un sistema de notificaciones para aumentar la fiabilidad. Los modelos y los Glue Jobs se programan tanto en Python como en PySpark, para permitir el procesamiento paralelo de los datos. Se crean gráficos en QuicksSight para visualizar los resultados.
La implementación del modelo ayudará a la empresa a ahorrar 16,1 millones de euros al convertir el 19% de las líneas en inyecciones directas. La automatización de todos los procesos permite a la empresa ahorrar tiempo, consumo de energía, dinero y recursos.

The purpose of this project is to help the company to administrate its data, so that it can be used for modelling the logistics network.
In order to have a unique source of truth, a Data Warehouse is created to store all the data used in analytics, this enables the company to improve the data management and the availability of the information. Health metrics are computed to ensure the Data Warehouse has got accurate data.
A model is developed to compare the current cross-dock logistics network versus a direct injection system, in which packets go directly from the initial node to the final node, to decide which model is better for each lane. This process increases the speed of the network at the same time it maximizes the benefits of the company.
This project is going to be implemented using Cloud Computing services, particularly, the leader Cloud Provider, Amazon Web Services. Many services have to be used to build the AWS architecture and assure the security, networking and integration of all the services. The Data Warehouse is created in a Redshift cluster and analytics tools such as Glue and Lambda are used to automatically deploy the model. Furthermore, a notification system is created to increase the reliability. The models and Glue Jobs are programmed both in Python and PySpark, to allow the parallel processing of the data. Graphs are created in QuickSight to visualize the results.
The implementation of the model will help the company save 16,1 million euros by converting the 19% of the lanes to Direct Injections. The automation of all the processes allows the company to save time, power consumption, money and resources.