El proyecto “SISTEMA INTELIGENTE DE PLANIFICACIÓN Y GESTIÓN DE AUDITORÍA EN FLOTAS DE VEHÍCULOS EN STOCK”, con número de expediente IDI-20160562, ha sido cofinanciado por el Centro de Desarrollo Tecnológico Industrial (CDTI) y el Fondo Europeo de Desarrollo Regional (FEDER) a través del Programa Operativo Pluriregional de Crecimiento Inteligente. La ejecución de este proyecto permitirá posicionar a TKS como número uno del sector, ofreciendo una herramienta inédita hasta el momento.

Las auditorías de control de stock de vehículos se realizan con el fin de gestionar el riesgo en préstamos para automóviles, proporcionando tranquilidad tanto a las instituciones financieras como a los concesionarios. Ello se lleva a cabo a través de la verificación física de inventarios de vehículos financiados en pólizas de crédito stock por entidades financieras.
TKS desarrolla un sistema inteligente integral de gestión y planificación de auditorías basado en potentes sistemas de Inteligencia Artificial de predicción y planificación que permitirán:
• Desarrollo de un sistema inteligente de planificación de auditorias
• Desarrollo de nuevas funcionalidades en aplicación de gestión de stock de flotas de vehículos.
• Alcanzar una solución global que contemple todas las posibles casuísticas y variables.

El sistema inteligente de planificación será una plataforma formada por módulos y agentes virtuales. En su conjunto formará el core de las mejoras que se proponen para la aplicación, destacando la IA de asignación de auditores y cálculo de rutas.
La IA se ejecutará como un proceso separado, comunicándose con la aplicación con los nuevos canales de comunicación, websockets o webservices. La ejecución se realizará en paralelo, comunicándose con esta mediante eventos y mensajes de forma asíncrona para no parar la aplicación durante los cálculos más complejos.
El sistema contará con un algoritmo de selección de candidato para la planificación compuesto por varios algoritmos de ordenación y cálculo de rutas.
El sistema contará con un dataset con valores de aprendizaje para su mejora continua. Con este grupo de datos, el sistema será capaz de ordenar los auditores por su calificación, disponibilidad y las rotaciones que el cliente haya impuesto. Las modificaciones que se realicen desde administración pasarán a formar parte de este fichero de entrenamiento para que el sistema aprendizaje lo tenga en cuenta.
El sistema aprenderá en función de las correcciones que los administradores realicen. Ante un nuevo escenario el sistema modificará su elección basándose en lo aprendido, mostrando la estimación de ahorro de combustible dos acciones.
• El sistema recalculará los datos cada vez que reciba un evento, e informará de las consecuencias que cada acción desencadenará.
• Tras cambiar el estado de los datos, la aplicación recibirá una acción y una recompensa contra su IA, que hará que en función del resultado modifique sus valores futuros.
Se trabajará en una base de datos paralela donde se almacenará los datos de posicionamiento, de este modo no se sobrecargará la base de datos principal, usando una BD especializada. El empleo de una base de datos especializada en GIS sumado a las mencionadas técnicas de Machine Learning permitirá analizar los datos a posteriori, generando informes donde se presenten de forma gráfica las zonas las zonas más y menos rentables, así como la diferencia entre el ahorro de combustible estimado, el real y el introducido por el auditor.
Para ello se trabajara técnicas de forecasting y análisis predictivo con el fin de definir los rangos de operación de cada una de las variables dependientes del sistema. Sera posible la predicción a corto, medio y largo plazo, la comparación de datos reales con estimaciones, la extracción de ciclos, tendencias, estacionalidades e irregularidades.
La visualización y comparación de datos entre las estimaciones y los valores reales arrojarán información hasta ahora desconocida que ayudarán en la toma de decisiones y corrección de irregularidades.
Para llevar a cabo tan ambiciosa propuesta, será indispensable posicionar los vehículos destinados a realizar las auditorias. Las aplicaciones GPS actuales usan 3 fuentes de datos, GPS, Wifi o torres de telecomunicaciones. Todas tienen en común cuatro medidas; la latitud la longitud, la altitud y la precisión. Nuestro sistema mejorará la precisión al predecir el movimiento en función de la velocidad y orientación de los últimos movimientos.

La IA a desarrollar se encargara de la comunicación entre la app móvil y la aplicación de administración. El uso de un agente virtual que se encargue de las comunicaciones entre la aplicación de administración y la aplicación móvil permitirá el control de la aplicación en tiempo real, así como la gestión de varios usuarios manipulando los datos de una auditoría al mismo tiempo.