IA en la cadena de suministro: cómo aprovechar al máximo su presupuesto

Las organizaciones pueden obtener un valor significativo si asignan más recursos a sus análisis de datos

La propagación generalizada de la pandemia de coronavirus, y la necesidad de distribuir una vacuna en cuanto alguna esté lista, ha presentado nuevas complejidades a la cadena de suministro global. Estas incluyen la cantidad de partes y jurisdicciones involucradas, los distintos niveles de desarrollo de los análisis de datos y los problemas de transporte y comunicación, entre otras.

La inteligencia artificial (IA) y los análisis de datos pueden presentar oportunidades para predecir con mayor precisión los desafíos y planificar una respuesta rápida y eficiente mientras se minimizan las interrupciones futuras.

La pandemia de COVID-19 puso en relieve problemas nuevos y existentes en las cadenas de suministro de muchas industrias. Las interrupciones en la cadena de suministros de bienes de consumo, manufactura y atención de la salud han sido noticia desde principios de este año. Además, algunas organizaciones de logística se están esforzando para reunir y analizar datos de calidad mientras los cuellos de botella en cualquier eslabón de la cadena amenazan con ocasionar interrupciones en cascada.

Aquí es donde la IA, y específicamente el aprendizaje automático, puede ayudar.

La IA puede referirse a muchas implementaciones de tecnología, pero el aprendizaje automático es la implementación de IA más destacada. Utiliza algoritmos y aplicaciones para automatizar los análisis de datos y crear modelos de conocimiento. Las soluciones de aprendizaje automático pueden usarse para realizar análisis predictivos, como análisis de regresión y clasificación, que pueden ser particularmente útiles a la hora de predecir problemas de la empresa relacionados con la cadena de suministro.

Aplicaciones de transporte

Los problemas relacionados con el transporte con frecuencia son un componente significativo de la interrupción de la cadena de suministros. Las soluciones de IA pueden ayudar a sortear estos desafíos al automatizar la recopilación de datos desde varios puntos en el trayecto y luego usar el envío anticipatorio a una ubicación satelital para poder cubrir las necesidades de los clientes —a veces hasta antes de que se notifique la necesidad.

Otra forma de mejorar las eficiencias en el transporte podría ser la reprogramación de las entregas y las modificaciones en el recorrido de los camiones con base en los últimos patrones de tráfico y clima. Incluir estos datos en modelos predictivos puede hacer que esas predicciones sean más relevantes y el proceso, más eficiente.

Otros usos útiles incluyen la predicción de faltantes de inventario. Tomemos como ejemplo la eventual distribución de una vacuna contra el COVID-19: sería clave predecir no solo la disponibilidad de existencias de vacunas sino también de suministros periféricos, por ejemplo, jeringas, diluyente y suministros de refrigeración. Todos estos factores, en última instancia, podrían tener un impacto en la vida de millones de personas. Hasta las predicciones relacionadas con la atención médica de los pacientes, como las necesidades de personal y el tiempo de la cita por paciente para la colocación de la vacuna, podrían adquirir importancia.

Un desafío enorme para la cadena de suministro

La distribución de una vacuna contra el COVID-19 pronto será el mayor desafío para la cadena de suministro que enfrentará el mundo. Para distribuir correctamente una vacuna, las organizaciones tal vez necesiten predecir varios aspectos relacionados con la cadena de suministro, como:

• Momento de consumo por país, región, ciudad y tal vez lugares de vacunación. Saber de dónde provendrán las vacunas y dónde se distribuirán en última instancia puede ayudar a optimizar la logística.
• Abastecimiento, disponibilidad y costo de los materiales. Predecir los faltantes será especialmente importante para que los fabricantes puedan mitigar los posibles riesgos.
• Plantas de producción, planificación y dimensionamiento de lotes. Los distribuidores deberán tener en cuenta el tamaño y la disponibilidad de las instalaciones de almacenamiento junto con la ruta de distribución.
• Posible sobrecarga de los recursos de control de calidad. Es probable que se necesiten varios puntos de control de calidad para garantizar la viabilidad de la vacuna. Sobrecargar estos "puntos de control" crearía cuellos de botella en la cadena.
• Probabilidad de deterioro y efecto cascada. Las vacunas contra el COVID-19 deben almacenarse a temperaturas frías controladas y son susceptibles a deteriorarse si hay variaciones. Diseñar la distribución del espacio y anticipar los problemas relacionados al mantenimiento de existencias pueden reducir la posible pérdida de productos.

La naturaleza y magnitud del COVID-19 presentan situaciones de riesgo a largo plazo que incluyen más incertidumbre que lo que podría ayudar a solucionar la información existente sobre la implementación de la vacunación. Quizás se necesiten muchas más simulaciones para proporcionar ejemplos de alineación de varios eventos y situaciones de baja probabilidad.

Automatizar la recopilación de datos y la transformación de datos a través del uso de la automatización robótica de procesos (RPA) desde todas las fuentes y organizaciones que participan en la fabricación y distribución de la vacuna puede ayudar a reducir los errores manuales, acelerar el proceso y permitir que los analistas obtengan predicciones más precisas.

Todo está en los datos

Si bien cada eslabón de una cadena de suministros presenta muchas complejidades, las organizaciones pueden obtener un valor significativo si se esfuerzan más en el desarrollo completo del análisis de datos, sin adoptar necesariamente una solución sólida de aprendizaje automático. El valor de las capacidades de IA y la mejora del análisis de datos eventualmente radican en una mejor toma de decisiones ante situaciones de incertidumbre. Los datos de una organización pueden contener indicadores de riesgo y oportunidades para generar nuevo valor. La mayoría de las organizaciones puede comenzar a mejorar sus procesos en torno a la administración de datos, para desbloquear el verdadero potencial de los datos.

Los datos para el diseño pueden provenir de muchas fuentes: patrones de suministro y demanda pasados y presentes, actualizaciones en tiempo real del tráfico y el clima, datos del inventario, predicciones de mercado, etc. Como ocurre con cualquier proceso de entrada-salida, la entrada de datos más precisos arroja predicciones más precisas. Mejorar el control de versión y modificar las prácticas de gestión en torno a la gestión de datos pueden ayudar a proteger la calidad de los datos. Además, las suposiciones recogidas a partir de estos datos e incorporadas en los modelos predictivos deben estar bien documentadas para explicar la base racional y para permitir el monitoreo continuo del desempeño y ajuste del modelo.

Aparte de los datos usados para establecer modelos, los datos para actualizar y adaptar los modelos son clave. Mientras más rápido se puedan recibir esos datos confiables en toda la cadena de suministros, más rápido podrán responder las otras partes. En el ejemplo de vacunación contra el coronavirus anterior, los datos de los lugares de vacunación (como hospitales y clínicas) deberían compartirse con la mayor precisión y eficiencia posible para que los fabricantes y las empresas de logística puedan responder en consecuencia.

Implementar soluciones de IA

Un especialista en automatización con experiencia en la implementación de soluciones de RPA puede ayudar a las organizaciones a identificar y perfeccionar las fuentes de datos de varias funciones de la empresa. Una vez que se identifiquen los datos y los procesos relevantes, la automatización puede mejorar el proceso de recopilación y la calidad de los datos.

Además, hay soluciones de automatización que ayudan a las organizaciones a establecer una lógica comercial estandarizada, permitir la identificación y el monitoreo mejorados de los indicadores de desempeño clave (KPI) con el uso de tableros de gestión, y mitigar los riesgos de forma más rápida y competente.

La pandemia de COVID-19 puede seguir teniendo un impacto perjudicial en las industrias en los próximos años, y algunas de las consecuencias a largo plazo todavía no son tan obvias. Sin embargo, hay buenas prácticas de análisis de datos que las organizaciones de todos los tamaños y niveles de sofisticación pueden aprovechar.

La inteligencia artificial, específicamente el aprendizaje automático y la automatización, puede colaborar con algunas organizaciones para predecir eventos y tomar medidas anticipatorias. Las organizaciones que todavía no lo han hecho deberían planificar ahora cómo van a utilizar las nuevas tecnologías y el poder de los datos para aprovechar las posibles oportunidades y el valor, y abordar a la vez los desafíos de la cadena de suministro que el mundo enfrenta en la actualidad.