Cadena de suministro 4.0: ¡Hágala posible con IA y Digital Twins!

Por Arturo Rocha
Cadena de suministro 4.0: ¡Hágala posible con IA y Digital Twins!

La nueva normalidad ha traído consigo cambios drásticos en la cadena de suministro: interrupciones en la oferta, pautas de consumo distintas a lo habitual, crecimiento inesperado del comercio electrónico, presión para responder más rápidamente a la volatilidad de la demanda y, por si fuera poco, presión para reducir costos, entre muchas otras cosas.

El lado positivo de la situación es que las empresas se han dado cuenta de la importancia del papel de la cadena de suministro dentro de la organización: actualmente hay más conciencia de lo decisivo que es disponer de una cadena de suministro digitalizada resistente y eficiente para poder responder mejor a los cambios comerciales.

Los anticuados procesos manuales de datos tienen los días contados y esta dinámica debería ser aprovechada por los líderes de la cadena de suministro para impulsar su cadena de suministro al siguiente nivel. Tomando una cita de «El arte de la guerra», de Sun Tzu, “Donde hay caos, también hay oportunidad».

Centrémonos en la industria 4.0

Para resolver este nudo gordiano, es necesario dar empuje a muchos temas para asegurar un avance en su resolución, siendo clave para ello la incorporación de nuevas tecnologías en todo el espectro de la cadena de suministro: desde la toma de decisiones estratégicas de E2E (end to end) hasta la infraestructura física y los modelos operativos.

En esta publicación, nos centraremos en los digital twins de la cadena de suministro y en cómo pueden formar parte de las aplicaciones de inteligencia artificial.

¿Qué es un digital twin?

Un digital twin es la réplica digital de un proceso, producto o servicio que conecta el mundo real con el mundo virtual. Es posible tener un digital twin de su almacén y de sus procesos, otro de su cadena de suministro E2E y de sus flujos, etc. Estas réplicas de la realidad pueden variar en alcance y nivel de detalle.

En la actualidad, uno de los usos más frecuentes de los digital twins es la simulación del efecto de los cambios, aunque la naturaleza de esos cambios dependerá del alcance de su digital twin.

Por ejemplo, en el caso de un digital twin de la cadena de suministro E2E (integrado con aplicaciones analíticas) se podrían simular cosas como:

  • Las consecuencias derivadas de la interrupción de servicio de un proveedor
  • El impacto de las previsiones de crecimiento en los proveedores
  • Los activos de fabricación necesarios basados en las previsiones de crecimiento
  • Las consecuencias «aguas arriba» de la reubicación de un almacén
  • Las consecuencias del cierre de un centro de distribución en términos de servicio y costos
  • Etc.

Principales beneficios del uso de digital twins en la cadena de suministro

  • Análisis continuo de la cadena de suministro, dejando de lado los proyectos individuales en los que el esfuerzo de recolección y procesamiento de datos se repite para cada uno de ellos.
  • Comprensión de la dinámica y el comportamiento de la cadena de suministro y de sus procesos de punta a punta: detección de cuellos de botella y mejora del rendimiento, más allá de todas las expectativas.
  • Supervisión del riesgo y comprobación de las contingencias.
  • Alcance de la excelencia diaria en su red de la cadena de suministro y aumento de la visibilidad y la transparencia de su cadena de suministro de punta a punta.
  • Transformación de la cadena de suministro: capacidad de comprender cómo y por qué la cadena de suministro abre oportunidades previamente ocultas para la transformación y el crecimiento.
  • Optimización multi eslabón del inventario.
  • Análisis de cash to serve y cost to serve.
  • Previsión y operaciones de prueba en las próximas semanas y meses.

Requisitos para crear un digital twin

Para crear un digital twin de la cadena de suministro hay tres requisitos principales: big data, rendimiento de la informática y algoritmos.

Para incorporar los algoritmos en la ecuación hay dos opciones principales:

a) Utilizar una herramienta existente diseñada para cubrir el alcance del digital twin

b) Diseñar una aplicación de IA personalizada, hecha a medida en cada caso.

¿Qué significa exactamente Inteligencia Artificial (IA)?

IA es un término tecnológico que está de moda y que parece tener un nuevo significado cada vez que se escucha, lo que causa confusión en muchos profesionales que se esfuerzan día a día en incorporarlo a sus procesos para cubrir sus necesidades específicas. Antes de llevar este concepto a la acción, lo primero que debemos hacer es desmitificarlo y no verlo como una caja de ciencia oscura y negra difícil de comprender sino como lo que es: una herramienta muy flexible.

Podemos dividir la IA en dos categorías principales: AGI (Inteligencia Artificial General) o inteligencia artificial fuerte y ANI (Inteligencia Artificial Estrecha) o inteligencia artificial débil. La buena noticia es que la IA aplicable a la Cadena de Suministro es la IA débil, por lo que podemos olvidarnos de los algoritmos extremadamente sofisticados.

Se ha hablado largo y tendido de la IA como el próximo gran hito en la cadena de suministro, pero siendo justos debemos reconocer que, en cierta manera, hemos estado usando la IA desde hace algunos años. «IA» es un término general que incluye de manera realista las actuales ofertas de servicios de optimización. Por ejemplo, hoy en día muchos programas informáticos incorporan algoritmos de aprendizaje automático, como los utilizados para la previsión, la planificación de la producción, la gestión de inventarios, etc.

¿Cómo poner en práctica estos conceptos?

Digital Twin e IA son dos conceptos que trabajan en estrecha colaboración, ya que el primero es un componente clave de una aplicación sostenible del segundo. Revisémoslo en un fujo de trabajo:

Como muestra el gráfico anterior, el fujo de trabajo para crear aplicaciones de IA es el mismo que el de los análisis actuales, pero con una mejora en la forma en que se ejecuta cada paso. Las prácticas actuales, como las Torres de Control, pueden ser aprovechadas como punto de partida en el proceso, ya que se ha avanzado mucho en la parte de los datos.

¿Qué algoritmos se pueden aplicar?

Hay un número infinito de algoritmos, pero la clave es saber cuáles son los mejores para un tema determinado y cuándo aplicarlos. En general, las aplicaciones más comunes de la IA están pensadas para diagnosticar, optimizar y/o predecir. Repasemos algunos ejemplos centrados en la predicción:

Estos ejemplos muestran cómo la IA puede resolver problemas de distintos tipos y complejidad, desde la mejora de los formularios hasta soluciones de previsión muy complejas. La IA puede ayudarle a resolver tareas diarias o estratégicas: como ya se ha comentado en líneas anteriores, se trata de una herramienta de lo más flexible.

Aplicaciones de la IA para la cadena de suministro

Vemos una evolución desde los análisis ad-hoc y las extracciones de datos de una sola vez hasta la creación de flujos continuos de datos para generar data lakes. En este nuevo escenario es posible utilizar gemelos digitales y/o aplicaciones de IA para refinar y mejorar continuamente la toma de decisiones en la cadena de suministro.

Algunos ejemplos podrían ser:

  • Optimización de la última milla con datos en tiempo real: patrones de tráfico, previsiones meteorológicas y ventanas de tiempo de entrega.
  • Mejor planificación del número de conductores y vehículos necesarios, teniendo en cuenta tipos de producto, dimensiones y patrones de tiempo de pedido.
  • Mejoras en la precisión de las previsiones, añadiendo otros conjuntos de datos como el crecimiento del PIB, el gasto público, las condiciones meteorológicas, el tráfico de tiendas por día de la semana, los datos de precios y la actividad promocional de la competencia.
  • Mejora del mantenimiento de la maquinaria de producción mediante una estrecha vigilancia de los factores clave de algunas piezas específicas, y una mejor predicción de cuándo podrían averiarse para evitar las averías y optimizar los costos de mantenimiento.
  • Conjuntos de datos maestros de productos más completos, llenando los vacíos con base a la información disponible de productos similares.
  • Mayor automatización de todo el proceso de planificación de la cadena de suministro, no sólo para los cálculos más complejos sino también para las tareas más de tipo administrativo y de bajo valor añadido a través de otras tecnologías emergentes como RPA (Automatización de Procesos Robóticos) o DPA (Automatización de Procesos Digitales).

Dos proyectos exitosos de Miebach Consulting basados en IA

El abanico de aplicaciones de la IA en la cadena de suministro es enorme y tiene un gran potencial. Vamos a profundizar en un par de business cases desarrollados por Miebach.

Factores de éxito para la implementación de  digital twin e IA

Tomando como base nuestros aprendizajes durante las implantaciones, para nosotros estos son los principales factores de éxito:

  • Implementar una estrategia específica de desarrollo de talento para asegurar la capacidad adecuada

Por un lado, el talento necesario para utilizar estas tecnologías es diferente al requerido para gestionar la cadena de suministro tradicional (de la misma forma que hay varias ramas de la ciencia que trabajan con datos pero desde distintos puntos de vista: matemáticas, ingeniería de sistemas, etc.). Por otro lado, también se requiere perspicacia en los negocios y en la cadena de suministro para que la aplicación tenga éxito, aspecto que debe tenerse en cuenta antes de cualquier implementación tecnológica de gran envergadura.

  • Examinar el problema adecuadamente y garantizar un feedback rápido de los resultados obtenidos

Esto es necesario para permitir la mejora continua de las soluciones implementadas y de las propias cuestiones a tratar, y para optimizar la captura del valor del negocio. La obtención de un conjunto de datos de calidad suele ser uno de los mayores obstáculos en este tipo de iniciativas, y el esfuerzo necesario para ello es muchas veces subestimado.

  • Planificar las fuentes de datos y evaluar a fondo los campos que faltan y cómo obtenerlos

Se trata de una actividad clave para asegurar el éxito y evitar que toda la iniciativa se descarrile con datos deficientes. La obtención de un conjunto de

datos de calidad suele ser uno de los mayores obstáculos en este tipo de iniciativas, y el esfuerzo necesario para ello es muchas veces subestimado.

  • Gestionar el cambio desde el diseño de la solución

Estas tecnologías están introduciendo bastantes cambios dentro de las organizaciones. La falta de confianza en los desarrollos tecnológicos, el temor personal de no ser capaz de mantenerse al día y una potencial amenaza de pérdida de puestos de trabajo son temas que deben ser abordados desde el inicio de cualquier proceso. La gestión del cambio debe planificarse en paralelo al proceso y no debe quedar sepultada por la brillante perspectiva de integrar los últimos avances tecnológicos en organizaciones ya establecidas y exitosas.

Recomendaciones de Miebach Consulting

  • La creación de digital twins completos para sistemas complejos y la aplicación de la IA para resolver problemas de diferentes niveles de complejidad son opciones económicamente viables que se convertirán en una gran ventaja competitiva de la cadena de suministro.
  • Lo más importante es comenzar el viaje: elegir las oportunidades adecuadas, establecer expectativas realistas, reunir un equipo capacitado y empezar a reunir datos relevantes para iniciar un piloto, ganar confianza y probar el valor de estas aplicaciones dentro de su organización.
  • En Miebach Consulting hemos estado implantando con éxito digital twins y aplicaciones de inteligencia artificial durante la última década y estaremos encantados de conversar con usted sobre la situación de su cadena de suministro y ofrecerle propuestas de mejora.

Te invitamos a leer:

Referencias de mantenimiento en tiempos de crisis

Revista Contacto de Union Empresarial

Otras publicaciones

Deje un comentario