¿Cómo la Inteligencia Artificial y la Analítica de Datos en la Cadena de Abastecimiento puede generar valor a las compañías post COVID-19?

E-ProcurementSupply Chain Analytics¿Cómo la Inteligencia Artificial y la Analítica de Datos en la Cadena de Abastecimiento puede generar valor a las compañías post COVID-19?

¿Cómo la Inteligencia Artificial y la Analítica de Datos en la Cadena de Abastecimiento puede generar valor a las compañías post COVID-19?

Un estudio reciente (Pre-COVID19) encontró que las empresas pierden entre el 9% y el 20% de su valor, en tan solo 6 meses debido a problemas con su cadena de suministro. Los problemas, acentuados por la Pandemia actual, varían desde escasez de partes, exceso de inventario de producto terminado, capacidad instalada subutilizada, costos innecesarios de almacenamiento, hasta transporte innecesario de provisiones y mercancías.

 

Debido a la obligación de proveedores de mantener en reserva sus sistemas de información y sus ventajas de operación, los problemas reaparecen con más frecuencia, sin posibilidad de romper la inercia.

 

Inteligencia Artificial (AI)

 

Las crisis demuestran que la ponderación de riesgos y la preparación de planes de contingencia con anticipación a un cambio drástico en la Cadena de Suministro puede prevenir pérdidas significativas. Para lograr esto, se requiere de estrategias proactivas y la habilidad de predecir con precisión la probabilidad de ocurrencia, así como el impacto de riesgos.

 

Esta habilidad se puede lograr usando alguna de las variadas técnicas que proporciona la Inteligencia Artificial, hasta ahora poco usadas en las industrias locales:

 

-Técnicas de Optimización Matemática.

-Aproximaciones de Redes Neuronales, que representan un conjunto de posibles estados y transiciones. Redes Artificiales Neuronales (ANN).

-Metodologías que adoptan modelamiento de interacciones multi-agente.

-Aproximaciones que usan razonamiento automatizado basado en conocimiento.

-Técnicas de Machine Learning y Big Data.

-Algoritmos de Máquinas de Clasificación, dentro del cuál SVM (Support Vector Machine) es uno de los más populares.

 

¿Cómo funciona?

 

La Inteligencia Artificial debe estar habilitada para autónomamente decidir sobre el curso de acción que conlleve a la realización exitosa de objetivos de las áreas de Abastecimiento y hacerlo bajo un ambiente parcialmente desconocido de la Cadena de Suministro. La AI toma fundamentos de representaciones matemáticas, computación evolucionaria y estadística.

 

Analítica de Datos

 

La estandarización de los procesos es la línea base para mitigar los riesgos inherentes al suministro de bienes y servicios. Con ella logramos comportamientos “esperados” de los agentes y con la analítica de datos podemos medir y entender con amplia certidumbre el impacto que tiene cada proceso y finalmente, establecer si se requieren realizar ajustes.

 

Con su implementación podremos además asegurar la exactitud de la transacciones, que no existen malinterpretaciones con los proveedores, nos sugiere mediante interpretación cómo manejar las excepciones y sobre todo permite tomar decisiones estratégicas que garanticen la mejora continua de los objetivos.

 

Casos de Uso

 

1.  Selección automatizada de Proveedores basada en identificación del riesgo.

2. Selección automatizada de Ofertas usando parámetros definidos en algoritmos de Máquinas de Clasificación.

3. Propagación modelada del riesgo en la red de abastecimiento.

4. Identificación y Predicción de prácticas engañosas en la cadena de suministro.

5. Explicación de desastres orientada a datos.

6. Apoyo end-to-end para facilitar disrupción colaborativa en la Gerencia.

 

Ejemplos Aplicados Avanzados

 

1. Identificación de variables críticas (“Confianza rápida”, y “Compartir información de manera transparente”) durante un evento de desastre (como terremoto de Nepal en el 2015) para alcanzar una cadena de suministro confiable.

2. El gobierno Chino analiza sus datos de abastecimiento para entrenar máquinas de clasificación. Estos datos se usan para determinar si una empresa tiene la capacidad de producir, demandar, proveer mediante eventos disruptivos externos.

3. La predicciones Bayesianas se utilizan para determinar los riesgos de demoras en cadenas de suministro aéreas.

4. Sensores de comida en supermercados que ajustan precios de manera dinámica dependiendo de su perfil de vencimiento y temperatura.

 

Dar el primer paso hacia el uso de los datos

 

Si bien Latinoamérica hasta ahora se aventura a tomar las primeras iniciativas, se requiere de un equipo Gerencial valiente que crea en la adopción de nuevas tecnologías para liberar el poder de los datos que a diario sus empresas producen. 

 

Esto no significa que la Inteligencia Artificial  y la Analítica de Datos son los únicos que deben ser tomados en consideración a la hora de tomar decisiones estratégicas, pero si deben tomados como herramientas cruciales para descubrir nuevos conocimientos. De esta forma,  y así los verdaderos tomadores de decisión puedan combinarlos con su propia experiencia y llegar a resoluciones óptimas.



Deja tus comentarios

Tu email no va a ser publicado.
Los campos necesario estan marcados con *

Cart Item Removed. Undo
  • No products in the cart.