Supply Chain: Claves para mitigar el impacto en la cadena de suministro ante de pandemias

Interior de almacén, anaqueles con cajas, personas con trajes de seguridad y cascos blancos

Visibilidad en tiempo real, la inteligencia artificial y el
aprendizaje automático (ML) resultan elementos clave en tiempos de
incertidumbre.

El 2020 fue sin duda un año con un entorno que
nadie pudo haber previsto ni anticipado, la economía mundial recibió fuertes
impactos y muchas empresas aún siguen buscando la forma de adaptarse a la
nueva normalidad. Dentro de esta historia, la cadena de suministro global
cumple un rol esencial que impacta de tres formas a empresas y al consumidor
final:

Banner_frasco-suscripcion-800x250

Lo primero es la nueva demanda de artículos necesarios para combatir y
prevenir la propagación de virus. Lo segundo es la escasez de piezas y
productos de todo tipo de proveedores asiáticos, principalmente chinos. Y
tercero son las exportaciones a China, muchas veces redestinadas a países
como México o Vietnam, medida paliativa, pero sin duda insuficiente.

Con todo lo sucedido, pareciera que la Inteligencia Artificial ha estado en
deuda. “Existe una necesidad de datos para ayudar al cliente a planificar y
responder a la cadena de suministro no solo en tiempos de rutina, sino
también en aquellos de crisis, como el actual asociado al coronavirus, pero
que también se da con el cambio climático”, señala Ángelo Petrillo, director
de preventa para América Latina de Blue Yonder.

Aquí -señala- es donde la visibilidad en tiempo real, la IA y el
aprendizaje automático (ML) entran en escena. Debido a que el comportamiento
y efectos del virus aún es nuevo y con pocos antecedentes históricos,
empresas como Blue Yonder están enfocados en recabar datos para ayudar a
visualizar y predecir los impactos actuales y futuros de esta o próximas
pandemias, pudiendo visualizar cómo éstas afectan el suministro de un
cliente en los entornos afectados.

Algunos de estos datos incluyen tomar alimentos de los Centros para el
Control y la Prevención de Enfermedades (CDC) en tiempo real y mapear los
sitios de fabricación y logística para modelar las respuestas y obtener
tiempos de llegada de suministros más precisos. Con capacidades de
visibilidad en tiempo real, los clientes pueden ganar tiempo para
identificar proactivamente problemas en la cadena de suministro, y saber por
ejemplo “¿Dónde está mi inventario?”, Luego, se aprovechan las
recomendaciones basadas en ML para encontrar fuentes alternativas de
suministro y capacidades de ejecución integradas para convertir las
recomendaciones en envíos de suministros alternativos.

“Es fundamental contar con una visión de la cadena de suministro de punta a
punta, desde el fabricante en China, pasando por el buque que llega a los
centros de distribución, luego transporte terrestre y hasta que llega al
consumidor final. Hay que tener la visibilidad y si ocurre algo imprevisto
se sugiere una alternativa”, agrega Ángelo Petrillo.

Los equipos de ciencias de datos actualmente están ayudando a las empresas
a modelar una variedad de escenarios para obtener información de tres
factores:

* Visibilidad del inventario: conocer la cantidad y la ubicación del
inventario en la cadena de suministro es fundamental para satisfacer un
aumento en la demanda de ciertos dispositivos médicos y otros suministros
necesarios con urgencia. Mediante el uso de AI y ML, las empresas pueden
modelar y predecir mejor la demanda y ajustar su inventario desde la
adquisición hasta el transporte, almacenaje y el enrutamiento de suministros
a ubicaciones antes de la demanda.

* Predicción de suministros: el uso de AI y ML ayuda a los operadores
de la cadena de suministro a predecir su tiempo de llegada, lo que les
permite tomar medidas preventivas para mitigar el impacto de la escasez. La
automatización impulsada por ML puede asumir tareas rutinarias como la
reposición, mientras que las fuerzas de trabajo humanas pueden centrarse en
el manejo de excepciones y las decisiones estratégicas a corto plazo.

* Adaptación: los sistemas autónomos de toma de decisiones y manejo de
materiales permiten a las empresas adaptarse flexiblemente a diferentes
escenarios y prepararse mejor para los factores que podrían afectar su
capacidad de enviar y recibir materiales.

Necesario para existir

Las plataformas de cumplimiento digital impulsadas por ML deben estar
diseñadas para poder tomar decisiones cuando las condiciones sean inciertas.
Sabemos que las máquinas son ideales para manejar enormes cantidades de
datos y tomar muchas decisiones a corto plazo basadas en datos. Aunado a una
IA, estas aprenden de los patrones cambiantes de demanda y oferta, de modo
que después de dos o tres semanas, el sistema de ML comienza a predecir la
escasez de oferta, así como a recomendar sustituciones (dependiendo de la
industria) o acciones de reposición.

“Las compañías de las cadenas de suministro que no utilicen la tecnología
para poder entender y atender al cliente final, no lograrán rescatar el
posicionamiento de mercado y, con el tiempo, habrán de desaparecer. Por
ejemplo, como cliente de una farmacia voy a comprar un medicamento habitual
y, además, atado a eso, compro otros productos complementarios de limpieza o
higiene que no necesito de inmediato. Si la farmacia no conoce mi
comportamiento y no tiene esos productos de limpieza o higiene en sus
estantes, puede que pierda mi lealtad y vaya a comprarlos junto con el
medicamento a la competencia”.

Los sistemas son de aprendizaje constante, aprenden de las incertidumbres y
luego, saben cómo el usuario se comporta basado en ese evento que antes no
existía, señala el ejecutivo de Blue Yonder, quien da como ejemplo, la
exactitud que se obtiene de eventos como “El Buen Fin” de México -similar al
Black Friday americano- y que hace unos años no existía.

“Manejamos hasta 200 variables externas desde clima, hasta feriados y días
de pago, para pronosticar y ser más precisos, reduciendo la incertidumbre”,
concluye Petrillo.


Reciba las últimas noticias de la industria en su casilla:

Suscribirse ✉