Las cifras de infectados por coronavirus aumentan día a día en el mundo, y dentro de esta pandemia, la cadena de suministro global cumple un rol esencial que impacta de tres formas a empresas y al consumidor final:
Lo primero es la mayor demanda de artículos necesarios para combatir el virus, como equipos y suministros médicos. Lo segundo es la escasez de piezas y productos de todo tipo de proveedores chinos. Y tercero son las exportaciones a China, muchas veces redestinadas a países como México o Vietnam, medida paliativa, pero sin duda insuficiente.
Pero con todo lo sucedido en torno al Covid-19, 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 o, puntualmente en Chile, con la sequía.
Aquí es donde la visibilidad en tiempo real, la Inteligencia Artificial (IA) y el aprendizaje automático (ML) entran en escena. Debido a que el virus es tan nuevo y hay pocos antecedentes históricos, el equipo de ciencia de datos de Blue Yonder está ocupado introduciendo datos en su Digital Control Tower para ayudar a visualizar y predecir los impactos actuales y futuros del coronavirus, pudiendo visualizar cómo esta gripe afecta el suministro de un cliente en los sitios 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.
Por ejemplo, con Luminate Digital Control Tower, logramos 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.
El equipo de ciencias de datos de Blue Yonder actualmente está 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
La plataforma de cumplimiento digital impulsada por ML está diseñada para la toma de decisiones cuando las condiciones son inciertas. Las máquinas son mejores que los humanos para manejar enormes cantidades de datos y tomar muchas decisiones a corto plazo basadas en datos.
Nuestras capacidades de LD 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 las tecnologías para poder entender y atender al cliente final, empiezan a perder posicionamiento de mercado y, con el tiempo, mueren. 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 al 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; 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.
Por: Ángelo Petrillo
Director de preventa para América Latina de Blue Yonder
https://www.linkedin.com/in/angelopetrillo/
*Las opiniones son de exclusiva responsabilidad de quienes las emiten y no representan, necesariamente, el pensamiento de Empremar.
