A medida que la cadena de suministro se estabiliza, muchos fabricantes están volviendo a la normalidad con capacidades tecnológicas más sólidas. De hecho, casi la mitad de los líderes de la cadena de suministro aumentaron el gasto en tecnologías y sistemas innovadores durante la pandemia, incluido el análisis predictivo.
Kevin Beasley
Forbes
11 de Agosto de 2021
El análisis predictivo utiliza algoritmos estadísticos combinados con datos internos y externos para predecir las tendencias futuras, lo que permite a las empresas optimizar el inventario, mejorar los plazos de entrega, aumentar las ventas y, en última instancia, reducir los costes operativos. Cuando se combinan con la inteligencia artificial (IA), los conocimientos obtenidos de estos sistemas avanzados son la clave para una previsión más precisa y oportuna en el futuro.
Cuando los datos históricos ya no son la única opción
Los análisis predictivos mejoran los procesos mediante el aprendizaje automático y los datos históricos, como los patrones meteorológicos, el comportamiento de los consumidores y las fluctuaciones del precio del gas. Pero, ¿qué ocurre cuando los datos históricos dejan de predecir el futuro?
Consideremos la pandemia de Covid-19, durante la cual un evento externo y perturbador sacudió la economía mundial y sesgó las predicciones. Los responsables de la cadena de suministro que utilizaron el análisis predictivo a principios de 2019 y 2020 no tuvieron en cuenta -ni pudieron hacerlo- la conmoción económica mundial provocada por la pandemia.
Por ejemplo, las empresas que fabrican EPI o papel higiénico no tenían forma de predecir cuánto aumentaría la demanda de esos productos durante la pandemia. Tampoco lo tenían los proveedores de materias primas que hacen posible estos productos. Mientras tanto, las pequeñas empresas, los restaurantes y los proveedores de servicios no tenían ninguna forma fiable de ajustar sus inventarios y operaciones para adaptarse a la demanda.
El comportamiento de los consumidores y los patrones de compra durante la pandemia tampoco fueron predictivos. Las empresas tienen problemas de previsión debido a las anomalías en el comportamiento de los consumidores durante 2020, y la decisión de incluir incluso datos de 2020 en los modelos predictivos es discutible.
Siempre habrá factores periféricos que distorsionen los datos. Pero cuantas más fuentes de datos tenga, ya sean internas o externas, más precisas serán sus predicciones cuando se combinen con la IA y el análisis predictivo. El reto puede ser saber dónde encontrarlos.
Cómo el análisis predictivo y la IA pueden optimizar la eficiencia de la cadena de suministro
La combinación de modelos de análisis predictivo con la IA es crucial para mejorar la precisión de las previsiones tras una pandemia. En la práctica, esto significa disponer de datos actualizados para cada recurso. El suministro de plástico, por ejemplo, podría verse afectado por la escasez de determinadas materias primas debido a catástrofes naturales o a retrasos inesperados en los envíos. Un sistema de IA podría señalar de forma proactiva los acontecimientos probables, lo que daría lugar a una toma de decisiones más informada.
Se espera que la IA crezca hasta convertirse en un sector de 309.000 millones de dólares en 2026, y el 44% de los ejecutivos informan de la disminución de los costes operativos como resultado directo de la implementación de la IA. A continuación, se explica cómo se puede mejorar el análisis predictivo con la IA en la cadena de suministro:
Gestión de inventarios:
Incluso antes de la pandemia, el exceso y la falta de existencias contribuían a la pérdida de millones de dólares cada año: la falta de visibilidad del inventario en tiempo real desempeñaba un papel fundamental en estos problemas. Cuando se sincronizan los datos en tiempo real con la IA, se puede optimizar la gestión del inventario más allá del simple reordenamiento.
Las tecnologías de monitorización, como los dispositivos de internet de las cosas (IoT) en el almacén, proporcionan alertas en tiempo real sobre el bajo nivel de inventario para que pueda reponer los productos antes de que se agoten. Con el tiempo, una solución basada en la IA puede recopilar datos y reconocer patrones, lo que le permite planificar el inventario de forma más eficaz.
Para empezar, necesita los datos para analizarlos realmente. Desde lo más básico del escaneo de códigos de barras hasta la RFID y otras tecnologías de automatización de almacenes, puede capturar todos los puntos de datos. Cuando los datos, como el escaneo de cada código de barras, se introducen en un motor de IA/análisis, estos datos pueden proporcionarle información sobre los patrones del movimiento de su inventario, las ventas y también información sobre cómo optimizar las funciones de los trabajadores.
Optimización de la entrega:
En los últimos años, el análisis predictivo se ha utilizado para optimizar las rutas de los camiones y garantizar las entregas a tiempo. Pero, ¿qué ocurre cuando se producen sucesos como accidentes, congestiones de tráfico o condiciones meteorológicas adversas? Éstos y otros imprevistos pueden causar bloqueos en la entrega o en el transporte de mercancías en la cadena de suministro. Aquí es donde entra en juego el poder de la analítica y la IA. El análisis de estos sucesos permitirá obtener información sobre cómo afrontar estas situaciones y prepararse para ellas. El software de optimización de rutas puede combinarse con la IA para permitir el redireccionamiento en tiempo real basado en factores anteriores. Los algoritmos de IA serían capaces de predecir incluso los mejores momentos para las entregas, los posibles retrasos y otros factores de transporte y entrega.
Además de la optimización de rutas, los dispositivos IoT pueden recopilar datos de sensores en tiempo real sobre los camiones para optimizar los aspectos operativos de las entregas. Por ejemplo, esta tecnología puede detectar los cambios de objetos en tránsito, los desequilibrios de carga y las paradas repentinas, revelando información para tomar decisiones más inteligentes en el futuro.
Descubrir la información útil a través de los datos
La reciente pandemia ha puesto de manifiesto el poder del análisis predictivo combinado con la IA. La recopilación de datos es crucial en la cadena de suministro, pero es inútil si no conduce a la acción. Estamos recopilando más datos que nunca, pero necesitamos la IA para transformarlos en información predictiva y procesable. Para empezar hoy mismo, es necesario contar con un buen plan y con la participación del equipo para empezar a capturar los puntos de datos y la tecnología adecuada en su viaje hacia la plena aplicación del análisis predictivo utilizando la IA.