Cómo IoT y analítica están remodelando cadenas de suministro post-COVID

En el mercado volátil de hoy, agilidad y resiliencia de supply chain ya no son opcionales —son críticas para supervivencia. Para satisfacer estas demandas, empresas recurren a últimas tecnologías digitales.

Habilitadores clave incluyen Internet of Things (IoT), automatización de infraestructura, inteligencia artificial (IA), analítica avanzada, integración API y el concepto emergente de gemelos digitales de supply chain.

El interés en estas tecnologías aceleró durante la pandemia global de coronavirus, aunque muchas firmas ya las exploraban antes de COVID-19.

La encuesta 2019 de Gartner sobre impacto de negocio digital reveló amplia penetración IoT, con 59% de encuestados reportando despliegue parcial o completo across sus organizaciones. Una posterior Encuesta de Adopción IoT 2020 de IoT World encontró que el 51% de participantes vio necesidad creciente de iniciativas digitales, incluyendo IoT.

"La flexibilidad de supply chain post-COVID es menos sobre cambio de demanda y más sobre cambio de consumo", dice Amber Salley, directora y analista en Gartner. Cita el pico de papel higiénico de marzo 2020 como ejemplo crudo de cuán rápido pueden cambiar patrones de consumo.

Líderes de supply chain ahora enfrentan decisiones tecnológicas a largo plazo mientras lidian con modelos de negocio disrumpidos. Herramientas de machine learning impulsadas por IA prometen beneficios como gestión de activos en tiempo real, optimización de inventario y mantenimiento predictivo.

Salley nota que machine learning destaca en reconocimiento de patrones —pero solo cuando se alimenta con datos de alta calidad y alto volumen. "El reto es que muchas organizaciones carecen de la amplitud de datos requerida para modelos robustos", dice.

Profesionales IT navegan un marketplace abarrotado de soluciones analíticas. Key vendors incluyen Anaplan, Blue Yonder, DHL Supply Chain, EY Supply Chain and Operations, IBM, John Galt, LLamasoft, Logility y SAP.

Dispositivos IoT se vuelven centrales para monitorización de supply chain, y líderes cloud como AWS, Google y Microsoft se asocian con especialistas como Accenture, Cognizant, Pluto7 y TensorIoT para entregar analítica a medida.

Modelos estadísticos, aunque valiosos para análisis histórico, luchan para anticipar disrupciones sin precedentes. Jeanette Barlow, VP de IBM Sterling Supply Chain, enfatiza la necesidad de herramientas forward-looking.

IBM Sterling aprovecha Watson cognitive AI para correlacionar datos a escala, capacidad que ha crecido en importancia conforme feeds IoT surgen en volumen y velocidad.

Adoptar machine learning avanzado depende de madurez digital de una organización. Alex Pradham, líder de estrategia de producto en John Galt Solutions, nota que muchas firmas aún requieren tecnologías fundacionales antes de escalar IA.

Pradham destaca la caída de coste de sensores IoT y valor de datos ultra-frescos para planificación a corto plazo. "Datos de alta calidad es el primer paso hacia eficiencia operacional", dice.

John Traynor, VP y gerente general en TensorIOT, recuerda que analíticas simples —como promedios móviles— solo son útiles si los datos son válidos. Cita una reciente asociación con AWS y Semtech para crear un kit basado en LoRa que conecta dispositivos de campo a servicios AWS para asset tracking y aplicaciones smart building.

IoT está impulsando nuevas categorías de sistemas que automatizan adquisición de datos. El chief digital officer de Cognizant, Prasad Satyavolu, anunció recientemente la adquisición de Bright Wolf para expandir sus ofertas IIoT.

"Datos externos pueden integrarse en sistemas de planificación vía APIs", dice Satyavolu. Cita firmas manufactureras incorporando el dashboard COVID-19 de Johns Hopkins como ejemplo.

Gartner llama al gemelo digital de supply chain una "representación dinámica, en tiempo real, time-phased" de la supply chain física. Aunque aún emergente, la tecnología permite simulación de almacén, forecasting de inventario y análisis what-if.

Desarrolladores como Ansys, Dassault, GE, MathWorks, PTC y Siemens están construyendo plataformas para gemelos digitales. Salley aconseja empezar con un problema de negocio claro y probar valor a pequeña escala.

Sistemas legacy pueden requerir upgrades, ya que gemelos digitales a menudo dependen de bases de datos grafo para modelar interconexiones complejas. "Datos de alta granularidad, baja latencia —exactamente lo que IoT entrega— es esencial", nota.

Con streaming de datos IoT, gestores de supply chain pueden anticipar downtime de equipos, identificar escasez de partes y cambiar producción proactivamente.

"La meta es lograr mejor visibilidad, agilidad y resiliencia", concluye Salley. "Incluso en disrupción, decisiones informadas bajo presión son posibles cuando tecnología y personas trabajan juntas".