Perspectiva con Hong Mo Yang, SVP de Blue Yonder, sobre cadenas de suministro inteligentes

Hong Mo Yang, SVP y GM, Sector Manufacturero, Blue Yonder, conversa con Manufacturing Global sobre la importancia de las cadenas de suministro inteligentes en manufactura.

1. ¿Qué significa tener una cadena de suministro inteligente y cuál es su papel en la manufactura?

Una cadena de suministro inteligente es aquella que usa tecnología para aumentar eficiencias, auto-optimizarse y responder inteligentemente a cambios en la demanda y disrupciones. Por ejemplo, al usar inteligencia artificial (IA) y aprendizaje automático (ML) para automatizar procesos, la cadena de suministro puede tomar decisiones inteligentes sin necesidad de intervención humana. Esto podría ser encontrar un Plan B para llevar un envío de componente retrasado a la planta de fábrica a tiempo o señalar con antelación que una escasez de personal podría retrasar la producción.

2. ¿Qué importancia tiene tener una cadena de suministro inteligente para los fabricantes, qué valor aporta a una organización?

Adoptar tecnologías como IA y ML ayuda a los fabricantes a mantenerse al día con la demanda cambiante al permitirles predecir problemas antes de que surjan y navegar a través de disrupciones. Permite a empresas y fabricantes mantenerse un paso adelante del comportamiento de compra del cliente en lugar de simplemente responder a estos incidentes cuando ya han ocurrido.

3. ¿Qué papel juega la tecnología en la creación de una cadena de suministro inteligente?

La pandemia ha interrumpido gravemente las cadenas de suministro en todo el mundo, obligando a las empresas a tomar decisiones y reaccionar con poco aviso. Las máquinas hacen posible reaccionar tan rápida e inteligentemente como sea posible —por ejemplo, usando ML para identificar dónde pueden ocurrir retrasos o fallos. El ML puede operar a nivel granular, por ejemplo, inspeccionando cargas individuales y prediciendo qué entrega tiene alto riesgo de fallo, luego los algoritmos pueden reencaminar entregas si hay una avería. Todo el proceso puede automatizarse, desde la planificación hasta la ejecución.

El ML también puede ayudar a los fabricantes a priorizar dónde se necesitan los bienes con más urgencia para que los compromisos de producción y entrega puedan cumplirse. Los humanos, por otro lado, a menudo necesitan días para tomar tales decisiones y son propensos a cometer errores al lidiar con grandes cantidades de datos y plazos ajustados. Las máquinas pueden manejar tales cosas sin emociones, tomando rápidamente la decisión correcta basada en datos, lo que significa que el enfoque secuencial tradicional de planificación bien puede estar llegando a su fin.

4. ¿Cuáles son las tres principales tendencias en cadenas de suministro inteligentes?

Las tres principales tendencias son IA/ML, gemelo digital de cadena de suministro, y la creciente demanda de científicos de datos para apoyar las nuevas tecnologías. Como se mencionó anteriormente, hay muchos casos de uso para IA/ML a lo largo de la cadena de suministro. Desde predecir demanda y anticipar disrupciones hasta optimizar rutas de transporte, planificación de recursos y estrategias de cumplimiento al cliente, IA/ML se implementa ampliamente para impulsar eficiencias, automatización y permitir mayor visibilidad e integración a través de la red de cadena de suministro.

Para ayudar a los líderes de cadena de suministro a tomar las decisiones correctas a lo largo de la cadena de suministro de extremo a extremo, un gemelo digital es crítico. Al crear una representación digital de la cadena de suministro física, las empresas pueden aprovechar el gemelo digital para tomar decisiones locales y globales, aumentar la conciencia situacional y evaluar el impacto de varios escenarios con confianza. Más importante aún, las organizaciones pueden anticipar el impacto de decisiones en objetivos estratégicos de negocio como crecimiento de ingresos, control de márgenes y objetivos de satisfacción del cliente.

Y a medida que las empresas continúan invirtiendo en nuevas tecnologías a través de IA/ML, IoT y robótica, combinadas con requisitos para que las empresas agreguen volúmenes más altos de datos a través de recursos internos y externos, la demanda de científicos de datos crecerá. Hoy, los científicos de datos están trabajando para resolver muchos desafíos, como modelar datos y construir planes para hacer la cadena de suministro más sostenible, mejorar tiempos de respuesta y agilidad con mayor visibilidad y control, y automatizar procesos de toma de decisiones con IA/ML y big data para permitir a las empresas tomar decisiones de negocio más inteligentes y estratégicas.