Cómo la IA puede acabar con las disrupciones de la cadena de suministro: Cinco estrategias probadas

Las disrupciones empresariales provocadas por la pandemia de coronavirus — desde estanterías vacías en supermercados hasta largos retrasos en entregas de comercio electrónico — han puesto de relieve las debilidades de la cadena de suministro, y una creciente oportunidad para la inteligencia artificial.

Parte del problema ha sido el cambio a la manufactura just-in-time (JIT), que ha creado cadenas de suministro esbeltas que mantienen niveles de inventario más bajos para eliminar el riesgo asociado con la sobreproducción y el excedente. Esta estrategia, tomada de la industria automotriz, ha permitido a los proveedores reducir sus costos a través de bajos niveles de inventario y costos de producción reducidos. Sin embargo, cuando algo como una pandemia o un desastre natural ocurre creando un pico en la demanda, es difícil aumentar la producción, o recurrir a suministros excedentes para llenar el conducto — especialmente cuando plantas enteras se cierran por infección. Lo que se requiere hoy en su lugar es un nuevo modelo que permita manufactura de demanda en tiempo real sobre JIT.

Kit de herramientas impulsado por IA

Más proveedores están recurriendo a diversas formas de IA para abordar mejor los desafíos de la disrupción de la cadena de suministro ahora y en el futuro. Considere las siguientes cinco aplicaciones:

• Analítica predictiva. Para que las empresas no sean sorprendidas por cambios en el mercado, económicos o del consumidor, la analítica predictiva basada en IA permite pronósticos precisos analizando patrones en datos históricos. Usa minería de datos, modelado estadístico y machine learning para permitir que enormes conjuntos de datos predigan resultados futuros. Por ejemplo, un minorista puede usarlo para determinar la probabilidad de que artículos específicos estén agotados y cuándo, o la probabilidad de que un consumidor siga comprando la Marca X de toallas de papel si se detiene la producción de Bounty. También podría analizar proveedores para determinar cuáles resultarán más confiables en una situación de emergencia.
• Deep learning (aprendizaje profundo). Tener visibilidad en una ubicación de tienda remotamente se ha vuelto crucial durante la pandemia. Hoy, la videovigilancia, combinada con soluciones basadas en deep learning, puede ayudar a los gerentes a determinar si se siguen protocolos de seguridad, como limpieza de sistemas POS, insistencia en uso de mascarillas y distanciamiento social. Además, estos tipos de videovigilancia basados en IA pueden ayudar con auditorías de tienda para gestión de inventario para determinar dónde están las estanterías vacías y qué no se vende.
• Robótica de almacén. Robots en pisos de almacén, recolectando y empaquetando artículos, están aumentando sustancialmente la velocidad y eficiencia de los almacenes. Durante la pandemia, cuando ha habido escasez de mano de obra humana debido a trabajadores enfermos o aquellos con condiciones de salud comprometidas que los obligaron a quedarse en casa, los robots han recogido el relevo.
• Automatización de procesos robóticos (RPA). Tareas repetitivas, como facturación, procesamiento de pedidos, entrada de datos y otras tareas administrativas pueden ser un culpable mayor de disrupción en la cadena de suministro. La RPA ha permitido a muchas empresas automatizar esas tareas, y liberar empleados humanos para manejar tareas más estratégicas, así como tratar directamente con socios, clientes y otros. Por ejemplo, la RPA puede usarse para procesar órdenes de compra, identificar niveles de inventario requeridos y compararlos contra stock real — todo sin depender de intervención humana, excepto para atender excepciones.
• Computer Vision (Visión por computadora). Esta forma de detección de imágenes impulsada por IA puede usarse en transporte y logística, para ayudar a identificar áreas de alto tráfico y planificar las mejores rutas de camiones. Algoritmos basados en Computer Vision analizan imágenes digitales o video de imágenes satelitales para detectar y contar, por ejemplo, autos y autobuses en ciertas áreas y ayudar a los camioneros a evitar esas áreas. En otras aplicaciones, puede usarse para determinar dónde puede haber vías de tren dañadas que podrían impedir el suministro fluido de bienes por tren.

Enfoque de Micro-Almacén

Además de la automatización, lo que se convertirá en un sello de las futuras cadenas de suministro es el almacenamiento y almacenamiento ubicado más cerca de los clientes. Incluso de gigantes como Amazon o Walmart, los grandes almacenes serán reemplazados por muchos más pequeños — sirviendo una base de clientes dentro de dos millas. En lugar de tener unos pocos grandes almacenes, las empresas pueden tener muchos para descentralizar el proceso de distribución, llevar bienes a minoristas y consumidores más rápido e incluso impulsar prácticas de sostenibilidad, con menos emisiones aéreas y de autopistas.

De hecho, la cadena de suministro del futuro muy bien estará compuesta por menos trabajadores humanos; mayor automatización impulsada por IA para gestionar y predecir necesidades de inventario, procesar datos y manejar tareas de back-office y operaciones de almacén; y nuevos canales de entrega, incluyendo drones, para entregas a domicilio más seguras y sin contacto.

La cadena de suministro del futuro necesitará superar obstáculos clave para convertirse en realidad. Sistemas interoperables e integrados necesitarán compartir datos a través de la cadena de suministro para ser efectivos. Pero las empresas necesitarán estar abiertas a esta interoperabilidad para tener éxito. Otro desafío es el miedo a la pérdida de empleo que traerá la automatización. Las empresas deben disipar estos miedos abriendo oportunidades para que los trabajadores asuman roles nuevos y más estratégicos, ofreciendo capacitación y apoyo a educación continua; y reforzando los beneficios de la IA, sin perder de vista la ventaja inquebrantable que los humanos siempre tendrán sobre la IA.

El COVID-19 ha puesto un foco en las fragilidades de la cadena de suministro, pero a través de sus lecciones estamos comenzando a reimaginar la cadena de suministro del futuro, que será impulsada por IA y potenciada por la ingeniosidad humana.

Carlos Melendez es director de operaciones en Wovenware.