La solución de la interrupción de la cadena de suministro se reduce a las matemáticas

El caos logístico no es un fenómeno nuevo en el mundo de la cadena de suministro, pero la escala de la conmoción causada por COVID-19 es algo que las partes interesadas nunca han visto antes:el 94% de las empresas Fortune 1000 experimentaron interrupciones por la pandemia, según Accenture.

Afortunadamente, las empresas de hoy tienen a su disposición una variedad de tecnologías de inteligencia artificial, como la optimización matemática, para ayudar a combatir y superar las interrupciones de la cadena de suministro.

La optimización matemática se ha establecido durante mucho tiempo como la tecnología de referencia para la planificación y las operaciones de la cadena de suministro. Desde la década de 1980, las empresas de todo el mundo empresarial se han basado en una amplia gama de aplicaciones de planificación listas para usar y personalizadas, no solo para impulsar una mayor eficiencia y rentabilidad, sino también para administrar y mitigar las interrupciones. Estas tecnologías han sido una herramienta fundamental a lo largo de los años para fomentar la agilidad y la resiliencia de la cadena de suministro.

La optimización matemática facilita dos tipos de toma de decisiones para los planificadores y otras partes interesadas clave:

• Reactivo. Pueden detectar interrupciones en tiempo real y responder a ellas de manera rápida y eficaz identificando las causas raíz y reasignando recursos dinámicamente, reduciendo así el tiempo de recuperación.
• Proactivo. Pueden analizar los riesgos de la cadena de suministro y anticipar posibles interrupciones.

Así es como la optimización matemática puede impulsar una toma de decisiones óptima, reactiva y proactiva, y abordar las interrupciones de la cadena de suministro.

Un modelo de tres partes

Cada aplicación de optimización matemática se compone esencialmente de dos elementos:un solucionador (un motor de resolución de problemas basado en algoritmos) y un modelo (una representación o gemelo digital del entorno operativo del mundo real, con toda su complejidad y desafíos).

El modelo puede encapsular elementos específicos de la cadena de suministro (como proveedores, producción, logística y operaciones de almacén) o puede abarcar toda la red de un extremo a otro.

Cada modelo consta de tres partes:

• Variables de decisión. Decisiones que se toman en varios puntos de la cadena de suministro;
• Restricciones. Reglas comerciales que deben seguirse;
• Objetivos comerciales. Numerosos (y a menudo conflictivos) objetivos comerciales, como minimizar los costos y los niveles de inventario, o maximizar la utilización de los recursos, el rendimiento de la entrega a tiempo y la satisfacción del cliente.

Cuando ocurre una interrupción, las aplicaciones de optimización matemática, debido a que se basan en modelos que comprenden y encarnan cómo se comporta una cadena de suministro real, permiten a los usuarios lograr:

• Visibilidad. Identificar instantáneamente las fuentes de la interrupción, como los cuellos de botella de capacidad y las fluctuaciones repentinas en la oferta y la demanda;
• Flexibilidad. Modificar el modelo haciendo ajustes e incluso agregando nuevas restricciones, variables de decisión y objetivos comerciales para reflejar las condiciones operativas actuales en toda la cadena de suministro;
• Agilidad. Reoptimice de forma dinámica y automática los planes y horarios, y determine el mejor curso de acción para resolver la interrupción de la manera más rápida y eficaz posible.

Con una aplicación de optimización matemática, las empresas pueden mantener la visibilidad y el control en tiempo real de la red de un extremo a otro, de modo que cuando surjan interrupciones, puedan identificar fácilmente las causas raíz y tomar rápidamente los pasos necesarios para remediarlas y preservar la continuidad del negocio. .

"Inteligencia continua"

El aprendizaje automático, probablemente el aspecto más conocido de la IA, se basa en datos históricos. Por el contrario, la optimización matemática se basa en los últimos datos disponibles para ofrecer análisis prescriptivos en tiempo real o, como lo llama Gartner, "inteligencia continua" en toda la red de la cadena de suministro.

Cuando ocurre una interrupción severa de la cadena de suministro, como sucedió durante la pandemia de COVID-19, las empresas no pueden depender de los datos del pasado para ayudar a navegar los desafíos financieros y operativos sin precedentes.

Debido a que utilizan los últimos datos y modelos disponibles que capturan las condiciones actuales a través de una red operativa, las aplicaciones de optimización matemática son capaces de generar automáticamente las mejores soluciones para los problemas actuales de la cadena de suministro y permiten una inteligencia continua y una toma de decisiones óptima.

Exploración de riesgos

Una parte importante del manejo de la interrupción de la cadena de suministro es evaluar el riesgo y planificar y prepararse para el futuro. Con la capacidad de análisis de escenarios de optimización matemática, las empresas pueden:

• Explorar diversos escenarios de oferta, demanda, inventario, capacidad, macroeconómicos, geopolíticos y otros escenarios hipotéticos, y evaluar su efecto potencial en el negocio.
• Descubrir riesgos ocultos y medir la exposición al riesgo y el tiempo para recuperarse en caso de una interrupción, como un desastre natural, o una avería en la producción o el transporte.
• Desbloquear oportunidades para mitigar el riesgo e impulsar una mejor resiliencia de la cadena de suministro, mediante la reasignación de recursos o la reconfiguración de la cadena de suministro.

Durante la pandemia de COVID-19, hemos experimentado una ola sin precedentes de interrupción de la cadena de suministro, que ha provocado un caos significativo y duradero en la economía global y ha planteado enormes desafíos para los profesionales de la cadena de suministro. La optimización matemática ha demostrado ser un arma potente para combatir tales interrupciones, al tiempo que impulsa la eficiencia y la rentabilidad de la cadena de suministro. Este A.I. La tecnología seguirá siendo una herramienta esencial para los líderes de la cadena de suministro mientras navegan por el panorama empresarial en constante cambio.

Ed Rothberg es cofundador y director ejecutivo de Gurobi.