Llegamos a ustedes gracias a:



Reportajes y análisis

¿Problemas en la cadena de suministro?

La analítica puede ser la respuesta

[11/04/2022] Los problemas de la cadena de suministro siguen afectando a organizaciones de todo el mundo y de prácticamente todos los sectores. Para algunas, el aprovechamiento de los datos y las herramientas de análisis está demostrando ser una forma eficaz de abordar los desafíos.

Las alteraciones de las cadenas de suministro mundiales debidas a la pandemia de COVID-19 han sido importantes. Como señala la consultora Deloitte, la libre circulación y el funcionamiento de las personas, las materias primas, los productos acabados y las operaciones de las fábricas se han visto obstaculizados. "Las cadenas de suministro directas han experimentado desafíos, al igual que los socios de la cadena de suministro ampliada, como los proveedores de terceros y de cuarta parte, los proveedores de los proveedores", afirma la empresa.

[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]

Según Deloitte, las empresas se enfrentan a múltiples riesgos a lo largo de sus cadenas de suministro, como la reducción de los ciclos de vida de los productos y los rápidos cambios en las preferencias de los consumidores, el aumento de la volatilidad y la disponibilidad de recursos, el incremento de la aplicación de la normativa y las sanciones por incumplimiento, y los cambios en el panorama económico con una importante consolidación de los proveedores.

La tecnología no puede resolver todos los problemas de la cadena de suministro. Las mercancías deben producirse y trasladarse de un punto a otro. Pero las últimas herramientas de análisis, impulsadas por algoritmos de aprendizaje automático, pueden ayudar a las empresas a predecir la demanda con mayor eficacia, lo que les permite ajustar las operaciones de producción y envío.

A continuación, se explica cómo tres organizaciones están teniendo éxito en el uso de la analítica de datos para mejorar las operaciones de la cadena de suministro.

Mejorar las operaciones y las relaciones con los proveedores

Optimas Solutions, fabricante y distribuidor de elementos de fijación, utiliza el análisis de datos en tres áreas fundamentales para mejorar las operaciones y las relaciones con sus proveedores y clientes, afirma Mark Korba, vicepresidente de cadena de suministro e inteligencia empresarial de la empresa.

En primer lugar, Optimas utiliza la analítica de datos internamente para una serie de funciones, como la adquisición de materiales para la fabricación, la previsión de la producción y la demanda de los clientes, la mejora de la eficiencia y la precisión de los pedidos a los proveedores y la gestión de su inventario.

Todo ello ha ayudado a Optimas a gestionar y reducir los costes generales al permitirle tomar decisiones más inteligentes, "haciendo que nuestras cadenas de suministro sean más eficientes y mejorando la gestión global de la tesorería", afirma Korba.

En segundo lugar, Optimas está utilizando la analítica de datos para ayudar a colaborar mejor con sus clientes empresariales para reducir costos y gestionar mejor sus inventarios. La analítica también está ayudando a la empresa a predecir mejor la demanda y el consumo. "Al poder realizar este tipo de análisis, ayuda a reducir los costes de forma sistemática", afirma Korba.

Por último, Optimas utiliza la analítica para colaborar mejor con los proveedores. "Al entender y gestionar la demanda, especialmente la de los clientes individuales, proporcionamos datos de previsión más precisos a los proveedores y gestionamos mejor nuestros pedidos para que puedan trabajar de forma más eficiente para nosotros", afirma Korba.

La empresa utiliza una plataforma llamada Service Optimizer 99+ de ToolsGroup para la planificación de la demanda, la optimización del inventario y la planificación del reabastecimiento. La plataforma se integra bien con la suite de planificación de recursos empresariales (ERP) NetSuite de Optimas para aprovechar los datos de la cadena de suministro, anota Korba.

"A menudo la gente piensa en la cadena de suministro como una sola cosa y no lo es", sostiene Korba. "Nosotros pensamos en la cadena de suministro como la suma de varias partes de toda la operación empresarial: desde la comprensión de la demanda del cliente hasta la gestión de materiales y la fabricación o el abastecimiento y las compras, pasando por la logística y el transporte, hasta la gestión del inventario y las órdenes de reabastecimiento automatizadas en Optimas y en las instalaciones de nuestros clientes".

Una de las claves del éxito es la capacidad de que todas las herramientas de la cadena de suministro que utiliza la empresa funcionen a la perfección, para ayudar a mantener a los clientes debidamente abastecidos y gestionar mejor los costos, la demanda, el inventario, la producción y los proveedores. La información proporcionada a través de la analítica debe abordar cuestiones financieras como el flujo de caja y la fijación de precios en el lado de la oferta y la demanda.

"En general, los problemas de la cadena de suministro que abordan todas las herramientas -ya sea trabajando juntas o por separado- mejoran la eficiencia, la precisión de la gestión del inventario de los clientes, las relaciones con los proveedores, el ahorro de costos y la capacidad de prever con mayor precisión y rapidez", afirma Korba. "La analítica de datos nos ha ayudado a ganar visibilidad en toda la organización, incluso en lugares que nunca habíamos imaginado, como una mayor precisión con nuestro ciclo de conversión de efectivo, la clasificación de la capacidad de respuesta de los proveedores, el análisis del tiempo de ejecución de las tareas o la evaluación de la capacidad tanto de nuestros clientes como de Optimas".

Los datos de la cadena de suministro no tienen que residir necesariamente en un solo lugar, indica Korba. "Es importante entender qué sistemas o servicios externos pueden ayudarle a recopilar y analizar los datos que necesita, para que se conviertan en información útil para la toma de decisiones", afirma.

Por ejemplo, el uso de índices de precios de materiales como el acero y el embalaje o los costos de mano de obra y transporte son útiles para determinar cuándo es necesario aumentar los precios. "Un mejor acceso a la información, dentro o fuera de la organización, permite una mejor toma de decisiones para Optimas y nuestros clientes y proveedores", afirma Korba.

A medida que Optimas se ha vuelto más diligente en el análisis de datos, "nuestros clientes y proveedores se benefician de notables mejoras en una serie de áreas, como una mejor visibilidad de toda la cadena de suministro", señala Korba.

Predecir la demanda de productos y las necesidades de inventario con mayor eficacia

CarParts.com, que vende piezas de automóviles en línea, utiliza herramientas avanzadas de análisis de datos y algoritmos de aprendizaje automático para predecir mejor la demanda de productos y las necesidades de inventario.

"Las nuevas capacidades de análisis de datos nos permiten ser más precisos a la hora de prever la demanda de cada ciudad [y] región del país", afirma Stanislav Tatarzuk, vicepresidente de planificación y previsión de inventarios.

La empresa utiliza modelos derivados del aprendizaje automático para averiguar dónde colocar el inventario en su red de centros de distribución, lo que le permite acercar los productos a los clientes que los quieren y poder entregar las piezas más rápidamente, además de ahorrar en costes de envío.

CarParts ha desplegado una plataforma de Databricks que le permite centralizar todos los datos relacionados con los pedidos de productos y el inventario y aplicar la analítica a los datos. También está aprovechando librerías de código abierto como XGBoost y Prophet; una variedad de herramientas de análisis; y Apache Airflow, una plataforma de gestión de flujos de trabajo de código abierto, para la ingeniería de datos y la automatización de informes.

Una de las ventajas de utilizar la analítica para gestionar mejor la cadena de suministro es la optimización de los envíos. "Las cuestiones de dónde enviar y cómo consolidar en una caja son complejas", anota Tatarzuk. "El uso de datos en vivo de nuestros socios de envío, así como de nuestros almacenes, nos permite ser tan eficientes como sea posible, al tiempo que utilizamos la analítica avanzada para optimizar el envío de pedidos de varios artículos".

Eso permite a la empresa hacer llegar los artículos a los clientes más rápidamente, a la vez que se reducen los gastos de envío. El uso de este proceso ha permitido a CarParts conseguir un ahorro significativo, dice Tatarzuk, aunque no ha dado detalles.

Otra ventaja es la optimización del almacén. "Ser capaz de recortar los gastos de mano de obra y el tiempo de envío es una necesidad absoluta en el entorno actual de aumento de los salarios", anota Tatarzuk. "Estamos creando modelos para ubicar correctamente el inventario en todos nuestros centros de distribución, para reducir el tiempo de recogida y de almacenamiento, al tiempo que creamos grupos de alta densidad que acortan la velocidad de recogida".

La analítica de datos ha ayudado a la empresa a hacer frente a las interrupciones de las cadenas de suministro causadas por la pandemia, ya que le ha permitido ver los cambios en la demanda y el aumento de los plazos de entrega en las primeras etapas de la crisis de la cadena de suministro, y reaccionar más rápidamente que sus competidores.

Apoyo a una cadena de suministro cada vez más compleja

El proveedor mundial de tecnología Lenovo ha afrontado los retos de su cadena de suministro global debido a la pandemia aprovechando la tecnología avanzada de previsión y el análisis de datos, afirma Arthur Hu, vicepresidente senior y director de informática.

La cadena de suministro de Lenovo se centraba antes principalmente en la logística, el flujo de información y el flujo de negocio, indica Hu. Pero la transformación de la empresa en un proveedor de servicios tecnológicos completos "ha significado que nuestra cadena de suministro, antes centrada principalmente en los dispositivos, se ha vuelto cada vez más compleja, con demandas de clientes más diversificadas, productos más complejos y la necesidad de operaciones y servicios más eficientes y ágiles", afirma.

En el último año, el equipo de la cadena de suministro ha trabajado con dos mil proveedores para entregar más de 130 millones de dispositivos Lenovo.

Ante este cambio, el equipo de la cadena de suministro de la empresa decidió renovar sus operaciones, adoptando un enfoque de "transformación inteligente". "Un equipo interfuncional trabajó para transformar las operaciones de la cadena de suministro de Lenovo en un ecosistema inteligente impulsado por los datos", afirma Hu. "El nuevo sistema proporciona datos en tiempo real, análisis inteligentes y apoyo a la toma de decisiones que permiten a nuestras empresas cumplir sus promesas a los clientes de forma más eficaz y eficiente que nunca".

La empresa construyó un sistema de motor de previsión de costos (CFE) para proporcionar una previsión más rápida y precisa de los costos de adquisición, fabricación y venta en todas las operaciones de su cadena de suministro.

Utilizando el sistema en combinación con la regresión lineal y XGBoost (eXtreme Gradient Boosting), una biblioteca de software de código abierto que actúa como algoritmo de aprendizaje automático, los responsables de Lenovo pueden establecer el umbral máximo y mínimo para evitar los extremos que afectan a la precisión de los costos.

La tecnología puede realizar comparaciones de costos para reducir el impacto de las fluctuaciones de costos mes a mes de los componentes de hardware, y proporcionar una base para que los gestores tomen decisiones de estrategia empresarial, afirma Hu.

El CFE soporta ahora la previsión de costos de adquisición y producción para más del 70% de toda la cadena de suministro global de Lenovo, sostiene Hu, y la previsión de costos de venta para más del 90% de la cadena de suministro. En comparación con el mantenimiento manual de los costos, la eficacia del ciclo de previsión de costos ha mejorado en un 12% aproximadamente. La tasa de precisión de los costos sigue siendo de aproximadamente el 95%, afirma.

Puede ver también: