Reabastecimiento de la cadena de suministro impulsado por inteligencia artificial

Resumen

Ya sea en investigaciones de la cadena de suministro de Gartner o en encuestas mundiales de cadena de suministro de Geodis, notarás que la principal preocupación de los líderes de la cadena de suministro es el aumento de la complejidad y las interrupciones en la cadena de suministro. Esto se ha vuelto aún peor con la volatilidad adicional de problemas y eventos imprevisibles como el COVID-19, la obstrucción del Canal de Suez y muchos más.

A lo largo de los años, las empresas han invertido considerablemente en tecnología para lidiar de manera eficiente con las complejidades y las interrupciones de la cadena de suministro. Algunos puntos destacados del artículo de Gartner sobre la Tecnología de la Cadena de Suministro 2022 para tener en cuenta serían:

• Si bien las tecnologías de la cadena de suministro son principalmente una prioridad para los líderes, las tecnologías que mejoran la toma de decisiones humanas y gestionan los activos en el borde son áreas de enfoque.
• Para el año 2026, más del 75% de los proveedores de aplicaciones comerciales de gestión de la cadena de suministro ofrecerán análisis avanzados (AA), inteligencia artificial (IA) y ciencia de datos integradas en sus aplicaciones.
• Hasta 2026, el 80% de las empresas sufrirá una pérdida significativa de valor debido a la falta de fusión de su gemelo digital de la cadena de suministro.

SimWell, siendo líder en Simulación e Inteligencia Artificial (IA), considera todas estas complejidades y perturbaciones de la cadena de suministro de manera efectiva al crear réplicas digitales de las cadenas de suministro utilizando el poder de la simulación y la IA, avanzando así en la creación de sistemas de cadena de suministro autónomos.

En este artículo mostramos brevemente una de las soluciones complejas de cadena de suministro construidas aprovechando la Simulación y la Inteligencia Artificial para planificar eficientemente los reabastecimientos de la cadena de suministro. La solución se construye utilizando AnyLogic para simular las cadenas de suministro y Microsoft Bonsai AI para tomar decisiones óptimas durante la planificación de los reabastecimientos.

Desafío

A medida que las cadenas de suministro se hacen más grandes, el proceso de planificación de reabastecimiento se vuelve más complejo debido a la introducción de numerosos factores, opciones y alternativas. Estos elementos deben tenerse en cuenta para determinar la mejor estrategia de reabastecimiento posible.  

Un gran conjunto de variables como la precisión de la previsión, el tiempo de entrega, los costos de cumplimiento, la disponibilidad del producto, la disponibilidad de transportistas, las capacidades, los requisitos de nivel de servicio, los requisitos de tamaño de lote, los riesgos y volatilidades, el ciclo de vida del producto, etc., tienen un alto impacto en la planificación de reabastecimiento.

Específicamente, estamos buscando responder preguntas como cuándo realizar el pedido, qué pedir, cuánto pedir y de dónde pedirlo.

Un buen plan de reposición debe ser oportuno y conveniente para:

• Minimizar los agotados y el exceso de inventario
• Minimizar los costos de envío y almacenamiento
• Minimizar las transferencias de inventario y los movimientos de inventario improvisados
• Minimizar el almacenamiento de productos cercanos a su fecha de expiración y las amortizaciones

La mayoría de las organizaciones abordan este problema utilizando un enfoque basado en políticas matemáticas, desde un simple enfoque de mínimos y máximos hasta la verificación periódica de las políticas de pronóstico de requerimientos de materiales (MRP). Crean un conjunto de reglas que determinan cuándo realizar los pedidos de inventario (por ejemplo, una regla de mínimos y máximos) y utilizan heurísticas para determinar los mejores planes de asignación. Las políticas se revisan y ajustan periódicamente.

Los líderes de la cadena de suministro de hoy en día van más allá de los métodos tradicionales y están construyendo algoritmos de planificación de la demanda basados en aprendizaje automático (ML) y optimizadores complejos de planificación de reposición que tienen en cuenta múltiples factores (pueden o no ser una lista exhaustiva) para crear un plan de reposición óptimo.

Las actuales interrupciones e imprevisibilidad del panorama de la cadena de suministro actual han tenido impactos en el suministro, la demanda y los tiempos de entrega. Por lo tanto, los enfoques mencionados anteriormente requieren intervenciones humanas constantes y mejoras en los parámetros de las políticas y algoritmos para alinearse con los entornos cambiantes. Esto genera un aumento en los puntos de contacto humanos y, por lo tanto, requiere más cambios y decisiones que pueden generar resultados subóptimos y, en algunos casos, causar un efecto látigo en la cadena de suministro. 

Visualizar el rendimiento de estos planes generados teniendo en cuenta todas las volatilidades y riesgos no es completamente posible, ya que la mayoría del software de planificación empresarial actual, en el mejor de los casos, proporciona proyecciones de escenarios hipotéticos (como pesimista, optimista y más probable) sin tener en cuenta la probabilidad de que ocurran esos escenarios y la cantidad de preparación requerida para su ocurrencia.

La Solución

La solución se construye utilizando un enfoque basado en simulación e inteligencia artificial (IA) para abordar este problema. La IA aprende la estrategia de reabastecimiento utilizando el gemelo digital de la cadena de suministro, considera todas las opciones disponibles y recomienda el mejor plan de reabastecimiento ajustándose continuamente a la dinámica siempre cambiante de la cadena de suministro.

La IA está impulsada por una solución basada en aprendizaje por refuerzo desarrollada por Microsoft Bonsai. Utilizando el gemelo digital de la cadena de suministro, la IA puede predecir el impacto de cualquier interrupción, como cuándo, qué productos y qué nodos de la cadena de suministro se verán afectados. Nuestra solución puede sugerir el mejor conjunto de acciones para mitigar o minimizar el impacto de la interrupción.

Con esta solución, el punto de contacto humano se desplaza de la actualización/ajuste de los planes o factores a enseñar su experiencia a la IA, lo que enriquece la toma de decisiones de la IA.

Diagrama: Un diseño de alto nivel que describe cómo combinamos el poder de la simulación y la IA para obtener planes de reabastecimiento dinámicos y óptimos se puede ver a continuación:

Resultados

La solución proporciona una interfaz de usuario sencilla y fácil de entender, visibilidad de extremo a extremo de la cadena de suministro organizativa y tiene en cuenta todos los demás planes y los simula con todas las volatilidades y riesgos presentes. Además, proporciona el plan de reabastecimiento con una serie de acciones prescriptivas si el suministro no puede satisfacer la demanda de los medios regulares.

Podemos Ayudar

Si estás interesado en cómo utilizar la simulación en tu negocio, puedes reservar una llamada. El equipo de SimWell estará emocionado de conocer más sobre tu operación y desafíos, y responder tus preguntas sobre la simulación.