Cómo la IA está abordando el desperdicio en las fábricas y la cadena de suministro.

2
(12)

Si queremos un mundo sin residuos, podríamos necesitar algo más que el cerebro humano para lograrlo.

La respuesta, como con tantos otros aspectos de los negocios hoy en día, se encuentra en la inteligencia artificial, en este caso, su capacidad para eliminar el desperdicio industrial en la fabricación.

Stephen Pratt es director ejecutivo de Noodle.ai,una compañía que emplea IA para agilizar las operaciones de flujo industrial. Él ve la tecnología en ciernes como una herramienta para «volver a la forma en que se supone que operan las fábricas y las cadenas de suministro». Y eso significa lograr «un flujo sin fisuras de las materias primas a la estantería».

Por supuesto, la eliminación de residuos en la fábrica y más allá ha sido una obsesión de los ejecutivos de la cadena de suministro durante décadas. El famoso Toyota Production System,que identifica siete formas de muda,la palabra japonesa para los residuos, remonta sus orígenes a finales de la década de 1940. Más recientemente, las teorías Lean y just-in-time (JIT) para suplir piezas a las fábricas y los productos terminados a los almacenes eliminaron lo que los gerentes consideraban un exceso de inventario. (Tanto es así, desafortunadamente, que muchos minoristas se quedaron sin suficiente producto para satisfacer la creciente demanda de bienes de consumo durante la pandemia de COVID-19. La cadena de suministro «magra» de una persona es el desabastecimiento de otra persona).

Uno tiene que preguntarse si las teorías anteriores para lavar los residuos fuera del sistema han producido más libros y documentos académicos que resultados reales en la fábrica. Según Pratt, el Banco Mundial estima que los desechos industriales mundiales hoy en día son 18 veces más grandes que los desechos sólidos municipales, «las cosas que llamamos basura».

Para ser justos, Lean, JIT, la metodología Six Sigma, la Teoría de Restricciones y otras herramientas de planificación avanzada han dejado su huella en las prácticas de gestión en la fábrica y más allá. Los residuos de producción se han reducido drásticamente, pero sigue siendo un problema de 2 billones de dólares en la actualidad. (Pratt desglosa ese número a continuación.) «No hay ni de lejos un estado perfecto de flujo», dice. «Muchas cadenas de suministro tienen reglas de negocios fijas, pero pregúntele a cualquier planificador de inventario, y le dirán que lo único que saben es que esas reglas están equivocadas».

Junto con la IA viene con un nuevo enfoque para el control de residuos. La diferencia, dice Pratt, es el uso de algoritmos complejos para predecir cuándo el exceso de piezas, productos y prácticas amenazan con obstruir las obras. Tales alertas permiten a los seres humanos tomar medidas para evitar el problema antes de que afecte el flujo de producto.

El uso de la IA específicamente para atacar los residuos de producción tiene menos de una década de antigüedad, dice Pratt, pero ya ha demostrado ser «increíblemente efectivo». Las aplicaciones de fabricación anteriores, incluida la planificación de las necesidades de materiales (MRP) y la planificación de los recursos empresariales (ERP), se vieron obstaculizadas por la lentitud de las computadoras y los costosos datos.

«La pesadilla de la existencia de esas tecnologías es que asumieron promedios para el rendimiento de producción y los tiempos de entrega», explica Pratt. «Eso es como hablar del tamaño promedio de un zapato de una persona en el planeta. La diferencia entre el promedio y la realidad es aproximadamente la mitad de los residuos en todo el mundo».

Las siete formas de muda de Toyota, identificadas por el ingeniero industrial japonés Taiichi Ohno,son el transporte, el inventario, el movimiento, la espera, la sobreproducción, el sobreprocesamiento y los defectos. Con la IA en la imagen, Pratt extiende el concepto más allá de la fábrica para delinear lo que él ve como las cuatro áreas más grandes de residuos en la cadena de suministro hoy en día:

  • Productos defectuosos. Un artículo defectuoso que lo hace todo el camino a través del proceso de producción tiene que ser desechada. El costo para los fabricantes, dice Pratt, es de alrededor de $ 861 mil millones al año.
  • Averías de fábrica. El tiempo de inactividad no planificado es «un problema gigante», que cuesta $ 689 mil millones al año.
  • Errores en la distribución. La fábrica resulta un producto impecable, que se detiene en la etapa de distribución porque los sistemas de TI actuales no pueden cumplir con los objetivos de entrega en tiempo, lugar y cantidad. El costo del exceso de inventario: alrededor de $ 446 mil millones al año.
  • Empty shelves. The absence of something might not seem like a form of waste. But retailers’ fear of stockouts when customers want to buy — which happens about 9% of the time — causes them to flood the supply chain with inventory. As a result, Pratt says, “they produce more than they have to.”

For the first time, ever-growing computing capability makes it possible to attack all four of those areas effectively. The average computer used for such calculations today is 2,000 times faster than the world’s fastest supercomputer in the year 2000, Pratt notes.

El papel de la IA se está moviendo rápidamente de la analítica descriptiva a la analítica prescriptiva. Un sistema impulsado por la IA hoy en día puede buscar anomalías, alertar a los administradores de su inminencia, predecir las consecuencias de tales eventos y recomendar acciones correctivas. Además, dice Pratt, «te dice cómo ajustar tu fábrica para que no produzcas productos defectuosos».

Nada de esto significa que la gente esté completamente fuera de la escena. Pratt ve el sistema ideal como uno que combina el poder de computación de fuerza bruta de la IA con la creatividad y las ideas del cerebro humano. Y en cualquier medida, la IA todavía tiene un largo camino por recorrer antes de cumplir su promesa en entornos de fabricación, por no hablar del mundo en general.

Al igual que con cualquier tecnología de vanguardia, la aceptación de la IA será gradual. Pero Pratt cree que su madurez está siendo acelerada por las demandas de grandes minoristas como Walmart por un desempeño impecable por parte de los proveedores. Su capacidad para cumplir con tales criterios «podría ser la diferencia entre la existencia y el perecer», dice.

Fuente: www.supplychainbrain.com – http://ow.ly/U5pv30rKmin

Que tan útil le pareció esta nota?

Clickee y vote

Puntaje promedio 2 / 5. Recuento de votos 12

No hay votos, sea el primero!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *