Cómo la inteligencia artificial está capturando datos críticos en los depósitos
La inteligencia artificial (IA) aporta resistencia y mejores métricas de rendimiento a la captura de datos del depósito, afirmó Marin Tchakarov, director general de Kindred -compañía de robótica e IA-, a la plataforma digital Supply Chain Brain.
La adopción de la inteligencia artificial apenas ha arañado la superficie, a juicio de Tchakarov. Por lo tanto, hay una gran oportunidad para una mayor implementación de las tecnologías impulsadas por la IA. Y eso es emocionante porque las herramientas de IA pueden ayudar considerablemente en los casos en que persisten los desafíos de la cadena de suministro.
“Saberlo todo -dónde están las cosas en el proceso de la cadena de suministro- es la diferencia entre cumplir los pedidos de los clientes y mantener los compromisos en toda la organización”, sostuvo Tchakarov.
Como consecuencia, el ejecutivo ve un gran interés en la inteligencia artificial, porque las empresas necesitan datos en tiempo real para revelar ineficiencias en áreas tan diversas como la fabricación y el cumplimiento.
Los datos recogidos pueden colocarse inmediatamente en los cuadros de mando para permitir el ajuste de los procesos “sobre la marcha”, en lugar de esperar a que los lotes se publiquen días o semanas después.
DATOS EN TIEMPO REAL
Para Tchakarov, hacer que los datos estén en tiempo real es una de las formas en que la IA puede añadir o reforzar la resistencia en una cadena de suministro. En primer lugar, el aumento de la velocidad de esos datos ayuda al rendimiento, creando un amortiguador. En segundo lugar, los gestores pueden conocer de inmediato la escasez de mano de obra o los altibajos de la misma debido a enfermedades, condiciones meteorológicas o desastres naturales. “La pandemia nos ha dado una lección increíblemente dura en cuanto a la disponibilidad de mano de obra”.
La mejora de las métricas de rendimiento es una de las principales ventajas de la IA, afirmó el director general de Kindred. «Las herramientas y técnicas impulsadas por la IA, especialmente con algoritmos de aprendizaje de refuerzo en entornos de producción, pueden realmente aumentar los sistemas de rendimiento. Los sistemas de inteligencia artificial pueden aprender por sí mismos a ser mejores, más rápidos y más inteligentes a la hora de recopilar datos y realizar tareas a través de esos algoritmos de aprendizaje por refuerzo. Y ese es un aspecto tremendo de un sistema para las métricas de rendimiento críticas que tienen nuestros clientes, como el tiempo de actividad y las tasas de defectos, así como los requisitos de rendimiento» https://bit.ly/3Nxc9ZV
Para #SCMThink: Claudio Lobos Romero
