Proyecto AI4INVENTORY aplica inteligencia artificial para la gestión de inventarios y aprovisionamiento

Las cadenas de suministro de las empresas están sometidas a eventos inesperados que son inevitables en el contexto de volatilidad del mercado actual. Se hace preciso utilizar soluciones tecnológicas que permitan, por un lado, dar visibilidad sobre la demanda futura para poder ajustar los planes de aprovisionamiento convenientemente, y por otro, que permitan anticipar y mitigar la incertidumbre existente para garantizar la satisfacción de la demanda de los clientes.

Además, los procesos de compra son complejos por su variabilidad y dispersión. La gestión de la compra de miles de referencias, de diferente naturaleza y valor, y de proveedores ubicados geográficamente a lo largo y ancho del globo constituye un desafío, puesto que deriva en unos plazos de compra sometidos a una gran variabilidad e incertidumbre.

La planificación del aprovisionamiento permite alinear el suministro con la demanda, gestionando la incertidumbre inevitable que existe tanto en los pedidos de los clientes como en la entrega de los proveedores. Una adecuada planificación del aprovisionamiento ofrece como resultado unos pedidos adaptados a la demanda futura y a las características del suministro del proveedor, obteniendo niveles de servicio superiores, menos costes de inventario y distribución y clientes más satisfechos.

El proyecto AI4Inventory tiene como objetivo utilizar técnicas del área de Inteligencia Artificial y Machine Learning a través de una plataforma de análisis automatizada, que permite optimizar los procesos de previsión de la demanda, gestión de inventarios y aprovisionamiento de una forma integrada, con el objetivo de amortiguar la incertidumbre y de estar preparados para anticiparnos y adaptar los modelos de suministro de forma ágil.

¿Cómo se consiguen mejorar estos procesos? Es posible mejorarlo mediante un adecuado modelado de la incertidumbre de la demanda y del aprovisionamiento para cada producto, y mediante la aplicación de tecnologías de previsión de la demanda y de optimización sobre el conjunto de productos. Una optimización del inventario basada en el procesado automático de miles de referencias permite equilibrar los objetivos de inversión en capital y de nivel de servicio, mejorando de este modo la rentabilidad de la empresa.

Uno de los objetivos del proyecto es el desarrollo de diversos pilotos que permitan valorar las capacidades predictivas de la Inteligencia Artificial en diferentes casos relacionados con la planificación del aprovisionamiento y la gestión de inventarios.  Sobre este planteamiento, se ha trabajado en cinco casos de uso provenientes de empresas pymes del sector de la construcción de maquinaria agrícola y del sector aeroespacial de Aragón pertenecientes a los clústeres CAMPAG y AERA. Estas empresas, entre las que están BMC Agrícola, Hine Zaragoza, INMASA, MAYA y SIJALON, han sido seleccionadas tratando de cubrir diferentes casuísticas que puedan poner de manifiesto las ventajas de las tecnologías y planteamientos propuestos a lo largo de la cadena logística interna de las empresas.

Con este proyecto, y con el ánimo de acelerar su inmersión y adaptación a los preceptos de la Industria 4.0, se ha facilitado que las empresas participantes comiencen a incorporar tecnologías de Inteligencia Artificial y Machine Learning que les ayuden a tomar las mejores decisiones de compra.

Desarrollar un sistema de planificación del aprovisionamiento adaptado a las particularidades de cada empresa con ayuda de tecnologías de Inteligencia Artificial les ha permitido asegurar la disponibilidad de stock para sus clientes al mismo tiempo que se minimiza el coste de mantenimiento de inventario.

Otros beneficios obtenidos gracias a este sistema son las siguientes:

– Aumentar la visibilidad sobre la cadena de suministro realizando estimaciones de demanda para poder anticiparse a las complejidades y tomar mejores decisiones

– Dimensionar el inventario de cada referencia en el almacén para garantizar el nivel de servicio requerido al mínimo coste.

– Proporcionar una planificación de los pedidos diarios con un horizonte temporal de un año, que se actualiza diariamente en horizonte rodante.

– Reducir el tiempo del ciclo de planificación mediante la automatización del proceso, en un marco de gestión por excepción.

– Sistematizar el proceso de planificación del aprovisionamiento por medio de un proceso único de previsión de la demanda, dimensionamiento del inventario y planificación de pedidos.

– Mejorar el servicio ofrecido al cliente gracias a una mayor visibilidad sobre la evolución del stock y los plazos de proveedor de cada producto.

Por estas cuestiones citadas, y el ánimo de acelerar su inmersión y adaptación a los preceptos de la Industria 4.0, es estratégico que los fabricantes de maquinaria de construcción comiencen a incorporar tecnologías de Inteligencia Artificial y Machine Learning que le ayuden a tomar las decisiones de compra en lo relacionado a la selección de los mejores proveedores.

El proyecto tiene por objetivo introducir técnicas innovadoras en el área de Inteligencia Artificial y Machine Learning para la optimización de los procesos de previsión de la demanda, gestión de inventarios y aprovisionamiento de una forma integrada, con el objetivo de amortiguar la incertidumbre, anticipar problemas en este campo y adaptar los modelos de suministro de forma ágil.

En el proyecto participan 5 empresas pymes que presentan diferentes problemáticas en este campo y que permitirán validar la utilidad de estas tecnologías en diferentes casos de aplicación y con objetivos diferentes dentro de la temática general de previsión de la demanda, gestión de inventarios y aprovisionamiento.
Las pymes participantes son principalmente fabricantes de maquinaria y proveedores de componentes considerando que estas empresas se enfrentan a problemáticas importantes en estos aspectos, especialmente en los momentos actuales de gran incertidumbre en la cadena de suministro y por la necesidad de combinar modelos de producción bajo pedido con modelos de aprovisionamiento contra inventario para producción y repuestos.

Esta problemática se da en diferentes sectores con particularidades específicas en cada uno de ellos. De ahí la conveniencia de integrar en el proyecto empresas de dos AEIs diferentes como son CAMPAG y AERA.

Con el planteamiento realizado se persigue a nivel de las AEI participantes y sus sectores:

• Introducir tecnologías avanzadas en el campo de la gestión de demanda, inventarios y aprovisionamiento, procesos que tradicionalmente se han desarrollado de manera ‘manual’ y no sistematizada, aumentando por tanto el grado de digitalización y modernización de las empresas.
• Dar un salto de eficiencia importante en estos procesos que podrá servir como modelo para que otras empresas de las AEIs participantes se planteen avanzar por el mismo camino.
• Fomentar la colaboración con centros tecnológicos y romper las barreras y reticencias de acceso a tecnologías como la inteligencia artificial y el machine learning que muchas veces se consideran fuera del alcance y entendimiento por las pymes.
• Fomentar la colaboración entre las empresas participantes de manera que puedan tomar referentes de buenas prácticas en lo que se refiere a estos procesos.
  Objetivos tecnológicos

A nivel tecnológico se plantean los siguientes objetivos:

• Evaluar diferentes métodos para los análisis de demanda y previsiones de manera que puedan Identificarse aquellos que mejor se adapten a las problemáticas específicas de los sectores abordados y a las particularidades de sus modelos de producción y gestión.
• Evaluar nuevos métodos multivariantes y métodos especializados en baja rotación y demanda intermitente.
• Evaluar diversas funciones de incertidumbre y modelos de inventario long tail que pueden darse en estos casos.

ENTIDADES PARTICIPANTES:

INDUSTRIAS MANRIQUE SA
MAQUINARIA AGRICOLA Y ACCESORIOS SL
HINE ZARAGOZA SL
SIJALON SL
BMC MAQUINARIA AGRICOLA SL
ASOCIACION AERONAUTICA ARAGONESA
CLUSTER DE LA MAQUINARIA AGRICOLA DE ARAGON
INSTITUTO TECNOLÓGICO DE ARAGÓN

EN PRENSA:

HERALDO