AI4INVENTORY

TITULO PROYECTO:

AI4INVENTORY

DATOS GENERALES:

Programa: ayudas de apoyo a Agrupaciones Empresariales Innovadoras con objeto de mejorar la competitividad de las pequeñas y medianas empresas y se procede a la convocatoria correspondiente al año 2022, en el marco del Plan de Recuperación, Transformación y Resiliencia
Referencia: AEI-010500-2022b-234
Fecha RESOLUCION: 23/11/2022
Fecha de ejecución: 30/06/2022-29/04/2023

PRESENTACIÓN Y OBJETIVOS:

Hoy, vivimos tiempos complejos para la industria y en particular para los fabricantes de maquinaria y de componentes que cada vez más dependen de unas cadenas de aprovisionamiento globales y complejas. La incertidumbre parece que ha llegado para quedarse una buena temporada y la crisis actual, provocada inicialmente por la pandemia global y acentuada por la guerra de Ucrania, ha provocado una situación de tensión hasta el límite en muchos sectores.
Cada mañana las empresas industriales se enfrentan a la incertidumbre del impacto que este contexto de crisis tendrá en el transporte, en los aprovisionamientos, en los costes de materiales y en los procesos productivos en general. Las empresas están replanificando continuamente, adecuando sus ritmos de producción a la situación diaria y dimensionando, en la medida de lo posible, sus capacidades de producción y stocks a los ritmos de la demanda y a la disponibilidad de sus materiales primas.
Con esto, y en un planteamiento de globalidad como el que tenemos, la competencia entre empresas no se da tanto por sus productos, sino por su capacidad de resiliencia, de dar respuesta a la volatilidad de la demanda y de adaptar sus cadenas de suministro. Aquella empresa que tenga la cadena de suministro más eficiente estará en mejores condiciones de competir porque podrá minimizar los costes totales, sin que ello repercuta en una merma de los niveles de servicio exigidos por los clientes.
Pero, en la situación actual, la necesidad de realizar una apropiada planificación del inventario y de los aprovisionamientos se ha acentuado aún más, si cabe. Dados los problemas de transporte, la escasez de crédito, la subida de los costes, o la necesidad de no parar los procesos productivos, las empresas necesitan reducir su inversión en capital circulante y optimizar su stock de una forma más rentable, con un mix más apropiado de productos y materiales primas en el almacén, de acuerdo a la estrategia de stock-servicio seleccionada por la empresa. Hay que tener en cuenta que el proceso de compras en empresas fabricantes de maquinaria no es sencillo ya que confluyen muchos criterios a la hora de elegir uno u otro proveedor. Además, las compras tienen un gran impacto en su cuenta de resultados. De hecho, en muchas empresas del sector, las compras superan el 50% de los gastos en la cuenta de pérdidas y ganancias
¿Cómo se consigue 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.
Y esto es lo que persigue este proyecto, apostar por las técnicas más innovadoras en el 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. Desarrollar un buen sistema de planificación del aprovisionamiento adaptado a las particularidades de la empresa permite asegurar la disponibilidad de stock para los clientes al mismo tiempo que se minimiza el coste de mantenimiento de inventario.

Otras derivadas beneficiosas de este tipo de sistemas 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 mes y con una frecuencia de actualización diaria.
• 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.
• Determinar el nivel de servicio objetivo para cada componente en stock de tal forma que se pueda maximizar el nivel de servicio del producto final con un límite determinado de inversión en stock.

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

PRESUPUESTO:

PRESUPUESTO TOTALPROYECTO: 199.692 €
PRESUPUESTO TOTAL ITAINNOVA: 147.432 €

FINANCIACIÓN:

FINANCIACION TOTAL PROYECTO: 82.110 €
FINANCIACION TOTAL ITANNOVA: 53.371 €
Este proyecto está financiado por el Ministerio de Industria, Comercio y Turismo del Gobierno de España, bajo el programa de apoyo a agrupaciones empresariales innovadoras y por la Union Europea “Next GeneratinEU”PRTR, siendo Referencia del proyecto AEI-010500-2022b-234.