¬°Hub de contenido!
Acceso a contenido educativo gratis.

Cómo domar una cadena de suministro impredecible

El suministro se está interrumpiendo para fabricantes de alimentos y bebidas en todo el mundo. Las filosofías cambiantes, combinadas con variedad de tecnologías digitales, podrían ayudar a que las operaciones sean más predecibles y resistentes.

Obtener la gestión y la planificación correctas de la cadena de suministro es uno de los amortiguadores más efectivos que cualquier procesador de alimentos y bebidas puede tener, protegiéndolos de las fluctuaciones en la disponibilidad y la demanda.
Obtener la gestión y la planificación correctas de la cadena de suministro es uno de los amortiguadores más efectivos que cualquier procesador de alimentos y bebidas puede tener, protegiéndolos de las fluctuaciones en la disponibilidad y la demanda.
Foto cortesía DelmiaWorks

Por Hank Hogan, editor colaborador de Automation World

Los cisnes negros, llamados as√≠ porque son eventos raros, a menudo con graves consecuencias, se han vuelto cada vez m√°s comunes. Una pandemia global y una guerra terrestre europea no son eventos comunes, pero ambos han interrumpido las cadenas de suministro y alterado la demanda en los √ļltimos dos a√Īos, afectando en gran medida la forma en que los fabricantes de alimentos y bebidas administran los suministros entrantes y salientes.

Otros dos eventos cisne negro que impactaron en la industria de alimentos y bebidas han sido las guerras comerciales que involucraron aranceles que enredaron las cadenas de suministro, as√≠ como el ambiente catastr√≥fico relacionado con el cambio clim√°tico, se√Īala Ara Surenian, vicepresidente de gesti√≥n de productos de Plex, una empresa de fabricaci√≥n inteligente. ‚ÄúNunca hab√≠a visto algo as√≠‚ÄĚ, dice.

Los efectos se est√°n sintiendo fuertemente a lo largo de la cadena de suministro de alimentos y bebidas. Los consumidores no solo ven los estantes vac√≠os en la tienda de comestibles, sino que los retrasos en el procesamiento o el transporte, combinados con una vida √ļtil limitada, pueden provocar el deterioro y el desperdicio. En el otro lado de la ecuaci√≥n, los problemas con la cadena de suministro pueden dificultar la obtenci√≥n de nuevos equipos o piezas de repuesto para el procesamiento: congeladores y refrigeradores, batidoras y licuadoras, transportadores y otras m√°quinas.

Obtener la gestión y la planificación correctas de la cadena de suministro es uno de los amortiguadores más efectivos que cualquier procesador de alimentos y bebidas puede tener, protegiéndolos de las fluctuaciones en la disponibilidad y la demanda.Obtener la gestión y la planificación correctas de la cadena de suministro es uno de los amortiguadores más efectivos que cualquier procesador de alimentos y bebidas puede tener, protegiéndolos de las fluctuaciones en la disponibilidad y la demanda.Foto cortesía DelmiaWorks

‚ÄúPosiblemente, tanto los productos en s√≠ como la infraestructura que conforma la funci√≥n de la cadena de suministro est√°n en riesgo‚ÄĚ, dice Mahesh Veerina, director ejecutivo y presidente de ParkourSC, una empresa especializada en software de inteligencia de la cadena de suministro.

Hay una variedad de tecnolog√≠as disponibles que pueden ayudar a los fabricantes a superar estos problemas de la cadena de suministro y mitigar sus efectos. La inteligencia artificial (IA), el aprendizaje autom√°tico, los gemelos digitales, la nube, las tecnolog√≠as de Internet de las cosas (IoT), el seguimiento y localizaci√≥n y otros tipos de software pueden desempe√Īar un papel. Sin embargo, para ser m√°s beneficiosas, estas tecnolog√≠as requieren una mejor colaboraci√≥n entre todos los actores a lo largo de la cadena.

La estrategia predictiva de Kraft Heinz

En el pasado, los alimentos y bebidas sol√≠an ser fiables y la demanda previsible. Hacer predicciones sobre el futuro era relativamente simple √ļnicamente examinando lo que hab√≠a sucedido en el pasado. No hab√≠a necesidad de tecnolog√≠as avanzadas para ayudarles a las empresas a eliminar las ineficiencias de la cadena de suministro.

Ya menos resistente por un clima cambiante y eventos clim√°ticos impredecibles, la cadena de suministro realmente se vio afectada por la pandemia de COVID-19. Lo que hab√≠a sucedido en el pasado se volvi√≥ menos √ļtil al tratar de mirar hacia el futuro.

Ahora se están realizando esfuerzos para utilizar tecnologías que ayuden a detectar patrones en los datos, patrones que los humanos no reconocen tan fácilmente. Kraft Heinz, por ejemplo, está invirtiendo mucho en un enfoque más digitalizado para crear una estrategia más predictiva y un modelo de respuesta rápida. Su ambicioso enfoque Agile@Scale crea un ciclo de mejora continua en parte al asociarse con gigantes tecnológicos.

En uno de sus √ļltimos movimientos, Kraft Heinz se asoci√≥ con Microsoft para ayudar a mejorar la resiliencia de su cadena de suministro al migrar la mayor√≠a de los activos de su centro de datos a la plataforma en la nube de Microsoft Azure. Esto proporcionar√° an√°lisis predictivos en tiempo real para mejorar la transparencia del inventario y anticipar la demanda del consumidor y del canal.

‚ÄúNuestra colaboraci√≥n con Microsoft es una pieza fundamental de nuestra estrategia de transformaci√≥n, ya que nos brinda el aprendizaje autom√°tico y el an√°lisis avanzado para impulsar la innovaci√≥n y la eficiencia en toda la cadena de suministro para que podamos lanzar productos al mercado m√°s r√°pido, servir mejor a nuestros clientes y, en √ļltima instancia, cumplir con la demanda sostenida y creciente de los consumidores que nuestras marcas ic√≥nicas contin√ļan experimentando‚ÄĚ, dijo Carlos Abrams-Rivera, vicepresidente ejecutivo y presidente para Am√©rica del Norte de Kraft Heinz, en un comunicado.

Una pieza central de la colaboración es la Torre de control de la cadena de suministro de Kraft Heinz. Impulsado por las capacidades de análisis de datos, IA e IoT de Azure, proporcionará visibilidad en tiempo real de las operaciones de la planta y la automatización de la distribución de su cadena de suministro en las 85 categorías de productos de la empresa.

‚ÄúLos √ļltimos dos a√Īos han resaltado la necesidad urgente de soluciones de cadena de suministro que prioricen lo digital en todas las industrias‚ÄĚ, dice Judson Althoff, vicepresidente ejecutivo y director comercial de Microsoft.

Cuantos m√°s datos mejor

Varios proveedores de tecnolog√≠a est√°n abordando el entorno cambiante de la cadena de suministro de manera similar. ‚ÄúEn general, Infor se est√° volcando m√°s hacia la inteligencia artificial y el aprendizaje autom√°tico‚ÄĚ, dice Valerie Tardif, vicepresidenta de gesti√≥n de productos para el grupo de cadena de suministro de Infor, que proporciona software de planificaci√≥n de recursos empresariales (ERP).

Cuanto mayor sea la visibilidad de la cadena de suministro que logren los procesadores de alimentos y bebidas, más eficiente será la manufactura de productos de mayor calidad.Cuanto mayor sea la visibilidad de la cadena de suministro que logren los procesadores de alimentos y bebidas, más eficiente será la manufactura de productos de mayor calidad.Foto cortesía de DelmiaWorksLa tecnología de aprendizaje automático toma datos (cuantos más, mejor) para deducir un resultado. Después de construir un modelo, el sistema lo ejecuta para clasificar los elementos. O un sistema más complejo podría anticipar los problemas de la cadena de suministro al monitorear los precios y los plazos de entrega de varios ingredientes. Un sistema de aprendizaje automático que examine los datos podría descubrir dichos vínculos entre los parámetros medidos y el rendimiento de la cadena de suministro, lo que permitiría predecir tendencias futuras y detectar problemas futuros.

Sin embargo, la entrada para el aprendizaje autom√°tico se ha basado tradicionalmente en datos anteriores, lo que dificulta el manejo de los eventos cisne negro que han prevalecido en los √ļltimos a√Īos. Una forma en que Infor maneja mejor las interrupciones raras e inusuales es detectar tendencias con m√°s que los propios datos internos del cliente.

El procesamiento de alimentos y bebidas requiere muchos insumos (todas las materias primas, por ejemplo) que pueden provenir de muchos proveedores diferentes. Cada material tiene su propia vida √ļtil y cada proveedor puede estar usando un m√©todo de transporte diferente para llevar ese material a un procesador. La cadena de suministro es compleja y est√° influenciada por numerosos factores, algunos muy alejados de lo que es evidente utilizando la informaci√≥n interna propia de una l√≠nea de proceso.

Para reflejar mejor esta realidad, Infor trae se√Īales de mercado, como los precios del petr√≥leo, que afectan la demanda. Otros factores que se introducen en el sistema de aprendizaje autom√°tico son se√Īales como patrones clim√°ticos junto con interrupciones geogr√°ficas o pol√≠ticas. ‚ÄúAhora tenemos un modelo que incorpora todo eso y predice con mucha m√°s precisi√≥n en funci√≥n de esas se√Īales, lo que reduce el peso de los datos anteriores‚ÄĚ, dice Tardif.

Obtener los datos correctos

El aprendizaje autom√°tico requiere la mayor cantidad de datos posible durante la fase de entrenamiento. Tratar con cantidades masivas de datos y buscar patrones en ellos significa que el sistema necesita grandes cantidades de recursos inform√°ticos durante este tiempo. Sin embargo, una vez construido, un modelo generalmente requiere mucho menos poder de c√≥mputo para escanear los datos entrantes en busca de una se√Īal reveladora. La tecnolog√≠a de la nube permite una f√°cil expansi√≥n o contracci√≥n de los recursos inform√°ticos y de almacenamiento.

Es importante que los datos utilizados para construir el modelo estén limpios, advierte Surenian de Plex. Siempre habrá algo de ruido y error, aunque la automatización de la entrada de datos y la reducción del mantenimiento manual de registros eliminarán algo de eso. Los sistemas de aprendizaje automático en realidad pueden limpiar los datos de entrada, mejorando así el rendimiento de la predicción, agrega.

Probar el sistema en eventos fuera de los datos de entrenamiento puede ayudar a validarlo, se√Īala Surenian. Por lo tanto, los usuarios pueden ejecutar el modelo con datos anteriores y ver qu√© tan bien predice el historial conocido. Alimentar un modelo con m√°s datos lo refina a√ļn m√°s, y este ciclo de mejora puede repetirse una y otra vez.

Ning√ļn modelo es perfecto, por lo que un enfoque basado en el aprendizaje autom√°tico podr√≠a ser solo marginalmente mejor en las predicciones en comparaci√≥n con lo que logra otro enfoque, como el uso de datos hist√≥ricos. Sin embargo, un peque√Īo aumento en la precisi√≥n podr√≠a valer la pena.

‚ÄúIncluso una mejora del 1% en la precisi√≥n al proyectar lo que puede suceder tiene un efecto cascada en la eficiencia, la productividad, el margen bruto, etc.‚ÄĚ, dice Surenian, y agrega que esto puede ser particularmente beneficioso en la industria de alimentos y bebidas porque los m√°rgenes de ganancia tienden ser apretado

Al igual que la cosa real

Los gemelos digitales llevan los datos, la IA y el aprendizaje autom√°tico a otro nivel. Al aprovechar la tecnolog√≠a en la nube, estas r√©plicas digitales de los sistemas del mundo real pueden permitir la digitalizaci√≥n de toda la cadena de suministro de extremo a extremo, monitore√°ndola en m√ļltiples niveles, se√Īala Veerina de ParkourSC. La incorporaci√≥n de inteligencia en los gemelos digitales genera transparencia y permite la colaboraci√≥n.

‚ÄúCualquier variaci√≥n o interrupci√≥n de los planes se puede identificar y marcar r√°pidamente‚ÄĚ, dice. ‚ÄúMejor a√ļn, el uso de gemelos digitales para modelar escenarios en los que pueden ocurrir interrupciones permite a las organizaciones prepararse para ellas de manera proactiva‚ÄĚ.

La asociación que Kraft Heinz anunció con Microsoft también incluye un plan para gemelos digitales.

La tecnología puede ayudar a los procesadores a lidiar con las interrupciones de la cadena de suministro mediante la aplicación del aprendizaje automático, el uso de gemelos digitales y otras tecnologías innovadoras.La tecnología puede ayudar a los procesadores a lidiar con las interrupciones de la cadena de suministro mediante la aplicación del aprendizaje automático, el uso de gemelos digitales y otras tecnologías innovadoras.Foto cortesía ParkourSC

El procesador de alimentos está creando gemelos digitales para sus 34 instalaciones de fabricación propias en América del Norte para ayudar a probar y perfeccionar soluciones antes de aplicarlas en la planta.

Impulsada por Azure Digital Twins, la tecnología ayudará a predecir los resultados que identifican la capacidad óptima del producto y reducen las interrupciones mecánicas al abordar los problemas de manera proactiva antes de que ocurran.

Asimismo, los gemelos digitales podr√≠an usarse para explorar qu√© podr√≠a pasar si hubiera nuevos bloqueos en todo el mundo debido al COVID-19, grandes inundaciones o incendios en los Estados Unidos. Causados ‚Äč‚Äčpor el cambio clim√°tico, interrupciones en el suministro de materias primas como el trigo o el girasol. Petr√≥leo por la guerra de Ucrania con Rusia, o por cualquier otro escenario que se presente. Esta prueba de estr√©s virtual de la cadena de suministro puede se√Īalar debilidades y sugerir acciones para abordarlas antes, durante y despu√©s de un evento.

Los gemelos digitales, como cualquier simulaci√≥n del mundo real, son m√°s √ļtiles cuanto m√°s se acercan en t√©rminos de comportamiento a la cosa real. Al proporcionar un amplio almacenamiento y poder de c√≥mputo de manera rentable, la tecnolog√≠a de nube permite gemelos digitales m√°s detallados, haci√©ndolos mejores para imitar a sus contrapartes f√≠sicas.

IoT, otra tecnolog√≠a que llama la atenci√≥n, desempe√Īa un papel en la resoluci√≥n de problemas de la cadena de suministro porque los sensores de IoT recopilan y comunican datos, y esta informaci√≥n es fundamental para generar una evaluaci√≥n completa y precisa de la fabricaci√≥n y distribuci√≥n de productos. Tanto el aprendizaje autom√°tico como los gemelos digitales se benefician de estos datos.

Todos los an√°lisis de la cadena de suministro parten de los mismos datos b√°sicos, se√Īala Surenian. ‚ÄúTodo lo que estamos hablando comienza con el sistema de transacciones de una empresa‚ÄĚ, dice.

La información de este sistema hace posibles investigaciones tales como mirar la lista de materiales de un producto y descubrir la contribución de cada ingrediente o componente a los ingresos generados por ese producto. Armadas con este conocimiento, las empresas pueden observar el abastecimiento de esos insumos y determinar qué insumos parecen estar en buena forma y cuáles parecen inestables, evaluando de esta manera la salud de la cadena de suministro. Tal análisis podría cambiar por completo la forma en que una empresa reduce el riesgo, dice Surenian, porque podría mostrar que lo que parece un componente poco importante y económico en realidad podría ser crítico.

La colaboración es esencial

Las tecnologías también pueden ayudar a que las cadenas de suministro se vuelvan resistentes al combinar una variedad de funciones para mejorar la visibilidad de los datos. El software de DelmiaWorks, por ejemplo, integra ERP con la funcionalidad del sistema de ejecución de fabricación (MES), lo que brinda visibilidad de extremo a extremo en toda la cadena de suministro, dice Louis Columbus, gerente senior de marketing de la industria de DelmiaWorks.

Pero la tecnolog√≠a por s√≠ sola no es suficiente. ‚ÄúLas empresas de alimentos y bebidas tambi√©n deben crear asociaciones de colaboraci√≥n m√°s s√≥lidas con los proveedores y ser transparentes con ellos para crear m√°s confianza‚ÄĚ, dice. ‚ÄúEl objetivo debe ser compartir la propiedad de los desaf√≠os actuales con sus proveedores para que puedan actuar como un equipo, reduciendo el riesgo en el proceso‚ÄĚ.

Lograr ese tipo de cooperaci√≥n estrecha puede ser un desaf√≠o. La fabricaci√≥n basada en stock podr√≠a implicar un inventario destinado a muchas partes, y el procesamiento se lleva a cabo en muchos sitios diferentes, se√Īala Tardif de Infor. Esta combinaci√≥n de diferentes cadenas de suministro significa que parte de ese inventario podr√≠a ir a los procesadores de alimentos que son competidores.

Naturalmente, entonces, los procesadores intermedios podr√≠an ser reacios, o incluso tener prohibido por contrato, revelar muchos detalles. Pero incluso si la informaci√≥n disponible es solo n√ļmeros de env√≠o junto con cifras generales de producci√≥n y materias primas compradas, compartir podr√≠a ser beneficioso, seg√ļn Tardif. ‚ÄúAyuda‚ÄĚ, dice, y agrega que el intercambio de informaci√≥n relacionado con las cadenas de suministro funciona mejor cuando se trata de una transacci√≥n bidireccional. Es un quid pro quo‚ÄĚ.

La visibilidad limitada de la cadena de suministro conduce a problemas tales como fuentes aparentemente separadas que en realidad dependen de un solo proveedor, con este √ļnico punto de falla quiz√°s a varios pasos del propietario de la marca de alimentos. Un ejemplo es lo que sucedi√≥ recientemente con el aceite de cocina, con el precio del aceite de oliva, girasol y otros aceites duplic√°ndose o triplic√°ndose, si es que est√°n disponibles. Esto sucede en todos los aceites de cocina a medida que los fabricantes comienzan a sustituir otros aceites en sus productos. Los problemas resultantes afectan los alimentos, la higiene y los productos de cuidado personal que usan estos aceites.

El software de seguimiento y localizaci√≥n puede encontrar esos puntos de falla ocultos al examinar el movimiento de ingredientes, materiales, ensamblajes y componentes a trav√©s de una cadena de suministro, dice Columbus. Por lo general, este enfoque implica capturar todos los eventos, incluidos todos los puntos de transici√≥n en la cadena de suministro. En el procesamiento de alimentos y bebidas, el seguimiento y localizaci√≥n brinda la ventaja adicional de desempe√Īar un papel en detener el uso de ingredientes falsificados.

Sin embargo, llegar a este nivel de informaci√≥n es dif√≠cil y requiere mucho tiempo. Las organizaciones m√°s peque√Īas pueden carecer de influencia en el mercado para presionar a los proveedores a revelar informaci√≥n o pueden no tener el personal para hacer uso de la informaci√≥n de la transacci√≥n si se obtiene. ‚ÄúLas redes de la cadena de suministro son complejas y muy pocas organizaciones pueden rastrear su cadena de suministro m√°s all√° de los proveedores de nivel 1‚ÄĚ, dice Columbus.

Para aumentar la resiliencia de la cadena de suministro, aboga por seguir una estrategia de m√ļltiples fuentes, con interdependencias de mapeo tecnol√≥gico de la cadena de suministro. Las fuentes secundarias podr√≠an ser dom√©sticas o al menos cercanas a la costa como una forma de mejorar la visibilidad, el tiempo de respuesta y el control. Las tecnolog√≠as de seguimiento y localizaci√≥n pueden ayudar a evaluar la compensaci√≥n entre comprar a un proveedor cercano versus a un proveedor remoto.

Adem√°s de las innovaciones tecnol√≥gicas, Tardif apunta a un cambio que se est√° produciendo de una filosof√≠a ‚Äújusto a tiempo‚ÄĚ a una filosof√≠a ‚Äúpor si acaso‚ÄĚ, una observaci√≥n que se hace eco de otros en la industria. Tal cambio implica un cambio en los objetivos corporativos, lo que requiere modificaciones tales como permitir que aumenten los niveles de inventario. Sin embargo, este ajuste a las pr√°cticas anteriores tambi√©n deber√≠a alinearse con otros objetivos, como cumplir con los objetivos de sostenibilidad, dice Tardif. Una vez que un procesador realiza un cambio de este tipo en un objetivo por si acaso, la tecnolog√≠a puede ayudar a optimizar la cadena de suministro.

Por lo tanto, el aprendizaje autom√°tico, los gemelos digitales, la nube, IoT y el software de seguimiento y localizaci√≥n no son la soluci√≥n total para los desaf√≠os de la cadena de suministro, pero son piezas fundamentales para arreglar la cadena de suministro. ‚ÄúLos sistemas de tecnolog√≠a de la informaci√≥n y la automatizaci√≥n son la base del √©xito‚ÄĚ, afirma Columbus.