.

Ms Tech | Getty

Inteligencia Artificial

'Digital twins' con IA para anticipar los fallos de la cadena de suministro

1

La pandemia no ha hecho más que agravar los problemas de suministro que ya existían en el comercio internacional. Ante la imposibilidad de solucionarlos, cada vez más empresas recurren a gemelos digitales alimentados con inteligencia artificial, capaces de predecir contratiempos y diseñar la mejor forma de amortiguarlos

  • por Will Douglas Heaven | traducido por Ana Milutinovic
  • 29 Octubre, 2021

En vista de que las interrupciones de la cadena de suministro de los últimos dos años no muestran signos de solucionarse a corto plazo, las empresas están recurriendo a una nueva generación de simulaciones impulsadas por inteligencia artificial (IA) denominadas gemelos digitales (digital twins) para ayudar a entregar a tiempo productos y servicios a sus clientes. Estas herramientas no solo predicen las interrupciones futuras, también sugieren qué hacer al respecto. Las desesperadas empresas que luchan con el colapso del envío justo a tiempo los utilizan para encontrar un equilibrio crucial entre la eficiencia y la resistencia.

La lista de productos que han resultado difíciles de conseguir en los últimos meses es tan variada como larga: coches, teléfonos, lentillas, productos de limpieza, alimentos frescos, muebles de jardín, libros, el color azul. "No es como cuando todo el mundo se quedó sin papel higiénico en marzo de 2020. Esta vez, los productos que faltan parecen personalizados", destaca el fundador de la empresa Pathmind, Chris Nicholson, que usa la IA para los problemas de logística.

La pandemia de coronavirus (COVID-19) ha afectado muchas de las redes del mundo, desde internet hasta los viajes aéreos internacionales. Pero las cadenas de suministro que atraviesan el planeta (barcos, camiones y trenes que unen fábricas con puertos y almacenes para transportar casi todo lo que compramos a miles de kilómetros, desde donde se fabrica hasta donde se consume) se enfrentan a más dificultades que nunca.

El fundador y CEO de la consultora Avenue7Media, Jason Boyce, que asesora a los principales vendedores de Amazon, afirma: "Es justo decir que, independientemente de lo que se venda, en estos momentos existe un problema. Tenemos conversaciones con clientes todos los días en las que lloran. Llevan meses sin tener stock al completo durante un período de 30 días seguidos". Y afirma que tiene clientes que estarían ganando decenas de millones de euros al año si pudieran mantener sus existencias. 

Los gemelos digitales buscan resolver las roturas en la cadena de suministro anticipándose a ellas antes de que ocurran y luego usando la IA para encontrar una solución. El propio nombre representa la idea clave de simular un sistema complejo en un ordenador, creando una especie de gemelo que refleja los objetos del mundo real, desde los puertos hasta los productos, y los procesos de los que forman parte. Las simulaciones han empezado a influir en la toma de decisiones industriales desde hace algunos años, ayudando a las personas a explorar diferentes diseños de productos o simplificar la distribución de un almacén.

Pero la disponibilidad de grandes cantidades de datos en tiempo real y la potencia informática significa que, por primera vez, se pueden simular algunos procesos más complejos, incluido el caos de las cadenas de suministro globales que, a menudo, dependen de numerosos proveedores y redes de transporte.

Este tipo de tecnología le ha dado un valor adicional durante años a Amazon, que ya tiene la ventaja de gestionar sus propios camiones y almacenes. Actualmente, otras empresas también están adoptando esa tecnología. Google desarrolla gemelos digitales de la cadena de suministro que el fabricante de coches Renault anunció que había empezado a usar este septiembre. Los gigantes del transporte marítimo internacional como FedEx y DHL están creando su propio software de simulación. Las empresas de inteligencia artificial como Pathmind crean herramientas a medida para cualquiera que pueda pagarlas. Sin embargo, no todos se beneficiarán. De hecho, la poderosa nueva tecnología podría ampliar la creciente brecha digital en la economía global.

Capear el temporal

Resulta fácil culpar a la pandemia por los problemas actuales de la cadena de suministro. Los cierres de fábricas y la falta de mano de obra eliminaron los centros de producción y envío, al mismo tiempo que un gran aumento en las compras online y las compulsivas hizo que la demanda de entregas a domicilio se disparara.

Pero, en realidad, la pandemia solo empeoró una situación que ya iba mal. "Hay fuerzas globales que impulsan esto, todas combinadas en una tormenta perfecta", señala la economista del University College London (Reino Unido) D'Maris Coffman que estudia el efecto de la pandemia en la cadena de suministro.

Acabar con esta tormenta requerirá invertir billones de euros en infraestructura global, expandir los puertos y las flotas de entrega e invertir en una mejor gestión, mejores condiciones de trabajo y mejores acuerdos comerciales. "La tecnología no va a resolver estos problemas. No hará que los barcos lleven más contenedores", indica el director del Data Science Lab (laboratorio de ciencia de datos) del Instituto de Tecnología de Massachusetts, David Simchi-Levi, quien ha ayudado a construir gemelos digitales para varias empresas grandes. Pero la IA puede ayudar a las empresas a sobrellevar la peor parte. "Los gemelos digitales permiten identificar los problemas antes de que sucedan", añade.

Según el director general del equipo de Cadena de Suministro y Logística de Google, Hans Thalbauer, el mayor problema al que se enfrentan las empresas es la incapacidad de pronosticar los acontecimientos en la cadena. Y afirma. "No importa con qué empresa hable. Todos los actores del mundo de la cadena de suministro le dirán que no tienen la visibilidad que necesitan para tomar decisiones"

Esa visibilidad de la cadena de suministro permite a Amazon, por ejemplo, predecir cuándo aparecerá un artículo en la puerta de su casa. Por cada artículo que Amazon entrega (eso incluye los millones de artículos que envía en nombre de los vendedores externos como Boyce y sus clientes), ofrece una estimación precisa de cuándo llegará. Puede que no parezca gran cosa, según Boyce, pero si Amazon se equivocara en estas predicciones, empezaría a perder clientes, especialmente durante las fiestas navideñas, cuando la gente compra regalos de última hora y confía en que Amazon los entregue. "Se necesita una potencia informática enorme solo para mostrar ese pequeño día de entrega. Pero la gente se vuelve loca cuando no recibe sus cosas a tiempo", explica.

Según la empresa estadounidense Deliverr, que gestiona la logística de entrega para varias empresas de comercio electrónico, incluidas Amazon, Walmart, eBay y Shopify, el tiempo de entrega estimado de dos días frente a siete o 10 días aumenta las ventas en un 40 %; un tiempo de entrega estimado de un día incrementa las ventas en un 70 %. 

No es de extrañar que otros quieran su propia bola de cristal. La cadena de suministro justo a tiempo ya casi no existe. Las interrupciones de los últimos dos años hundieron a muchas empresas que perseguían la hipereficiencia hasta el extremo. El espacio de almacén es caro, y pagar para almacenar el producto que quizás no necesite en una semana puede parecer extravagante en tiempos de abundancia. Pero si el stock de la próxima semana no aparece, no habrá nada que vender.

"Antes de la pandemia, la mayoría de las empresas se centraban en reducir los costes", afirma Simchi-Levi. En la actualidad están dispuestas a pagar por la resiliencia, pero centrarse solo en la resiliencia también es un error: se debe encontrar un equilibrio adecuado entre ambos. Este es el verdadero poder de las simulaciones. Y añade: "Vemos un número creciente de empresas que empiezan a poner a prueba su cadena de suministro utilizando los gemelos digitales".

Preguntas hipotéticas

Al explorar los diferentes escenarios posibles, las empresas pueden identificar el equilibrio entre la eficiencia y la resiliencia que mejor les funcione. Si se añade aprendizaje reforzado profundo, que permite a una IA aprender a través de prueba y error qué acciones tomar en diferentes situaciones, los gemelos digitales se convierten en máquinas para explorar preguntas hipotéticas. ¿Qué pasa si hay una sequía en Taiwán y la falta de agua paraliza la fabricación de microchips? Un gemelo digital podría predecir el riesgo de que esto suceda, encontrar el impacto que tendría en la cadena de suministro y, mediante el aprendizaje reforzado, sugerir qué acciones tomar para minimizar el daño.

A un fabricante de coches en el medio oeste de EE. UU., un gemelo digital le podría sugerir que compre piezas adicionales de un distribuidor en la costa oeste que aún tenga excedentes. Pero si se unen múltiples escenarios, las cosas se vuelven enormemente complejas. Por ejemplo, según Simchi-Levi, Ford mantiene más de 50 fábricas en todo el mundo, que utilizan 35.000 millones de piezas para producir seis millones de coches y camiones cada año. Hay alrededor de 1.400 proveedores repartidos en 4.400 sitios de fabricación con los que Ford interactúa directamente, y un montón de proveedores y sus proveedores de hasta 10 niveles entre Ford y las materias primas que entran en sus vehículos. Cualquiera de esos nexos podría romperse, y una buena prueba de tensión debería sondear cada uno de ellos.

Los gemelos digitales se basan en la mayor cantidad de datos posible para ejecutar sus simulaciones y entrenar sus IA. Está la información logística sobre la empresa y sus proveedores, contabilizando más datos como el inventario y los envíos. Luego están los datos sobre el comportamiento del consumidor, basados en el análisis del mercado y las proyecciones financieras. Y también, la información sobre el mundo en general, como las tendencias geopolíticas y socioeconómicas. Simchi-Levi incluso ha extraído datos de redes sociales para predecir el comportamiento de las personas, especialmente durante la pandemia.

El gemelo digital de Google se puede conectar a Google Earth y tiene en cuenta los patrones climáticos globales. Un productor de hortalizas en California (EE. UU.) puede realizar las simulaciones para ver cuáles de sus campos están en riesgo de La Niña, señala Thalbauer. Cuando Google crea un gemelo digital para un cliente como Renault, pueden elegir cuál de las muchas fuentes de datos disponibles incluir.

Pathmind adopta un enfoque diferente. Su gemelo digital simplemente reúne las herramientas existentes de gestión de la cadena de suministro de la empresa, aprovechando los datos que ya producen. Luego, aumenta estos datos ejecutando simulaciones hipotéticas y añadiendo los datos sintéticos resultantes a la olla en la que entrena su IA. El enfoque es similar a cómo AlphaZero dominó el juego de Go y el ajedrez jugando millones de partidas virtuales contra sí mismo. En vez de aprender qué pieza mover en un tablero, los gemelos digitales pueden aprender qué stock pedir y cuándo o dónde abrir un nuevo almacén.

Con los datos sintéticos adecuados, un gemelo digital puede aprender a responder a los acontecimientos nunca vistos, incluso a pandemias globales. Nicholson detalla: "Aquí es donde nos adentramos en todo el secreto de '¿Por qué es inteligente la IA?'. Vive más que nosotros, en estos muchos mundos diferentes, algunos de los cuales nunca han existido antes".

En teoría, cualquiera puede beneficiarse de esta tecnología. En la práctica, habrá ganadores y perdedores. "La tecnología de gemelos digitales presenta una poderosa oportunidad para las empresas de cualquier tamaño", opina el abogado y antiguo congresista estadounidense que actualmente es vicepresidente sénior de la consultora fiscal de Estados Unidos Alliantgroup, Rick Lazio. Pero señala que las empresas más grandes, que ya están mejor protegidas contra las pérdidas, son las que han empezado a utilizar esta tecnología de forma más rápida.

Lazio cree que muchas empresas más pequeñas necesitarán ayuda para no quedarse atrás, tal vez a través de inversión gubernamental. "Las empresas que adoptan la tecnología de forma temprana ven beneficios mayores que la suma de sus partes", resalta.

No se trata solo de las empresas más pequeñas. Nicholson advierte: "Muchos de los puertos del mundo funcionan con el papel; con suerte, usan archivos PDF y correos electrónicos. Estos son los principales operadores, no un fabricante de velas en New Hampshire (EE. UU.). Sin digitalización no hay IA".

Simchi-Levi es más optimista. Antes, muchas empresas asumían que poner en marcha un gemelo digital requeriría una enorme inversión y años para amortizarla, pero ese ya no es el caso: con un millón de dólares y 18 meses se pueden generar muchos de los beneficios.

Simchi-Levi no tiene ninguna duda de que el revuelo en torno a los gemelos digitales se mantendrá incluso una vez que haya pasado la peor de las interrupciones actuales. Si no es por la pandemia, será por otra cosa, opina. Los últimos años han enseñado a las empresas cómo prepararse mejor y cómo competir mejor. Y concluye: "Cuando volvamos a la normalidad, no será igual que antes. La pandemia demostró que el futuro ya está aquí".

Inteligencia Artificial

 

La inteligencia artificial y los robots están transofrmando nuestra forma de trabajar y nuestro estilo de vida.

  1. Los grandes modelos de IA han disparado el consumo de potencia informática

    Históricamente, la potencia computacional requerida para entrenar sistemas de inteligencia artificial se duplicaba cada dos años, pero ahora lo hace cada 3,4 meses, siete veces más rápido, una tendencia que no hace más que aumentar la brecha de capacidades entre investigadores públicos y privados

  2. 2021: el año de los modelos de inteligencia artificial gigantes

    La tendencia empezó en 2020 con el modelo de lenguaje GPT-3, con 175.000 millones de parámetros, una cifra que no ha dejado de crecer gracias a los rivales del sector. Pero nadie sabe por qué el tamaño importa tanto y el enfoque no resuelve el problema de los sesgos de los datos de entrenamiento ni supone innovaciones disruptivas

  3. RETRO, la pequeña IA de lenguaje de DeepMind que iguala a los gigantes del campo

    Con 7.000 millones de parámetros, compite con modelos mucho más grandes como GPT-3 y sus 175.000 millones de parámetros. Para lograrlo utiliza una memoria externa a la que recurre para trabajar sobre la marcha. Con este nuevo enfoque, Google se coloca en buena posición en un terreno que no había pisado hasta ahora