Columna MIT: Pros y contras de las tecnologías emergentes. Casos de estudio

COLUMNA MIT

Contenido Exclusivo del Massachusetts Institute of Technology MIT-SCALE GCLOG Program para THE LOGISTICS WORLD

Si bien el ritmo del cambio tecnológico es vertiginoso, las interrupciones causadas en las cadenas de suministro también van incrementando (Rice, 2017). Aun así, algunas empresas se quedan atrás en la curva de las tecnologías y corren el riesgo de perder terreno competitivo ante rivales que insertan tecnología para automatizar y optimizar sus procesos en tiempo y forma.

El desafío, sin embargo, es decidir qué innovaciones darán los mayores rendimientos y cómo deberían implementarse.

Identificamos tendencias significativas y tecnologías que podrían beneficiar a compañías brasileñas mediante el uso de un reporte de Trend Radar en 2016, que también ayudó a analizar el impacto para la sociedad y los negocios por cada tecnología. El objetivo fue evaluar beneficios y perjuicios de tres tecnologías emergentes en tres empresas brasileñas de diferentes industrias.

Al utilizar algunos criterios relevantes, identificamos la tecnología que ayudaría a mejorar más la cadena de suministro de cada industria. Luego, informamos a los expertos de cada empresa sobre dicha tecnología y los entrevistamos sobre la relación costo-beneficio, el impacto y el esfuerzo necesarios para implementarla.

Se contrastaron retos de implementación vs impacto y valor agregado: costos de implementación-reducción de costo y tiempo; personalización-generación de ventas; complejidad-incremento de productividad; compromiso y resistencia al cambio- manejo de riesgos e interrupciones, y madurez de la compañía vs óptimo manejo de relaciones.

Los resultados de la evaluación por cada compañía fueron resumidos en la matriz que compara el esfuerzo e impacto para implementar diversas tecnologías.

Oportunidades para diferentes industrias

Después de una serie de discusiones con expertos, se decidió que el enfoque en innovación tecnológica para cada caso sería el siguiente:

Pulpa y papel: cognitive procurement.
Logística portuaria: big data.
Consumo masivo: internet de las cosas.

* Caso 1: Compañía de pulpa y papel

El cognitive procurement es uno de los sistemas de autoaprendizaje. Estos sistemas usan minería de datos, patrones de reconocimiento y procesos de lenguaje que imitan al cerebro humano (Perera, 2016). Dado que la industria de la pulpa y el papel depende de una gran cantidad de proveedores, se necesita un sistema integrado para tomar decisiones basadas en datos.

La adquisición cognitiva ayudaría a gestionar mejor el creciente número de SKU, evitando los problemas que continuamente muestran los sistemas tradicionales de compra, además de reducir la gran cantidad de compras de último momento, que son relativamente caras.

Además, un sistema de adquisición cognitiva podría identificar patrones de procesamiento de pedidos y mejorar la organización de estas actividades al clasificar los pedidos de una manera más efectiva. Asimismo, la aplicación de esta tecnología fortalecería compras estratégicas, el desarrollo de prácticas de negociación para bajar costos y mejorar los procesos de toma de decisiones.

* Caso 2: Proveedor de servicios logísticos de mercancía

Los proveedores de servicios logísticos manejan un gran volumen de una amplia variedad de productos. Esta complejidad aumenta si se considera la personalización del servicio al incorporar orígenes y destinos, pesos, esquemas de volumen y entregas. Sin embargo, estas empresas no siempre pueden optimizar procesos, simplificar restricciones y superar consecuencias indeseadas mientras se añade más valor a los consumidores.

Este es el caso de un proveedor de servicios logísticos en Brasil que maneja grandes volúmenes de azúcar y granos. Esta empresa mantiene múltiples bases de datos en su sistema de planeación de recursos y, una alta dependencia de hojas de cálculo para tomar sus decisiones. El uso de big data podría automatizar el procesamiento de datos, la creación de tableros para resolver problemas en tiempo real y brindar una analítica empresarial profunda en este giro logístico.

La empresa podría usar big data analytics para pronosticar la demanda y ajustar la oferta para equilibrar el consumo de recursos de manera más rápida y precisa. Además, esto podría reducir costos e incrementar los ingresos del negocio.

* Caso 3: Fabricante de bienes de consumo masivo (CPG, por sus siglas en inglés)

El internet de las cosas (IoT) vincula digitalmente productos con dispositivos que recolectan y comunican datos. Una opción natural para explotar el potencial de esta tecnología es la industria de bienes de consumo masivo, donde una gran cantidad de productos atraviesa almacenes, distribuidores y minoristas para ser consumidos por los clientes finales.

En este largo viaje, es posible usar sensores IoT para la gestión de envíos, a fin de monitorear la entrada, la salida y la permanencia de los camiones en diferentes instalaciones. Dicho sistema ayudaría a rastrear los tiempos activos, tiempos de ocio, llegadas y salidas de vehículos. Lo anterior traería mayor visibilidad de los movimientos de la flota vehicular, reduciendo el tiempo de espera y los costos de transporte.

Análisis costo-beneficio por caso

Después de identificar pros y contras de cada tecnología, creamos casos de negocio individuales para analizar las innovaciones en cada industria. Para ello calculamos los beneficios, costos y el esfuerzo necesario para implementar las tecnologías.

Para el caso de la compañía que opera en la industria de la pulpa y el papel, se necesitaba una inversión de 700 mil dólares para el cognitive procurement con el potencial de ahorrar alrededor de 4 millones de dólares en costos de adquisición y 10% en volúmenes transaccionales por año. Esto haría que la empresa se enfocara en abastecimiento estratégico y gestión de relaciones con proveedores.

Por su lado, big data analytics permitiría al proveedor de servicios logísticos de mercancía programar óptimamente sus operaciones, obtener pronósticos más precisos y mejorar utilización de recursos. En este caso, una inversión en hardware, entrenamiento profesional y software de 1 millón de dólares sería necesaria. Las ganancias adicionales estimadas oscilarían en 3.4 millones de dólares al permitirle a la compañía incrementar su participación de mercado y mejorar operaciones portuarias.

Por último, para empresas de consumo masivo, una única inversión de aproximadamente 65 mil dólares en un sistema de monitoreo de equipos basado en IoT podría traer ahorros anuales de hasta 35 mil dólares. El sistema propuesto emplearía etiquetas de identificación por radio frecuencia (RFID, por sus siglas en inglés) adheridas a los contenedores para rastrear las unidades que se mueven dentro las instalaciones.

Una red de sensores conectada a internet, escáneres ubicados en puertas y andenes de las instalaciones, así como un panel de control ayudarían a la empresa mejorar el manejo de carga en sus instalaciones.

Nuestro análisis también destacó algunos problemas potenciales. Por ejemplo, el grado en que estas innovaciones se implementarían con éxito sería diferente de una compañía a otra. Los problemas comunes incluyen diferencias en la cultura corporativa, así como enfoques para la gestión del cambio en los procesos que representan costos adicionales a los del despliegue, calibración y prueba de las tecnologías enunciadas.

¿Qué sigue para el proveedor logístico?

Las compañías involucradas han incorporado estas innovaciones a su agenda estratégica para mejorar sus operaciones de negocios, por lo que se planea llevarlas a la realidad en los próximos años. La compañía de pulpa y papel diseñó un sistema de adquisición cognitiva en 2019 y evaluará su adopción en 2020. El proveedor de servicios logísticos de mercancía está atravesando un momento difícil debido a la sobreoferta en la industria, comprometiendo sus márgenes de ganancias actuales.

A pesar de esta incertidumbre, la empresa invertirá gradualmente en el enfoque de big data para aumentar su diferenciación en el mercado y capacidad de procesamiento de envíos. La empresa de consumo masivo por su parte, creará un procedimiento estándar y un acuerdo de nivel de servicio en su cadena de suministro, así como una oferta para proveedores y portadores de IoT.

Recientemente, la industria farmacéutica se unió a este grupo de compañías, añadiendo algunas conclusiones interesantes. Esta industria comenzó un piloto utilizando IoT para monitorear mercancías sujetas a requisitos de control de temperatura para productos transportados en avión desde su manufactura en Europa hasta Brasil.

El resultado fue exitoso, ya que en lugar de esperar la llegada de los productos para verificar la temperatura de intercambio a intercambio (E2E) a través del registrador de datos (un dispositivo electrónico fuera de línea), ahora es posible monitorearla en línea con un dispositivo IoT y actuar proactivamente para evitar variaciones de temperatura.

Por: Christopher Mejía, Director del MIT GCLOG program, MIT CTL | Jim Rice, Deputy Director del MIT Center for Transportation and Logistics (CTL) | Andre Junqueira, Supply Chain Executive en Brasil y alumno del MIT GCLOG | Leandro Camporez, Supply Chain Executive en Brazil y alumno del MIT GCLOG y Lucas Bonetto, Supply Chain Executive en Brasil y alumno del MIT GCLOG.

Erik Escudero

Periodista y generador de contenidos para THE LOGISTICS WORLD®, con más de 10 años cubriendo fuentes especializadas como logística, alimentación, packaging, negocios, y tecnologías de la información.