Supply Chain science and tech
VOLVER A LOKAD TV ›
Miedo al cambio en la cadena de suministro
Una buena práctica de Gestión de la Cadena de Suministro (SCM) incluye una dosis saludable de conservadurismo, ya que el costo del fracaso tiende a ser alto. Sin embargo, rechazar todo cambio no es una opción en un mundo donde la innovación expulsa a las empresas rezagadas del negocio.
Software Frankensteinización en la cadena de suministro
Gestionar cadenas de suministro y optimizarlas es particularmente desafiante desde una perspectiva de software. La 'Frankensteinización del software' se refiere al deterioro tecnológico que afecta al software empresarial cuando se enfrenta a su propia evolución a lo largo de varias décadas.
Pronóstico Probabilístico para Cadenas de Suministro
La optimización de las cadenas de suministro se basa en tener conocimientos sobre el futuro. Los pronósticos clásicos desestiman por completo la incertidumbre y asumen que el pronóstico es perfectamente conocido. En cambio, los pronósticos probabilísticos abrazan la incertidumbre y reflejan que la optimización de la cadena de suministro debe mantenerse robusta frente a eventos inesperados.
Internet de las cosas para la cadena de suministro
Para que una práctica de gestión de la cadena de suministro sea eficiente, los gerentes necesitan tener acceso a la posición de cada activo. A diferencia de la gestión electrónica clásica de inventario, Internet de las cosas (IoT) ofrece la posibilidad de obtener visibilidad en tiempo real de todos los activos, incluidos los vehículos.
Preparación de datos en la cadena de suministro
Preparar adecuadamente los datos es un requisito para lograr el éxito en cualquier iniciativa basada en datos. Al considerar los desafíos de la cadena de suministro, la preparación de datos es difícil porque implica sistemas empresariales complejos que no han sido diseñados teniendo en cuenta la ciencia de datos.
Inteligencia Artificial y Supply Chains
En este episodio hablamos sobre esta gran palabra de moda y su aplicación a las cadenas de suministro.
Pronóstico de Promociones
Es necesario pronosticar la demanda promocional para asignar la cantidad correcta de stock. Sin embargo, los modelos de pronóstico de series temporales generalmente no son adecuados para abordar los patrones de demanda relacionados con los precios. Se necesitan modelos de pronóstico de aprendizaje automático más complejos para tener en cuenta adecuadamente las promociones pasadas y reflejar el impacto próximo de las que están planeadas.
La Paradoja de la Experiencia del Usuario
Los sistemas de Gestión de la Cadena de Suministro (SCM) cuentan con interfaces de usuario complejas. Entre ellas, los subsistemas de pronóstico de la demanda no solo son complejos, sino también complicados. Se necesitan interfaces de usuario mejores para abordar esta complejidad.
Silos y Decisiones en la Supply Chain
Las cadenas de suministro modernas son complejas, y la respuesta más directa a la complejidad es la 'especialización del trabajo'. Desafortunadamente, este enfoque resulta en 'silos' que no logran tomar decisiones que maximicen los retornos para la empresa.
El Data Scientist en la Supply Chain
Los desafíos de la cadena de suministro son frecuentemente cuantitativos y basados en datos. Esto los convierte en un buen ajuste para la práctica de la ciencia de datos. Sin embargo, comprender el negocio es un aspecto frecuentemente pasado por alto en la práctica de la ciencia de datos en la cadena de suministro.
Blockchain y Bitcoins
Las blockchains y Bitcoin tienen aplicaciones para las cadenas de suministro, pero no las que más destacan los proveedores de software.
Inteligencia Artificial para la cadena de suministro
La Inteligencia Artificial (IA) es un término general que abarca muchos métodos estadísticos de alta dimensionalidad, como el Aprendizaje Profundo o la Programación Diferenciable. Estos métodos se pueden utilizar de diversas formas para mejorar el rendimiento operativo de las cadenas de suministro. Sin embargo, tanto los problemas como las soluciones difieren en gran medida de los problemas de IA convencionales, como el Procesamiento del Lenguaje Natural (NLP).