Modelización de la fábrica digital

Pero las nuevas ideas ya están madurando en los laboratorios de desarrollo de los programadores informáticos. Orsoft, una de las principales empresas de desarrollo y consultoría en el campo del software de planificación, nos ofrece una perspectiva. Considerar la planificación como una herramienta holística de control de los procesos de la empresa es una prioridad. En consecuencia, los procesos autónomos se incluyen en todo el nivel del taller y se modelan sobre la base de gemelos digitales.

Antes de profundizar en el tema, es importante aclarar algunos términos. A la hora de clasificar el término inteligencia artificial (IA), Orsoft utiliza la definición del especialista en estudios de mercado para la gestión de la cadena de suministro, Gartner. La IA aplica análisis avanzados y técnicas basadas en la lógica, incluido el aprendizaje automático, para interpretar eventos, respaldar y automatizar decisiones y tomar medidas.

El aprendizaje automático (AM) es una forma de IA que pretende enseñar a un algoritmo mediante un entrenamiento repetitivo de tal forma que pueda realizar tareas de forma autónoma. A diferencia de los algoritmos convencionales, el reconocimiento de estructuras (de datos) no está predeterminado por una estructura de modelo implícita, sino que se deja en manos de la "máquina" de forma autónoma.

Autonomización de los procesos de planificación

Con los patrones reconocidos a partir del ML, la calidad de previsión de los procesos basados en series temporales alcanza una calidad completamente nueva. El objetivo más elevado del ML hasta la fecha es la autonomización. A diferencia de la automatización, el Fraunhofer IESE describe los términos de la siguiente manera: Si se sabe cómo se comporta un sistema en una determinada situación, se trata de automatización. Si se desconoce, hablamos de autonomización.

Se busca una ampliación inteligente de los sistemas existentes de planificación de recursos empresariales (ERP) mediante sistemas avanzados de planificación (APS). Dado que los ERP no están diseñados explícitamente para tareas de planificación -por ejemplo, sólo se pueden asignar controles de inventario rudimentarios o procesos de planificación sencillos como las ejecuciones MRP-, a menudo se utilizan sistemas de planificación avanzada adicionales que sirven para representar y optimizar los procesos empresariales transaccionales. Sin embargo, éstos ya no responden a las expectativas de la realidad actual de la planificación.

Los sistemas, que a menudo no son muy ágiles, no cartografían cadenas de suministro completas ni ofrecen la posibilidad de realizar ajustes ad hoc del plan en lotes cercanos a uno. Con sus herramientas de software para la planificación estratégica-táctica y operativa, Orsoft siempre ha perseguido el enfoque integrador de extremo a extremo de la planificación, lo que significa que todas las instancias de planificación se modelan de forma holística, se vinculan entre sí de forma inteligente y se crean diversas opciones de simulación y previsión. Estas características son el requisito previo básico para la aplicación de instancias de planificación (parcialmente) autónomas, la tercera gran perturbación en la gestión de la cadena de suministro después de los ERP y los sistemas de planificación avanzada.

Gemelos digitales

Las instancias de planificación autónoma deben modelarse con la ayuda de un gemelo digital. ¿Qué es realmente un gemelo digital? De forma análoga a la genética -donde los gemelos idénticos comparten un ADN idéntico-, el gemelo digital comparte características funcionales específicas con su hermano real. Trasladado a la realidad industrial, podría tratarse, por ejemplo, de la planta de producción y su copia digital en el ámbito de la producción o de un gemelo digital de la cadena de suministro en el ámbito de la planificación.

El gemelo digital de la cadena de suministro es la base de la autonomización de la planificación. Con él, los procesos se vuelven más interconectados, eficientes, ágiles, rápidos y transparentes. Cuanto más complejas sean las cadenas de valor -una planta con una unidad de ventas o una red completa de procesos de producción, compras y ventas marcan una gran diferencia-, más necesaria será la sincronización en tiempo real de los datos entre las instancias de planificación y el ERP central. 

A través de la plataforma PaaS Edge.One, ampliable modularmente y con interfaz abierta, puede proporcionarse una capa de datos uniforme con la máxima precisión de detalles, integridad de datos y velocidad de reacción. Esto permite mapear e integrar numerosos procesos del taller y de la planta de producción en el enfoque de plataforma central en el sentido de la fábrica digital.

Análisis avanzados

La analítica avanzada ya no se limita al análisis descriptivo de datos del pasado (la pregunta "¿qué ha pasado?"), sino que se centra en el análisis predictivo ("¿qué va a pasar?") y prescriptivo ("¿cómo puedo conseguirlo?").

Con la analítica avanzada, los escenarios pueden trazarse y ejecutarse automáticamente en función de objetivos o jerarquías de objetivos predefinidos, como el máximo servicio al cliente, la segmentación de clientes, el programa de producción con margen óptimo, etc. Las reglas de priorización ayudan a resolver situaciones conflictivas de la mejor manera posible y a automatizarlas mediante aprendizaje automático. En función de la complejidad de la optimización del plan, el factor humano puede verse privado parcial o totalmente de autoridad para tomar decisiones. 

Basándose en el análisis ML de series temporales, se proporcionan valores de previsión fiables para la planificación de la demanda. De este modo, se pueden reducir las fluctuaciones en la cadena de suministro y mejorar los procesos posteriores. Las conclusiones para la gestión de inventarios son igualmente evidentes: la reducción de las existencias de seguridad necesarias para cubrir las fluctuaciones de la demanda es otro objetivo importante. Con la ayuda de la IA, la planificación de inventarios puede cambiar a existencias de seguridad dinámicas. La programación reactiva es una palabra de moda en el campo de la planificación asistida por IA. Aquí, el proceso de planificación se describe como un proceso ágil que está abierto hasta el último minuto. El objetivo es poder reaccionar ante condiciones cambiantes: pedidos ad hoc de un cliente A, nuevos pedidos, cuellos de botella en las entregas, averías de personal/planta o similares. El aprendizaje continuo a partir de decisiones tomadas en el pasado "alimenta" a la IA continuamente con datos. Un motor de planificación siempre actualizado en segundo plano, alimentado por el sistema en vivo, ayuda a garantizar que el plan calculado inicialmente sólo tenga que ajustarse de forma marginal y continua. 

También en el ámbito de la gestión de conflictos, los métodos de aprendizaje automático ofrecen resultados interesantes. A partir de las propias decisiones anteriores y del análisis de los resultados de las mismas, se crean y, si se desea, se autonomizan sugerencias de solución. Con la ayuda de la comparación de la producción planificada y la retroalimentación real de la planta, la calidad del plan puede ser evaluada y retroalimentada en el modelado del algoritmo de planificación - también con respecto a la aplicación de las previsiones de mantenimiento. Las funciones de alarma también están (parcialmente) automatizadas y se autoaprenden mediante procesos de decisión asistidos por IA.

Entorno SAP

La automatización de la planificación y programación avanzadas (APS) en el entorno SAP es un caso de uso de Orsoft. La tarea del cliente estaba claramente definida: Autonomización sin contacto de la planificación operativa con el objetivo de implantar un sistema que funcione de forma autónoma en el caso normal -es decir, en el llamado flujo feliz- y que pueda implicar automáticamente a los planificadores cuando se produzcan determinados eventos. Se acordaron las siguientes condiciones adicionales: interacción automática (iterativa) con SAP, gran capacidad de configuración del modelo de datos, reacción automática a determinados eventos libremente configurables y ejecución de funciones en un núcleo de aplicación independiente, lo que permite utilizar el software incluso sin usuarios registrados.

Para hacer justicia a una autonomización de la planificación operativa, deben definirse los objetivos del proceso de planificación, que se representan como reglas de priorización predefinidas, también calificadas como una secuencia de prioridades. Al igual que las condiciones límite, pueden establecerse en detalle. Todos los campos SAP -incluidos los de los objetos referenciados, por ejemplo, los clientes para el pedido de cliente de una orden previsional- pueden configurarse tanto manual como automáticamente y clasificarse manteniendo valores límite y valores premisa exactos. En el caso concreto, la consideración de los tiempos de disponibilidad/reaprovisionamiento de material, la presencia y cualificación del personal fueron especificados por el cliente como condiciones límite explícitas. 

Gracias a la comparación bidireccional en tiempo real con los datos maestros y transaccionales de SAP, los planes creados están siempre alineados en términos de capacidad a nivel de planta y de material. Orsoft aplica una compleja ejecución MRCP (Material Resource Capacity Planning) con recursos finitos, es decir, disponibles de forma limitada y sin sobrecargas, que no está disponible en SAP. En esta aplicación específica, las provisiones de material de los clientes también se integran en el proceso de planificación. Un control inmediato CTP (Capable to Promise) implementado por Orsoft e interactuando con SAP funciona como disparador de la autonomización de la planificación. Sólo cuando hay conflictos de objetivos o faltan recursos a nivel de material y capacidad se muestran alarmas automatizadas y se envían como alertas por correo electrónico.