Cómo la IA puede ayudar a predecir la demanda y la oferta para optimizar los márgenes

El pasado 18 de abril de 2023, en el marco de Advanced Factories Expo & Congress, se celebró una sesión sobre digitalización integral de procesos productivos aplicando Inteligencia Artificial (IA). Se trataba, en concreto, del caso de éxito ‘Stolt Turbot Challenge’, que aplica IA junto al sistema MOM. Turbot Challenge para optimizar los márgenes de Stolt Sea Farm. Es un proyecto de Geprom y Telefónica Tech.

Stolt es una compañía de acuicultura terrestre de rodaballo y lenguado, en la que han integrado el sistema MES, SGA y APS junto con los algoritmos de machine Learning desarrollados para la predicción de la demanda y la oferta para optimizar su margen operativo.  Y todo ello gracias a la toma de decisiones en el proceso productivo basadas en los datos y los modelos analíticos aplicados. 

Se trata de un caso de éxito que bien podría trasladarse a los fabricantes de automoción, y por eso AutoRevista ha querido recoger la que fuera la intervención de Dario Cesena, Head of Business Unit de Telefónica Tech; y Jorge Juan Alfonso, Food Operations Manager de Stolt. La sesión estuvo moderada por Ignasi Pérez Arnal, Congress Director at REBUILD-CEO de BIM Academy y WITS Institute.

Stolt es una compañía de acuicultura terrestre de rodaballo y lenguado, en la que han integrado el sistema MES, SGA y APS junto con los algoritmos de machine Learning desarrollados para la predicción de la demanda y la oferta para optimizar su margen operativo.

"¿Cómo podríamos hacer para, dentro de tres años, tener la correcta información para servir a los clientes las cantidades que tenemos que servir, ni más ni menos?", preguntaba Dario Cesena, Head of Business Unit de Telefónica Tech, a un atento auditorio. La respuesta no era sencilla y sonaba un poco "a bola de cristal", si bien la experiencia les respalda: ya llevan un año trabajando en el proyecto, y hasta ahora los resultados han sido más que positivos.

La idea: aplicar IA y analítica avanzada para lograr la proyección de la demanda y de la oferta. Y los resultados, que están por encima de la media a un 80% a cinco años vista tan solo en la primera fase del proyecto, ya están siendo tangibles. Así lo comentaba Jorge Juan Alfonso, Food Operations Manager de Stolt: "El beneficio es muy claro, tener la proyección de la demanda, saber qué tienes que estar haciendo hoy para satisfacer las necesidades de tu demanda a dos o tres años vista. Esto te da mucho margen operativo", explicaba. 

Y para conseguirlo hacía falta inteligencia artificial, pero también datos: "Teníamos muchos datos históricos que habíamos recolectado pero que no estábamos explotando. Teníamos que traducir esos datos en un mejor servicio, que a su vez se tenía que traducir en un mejor margen operativo". 

Asimismo, para lograr esa ansiada proyección de la demanda y la oferta, también había que marcarse objetivos. Y se marcaron dos: "Nos marcamos dos objetivos, uno que llamamos 'business goal', que era conseguir tener una proyección de curva de la demanda y la oferta aplicando para ello IA, y luego otra etapa para lograr un planificador avanzado", detallaba Alfonso. 

Un reto

Teniendo los datos y los objetivos claros, faltaba un socio que les ayudase a implementarlo. En este caso, Telefónica Tech, entidad que lo entendió como un reto desde el primer momento: "No fue nada sencillo entender cuál era la necesidad, y cómo podíamos conseguir un proyecto real que mostrase cómo satisfacer las necesidades de stock. Teníamos un proceso productivo complejo, que oscila desde el año hasta el año y medio e, incluso, los tres años. Y teníamos que proyectar la demanda y la oferta a cinco años vista para poder brindar la información necesaria para poder introducir alevines (rodaballos pequeños) en sus instalaciones para, a posteriori, cubrir la necesidad que el mercado le iba a trasladar en el futuro".

En definitiva, Telefónica Tech tendría que sacar "la bola de cristal" para predecir cuáles serían las necesidades de la compañía Stolt Sea Farm años después: "En 14 granjas distintas de diferentes mercados teníamos que desarrollar los modelos analíticos necesarios; series temporales para saber cuántas toneladas iban a comprar los clientes (la demanda). Y después, mediante big data y modelos analíticos, lograr una proyección de la oferta para tratar de nivelarlas al máximo posible". La meta era clara: aumentar la satisfacción del cliente: "Si no tengo excedentes puedo quedarme corto en cuanto a las toneladas que mis clientes necesitan. Eso al final es merma, y por eso había que tratar de maximizar el margen", indicaba Cesena.

El siguiente paso: trasladar ese objetivo al día a día 

Y lo consiguieron, y entonces llegaba el siguiente paso: trasladar ese objetivo al día a día de la compañía, digitalizando sus procesos productivos, utilizando lo que se conoce como Manufacturing Operations Mangement (la gestión de operaciones de fabricación, un conjunto de sistemas para gestionar procesos de fabricación de principio a fin con el fin de optimizar la eficiencia).

Luego, tocaba trasladar esas toneladas al sitema MES (un sistema MES -Manufacturing Execution System- es un software enfocado al control de la producción, que monitoriza y documenta la gestión de la planta), para preparar las órdenes de producción e ir controlándola. Todo en coordinación con el SGA (Software de Gestión de Almacenes), y trabajado a nivel de secuenciación de la producción el APS (Advanced Planning and Scheduling, planificación y programación avanzadas).

"Era un reto que teníamos dentro de Telefónica, un reto muy bonito. Porque estamos aunando tecnología, industria y alimentación. Y al final lo hicimos, poniendo el foco en la aplicación de la IA. La idea era poder calcular cuántos kilos de alevines teníamos que introducir en cada una de las granjas, y cuándo hacerlo, y también cuándo despescar para tratar de nivelar las curvas, la de la demanada con la de la oferta, consiguiendo maximizar el margen. Y todo eso a cinco años vista, porque las decisiones que voy a tomar hoy me van a afectar entonces", indicaba Cesana. 

"Era un reto que teníamos dentro de Telefónica, un reto muy bonito. Porque estamos aunando tecnología, industria y alimentación. Y al final lo hicimos, poniendo el foco en la aplicación de la IA. La idea era poder calcular cuántos kilos de alevines teníamos que introducir en cada una de las granjas, y cuándo hacerlo, y también cuándo despescar para tratar de nivelar las curvas, la de la demanada con la de la oferta, consiguiendo maximizar el margen. Y todo eso a cinco años vista, porque las decisiones que voy a tomar hoy me van a afectar entonces", indicaba Cesana.

¿Cómo lo consiguieron?

Dario Cesena, Head of Business Unit de Telefónica Tech, llegaba al final de su discurso, explicando de dónde sacaron la información y en qué se basaron para conseguir esos modelos analíticos. Empezaba explicando cómo consiguieron la curva de la demanda: "Básicamente para la demanda tenemos un histórico de ventas y de varaibles ofrecidas por Stolt. Luego, también contamos con un conjunto de variables externas y de contorno; como el PIB en cada uno de los países del mercado, la temperatura del mar, la salinidad, la tasa de mortandad... Todo esto, aplicado en el modelo analítico, nos ofrece la curva de la demanda. Por ejemplo, si sube el precio del salmón, sube la demanda del rodaballo", detallaba.

Luego señalaba cómo consiguieron proyectar la curva de oferta: "En cambio, para la curva de la oferta, que al final no deja de ser el modelo de producción que satisface esta demanda, también hemos aplicado factores como la salinidad, el histórico que tenía la compañía... Todo esto, volcado a una visualización avanzada donde aplicamos los limitantes de cada una de las granjas. Entonces, aplicando también las diferentes reglas de priorización, entre otras cosas, podemos obtener dos curvas".

Dos curvas que se traducen en dos palancas: subir o bajar el precio del rodaballo para tratar de nivelar la demanda (si se sube el precio la demanda cae, si se baja aumenta) y la segunda: introducir alevines cuando proceda para tener una mayor oferta que ofrecer al mercado. "Este es el último paso para que, de manera manual, Stolt pueda maximizar su margen operativo", concluía el Head of Business Unit de Telefónica Tech. 

Las dos curvas proyectadas (oferta y demanda) se traducen en dos palancas: subir o bajar el precio del rodaballo para tratar de nivelar la demanda (si se sube el precio la demanda cae, si se baja aumenta) y la segunda: introducir alevines cuando proceda para tener una mayor oferta que ofrecer al mercado.