¿Qué puede hacer la IA generativa para cambiar completamente la gestión de la cadena de suministro?
¿Qué puede hacer la IA generativa para cambiar completamente la gestión de la cadena de suministro?
Las empresas enfrentan diversos desafíos complejos en el diseño y optimización de sus cadenas de suministro, entre los cuales mejorar la adaptabilidad, reducir los costos y mejorar la calidad de la planificación son solo algunos aspectos. En las últimas décadas, los avances en la tecnología de la información han cambiado la toma de decisiones comerciales de confiar en la intuición y la experiencia a métodos más automatizados y basados en datos, mejorando así la eficiencia, reduciendo significativamente los costos y mejorando el servicio al cliente.
Desafortunadamente, los líderes empresariales aún necesitan pasar mucho tiempo y esfuerzo comprendiendo las sugerencias propuestas por el sistema, analizando diversas situaciones y realizando análisis de hipótesis. La actualización de los modelos matemáticos de las herramientas de gestión de la cadena de suministro para reflejar los cambios en el entorno empresarial también requiere mucho tiempo. Para abordar estos problemas, los planificadores y gerentes tienen que contratar equipos de ciencia de datos o proveedores de tecnología para explicar los resultados o modificar el sistema.
El modelo de lenguaje grande (LLM) es una IA generativa que permite la finalización de estas actividades incluso sin el apoyo antes mencionado, y reduce el tiempo de toma de decisiones de días o semanas o horas o horas, mejorando significativamente la eficiencia y el impacto del personal de planificación y gestión. En este artículo, exploraremos cómo usar grandes modelos de idiomas para obtener información de los datos, lo que permite a los gerentes comprender mejor la situación de la cadena de suministro, responder preguntas hipotéticas y actualizar las herramientas de gestión de la cadena de suministro para tener en cuenta el entorno empresarial actual. También enfatizamos los desafíos que las empresas deben superar al adoptar grandes modelos de idiomas, así como las oportunidades para expandir su alcance de aplicación en el futuro.
La mayor parte de la experiencia que queremos compartir proviene del uso del sistema basado en LLM por Microsoft para administrar el suministro de servidores y otros hardware, que se suministran a más de 300 centros de datos en todo el mundo para respaldar sus servicios en la nube. Microsoft probó el sistema basado en LLM de marzo a octubre de 2023 e implementó completamente el sistema en noviembre de ese año. Desde entonces, el sistema ha tenido un impacto significativo en la eficiencia y la productividad, manifestada en el tiempo de respuesta del evento y la velocidad de toma de decisiones, mientras que se espera que estos beneficios aumenten con el tiempo y con una mayor mejora del sistema. Sin embargo, las características que estamos discutiendo no dependen del uso de productos de Microsoft, y varios LLM de alta calidad actualmente disponibles en el mercado pueden usarse para implementar estas características.
Ahora, exploremos los beneficios que LLM puede traer.
Minería de datos e ideas
Imagine una cadena de suministro típica con un cierto número de proveedores de materias primas, fábricas de producción y minoristas. Usando LLM, los planificadores pueden preguntar en lenguaje sencillo, como "¿Cuántas materias primas de tipo T tienen actualmente los proveedores?" o "¿Cuál es la forma más barata de transportar productos desde la fábrica F al minorista R?" LLM puede transformar estas preguntas en consultas de ciencia de datos y luego ingresar los resultados de la consulta en el repositorio de datos de la Compañía (como la base de datos SQL), y proporcionar respuestas en oraciones completas. Desde una perspectiva de privacidad, LLM se puede utilizar como un servicio en la nube, lo que significa que no es necesario transferir datos propietarios a LLM de terceros.
Además de servir como una herramienta para comprender el estado actual de la cadena de suministro de una empresa, LLM también se puede utilizar para explicar las decisiones tomadas por el sistema de la cadena de suministro y proporcionar información adicional, como información sobre las tendencias. Por ejemplo, los planificadores pueden hacer preguntas sobre tendencias recientes, como "¿Qué fábrica tuvo la mayor eficiencia de producción la semana pasada?" o "¿Cuántos o qué porcentaje de costos totales de transporte excedieron $ 50000 el mes pasado?" En el siguiente texto, proporcionaremos ejemplos específicos de uso temprano de LLM para la minería de datos y las ideas.
Rastrear las demandas que cambian constantemente. La computación en la nube es un negocio de varios miles de millones de dólares que requiere proveedores de servicios como Amazon, Microsoft y Google para invertir mucho en la creación de centros de datos, equiparlos con hardware y operarlos para proporcionar capacidad en cualquier momento. Deben satisfacer constantemente la creciente demanda de estos servicios al tiempo que minimizan los costos de hardware y operativos. Con este fin, los proveedores de servicios en la nube tomarán regularmente las decisiones de implementación de hardware, teniendo en cuenta muchos factores de costo, como el transporte de hardware y la depreciación, así como los factores operativos, como la compatibilidad de hardware, el inventario y el personal para la implementación del servidor ejecutable.
En Microsoft, la demanda de servidores proviene de unidades comerciales internas que tienen diferentes productos en la nube, como el almacenamiento de Azure, las máquinas virtuales de Azure y Microsoft 365. Los requisitos se especifican a través de solicitudes, incluido el tipo y la cantidad de servidores requeridos, la región donde se despliegan los servidores y la fecha de despliegue ideal. El equipo de la cadena de suministro ingresa estos requisitos y desarrolla regularmente un solo plan de demanda. Los ingenieros de Microsoft ejecutan regularmente una herramienta de optimización por computadora para generar un plan de ejecución, asignar hardware real desde el almacén de suministros y especificar cuándo serán enviados al centro de datos. Los planificadores de Microsoft son responsables de supervisar la implementación del plan, incluida la confirmación de que el plan satisface las necesidades de varios departamentos de negocios y que los servidores se han implementado de acuerdo con el plan. Los servidores desplegados generalmente funcionan en el departamento de negocios durante muchos años hasta que estén retirados y desmantelados.
Los planificadores también deben monitorear los cambios en la demanda mensualmente (conocido como compensación de demanda) para garantizar que el plan revisado cumpla con todos los requisitos del cliente y cumpla con la orientación presupuestaria. Los planificadores han completado tradicionalmente la tarea de evaluar la compensación de la demanda, que generalmente involucran a científicos e ingenieros de datos de diferentes departamentos comerciales en este proceso. Una vez que se entiendan estos cambios, los planificadores prepararán un resumen ejecutivo para explicar los cambios en cada región.
Ahora, la tecnología basada en LLM puede lograr todas estas tareas. Generará automáticamente un correo electrónico de informe electrónico, detallando quién hizo cada cambio y las razones para hacerlo. También señalará posibles errores para que los planificadores la revisen. Por ejemplo, si la demanda (número total de servidores) en el nuevo plan es menor que en el plan anterior, el correo electrónico puede indicar la razón exacta de la disminución de la demanda, como la introducción de una nueva generación de hardware más eficiente, lo que reduce el uso de servidores. Esta herramienta LLM permite a los planificadores completar de forma independiente el análisis de deriva de requisitos en unos minutos, mientras que en el pasado, tomaría aproximadamente una semana.
Ejecutar el contrato. En la industria automotriz, los fabricantes de equipos originales (OEM) como Ford, Toyota y General Motors tienen miles de proveedores y han firmado múltiples contratos con cada proveedor. Estos contratos especifican en detalle los precios pagados por el fabricante original del equipo, los requisitos de calidad, el tiempo de entrega y las medidas de flexibilidad que los proveedores deben tomar para garantizar el suministro. Después de alimentar a miles de datos de contratos a LLM, un fabricante de equipos original descubrió que si se excedía un cierto umbral de cantidad, podía disfrutar de una reducción de precios, pero la cantidad y complejidad de los contratos hicieron que el equipo de adquisiciones pasara por alto esta oportunidad. El resultado final fue que este fabricante ahorró millones de dólares en costos de adquisición.
Responder preguntas hipotéticas
Los planificadores pueden hacer preguntas detalladas de LLM, aquí hay algunos ejemplos:
¿Cuál es el costo de transporte adicional si la demanda total del producto aumenta en un 15%?
Si el minorista R solo usa productos de la fábrica F, ¿cuánto aumentará los costos de adquisición?
Si cerramos la fábrica F, ¿podemos satisfacer todas las demandas?
Si el costo unitario de las materias primas de tipo M se reduce en $ 1, ¿cuánto se reducirá el costo total de producir productos P
Echemos un vistazo a cómo LLM puede responder de manera precisa y eficiente tales preguntas. Muchas tareas de optimización se escriben en forma de programas matemáticos que consideran la estructura de la cadena de suministro y todos los requisitos comerciales, y generan recomendaciones efectivas de la cadena de suministro. LLM no reemplaza los modelos matemáticos, sino que los suplementa. Específicamente, convertirá consultas manuales en código matemático y hará modificaciones ligeras al modelo matemático original utilizado para generar planes. Por ejemplo, para obligar a los minoristas a usar productos de una fábrica específica, se puede agregar un requisito matemático (es decir, una "restricción") que prohíbe que otras fábricas suministren a este minorista. Luego, este cambio sutil en el modelo matemático se ingresará en la herramienta de la cadena de suministro para generar un plan modificado, que solo se usa para comparar con el plan existente. Como antes, la salida del nuevo modelo matemático generará respuestas de lenguaje humano a través de LLM (para aprender sobre este método de usar LLM para obtener información actual de la cadena de suministro y plantear preguntas hipotéticas, puede encontrar el código fuente abierto de Microsoft y los datos de referencia relacionados en GitHub/Microsoft/Optiguide).
Aquí, podemos consultar cómo los planificadores en las operaciones de servicio en la nube de Microsoft utilizan esta capacidad para desarrollar planes de ejecución para implementar servidores de almacenes a centros de datos. Para cada solicitud, las decisiones principales incluyen: (1) tipo de servidor y almacén utilizados para satisfacer la demanda, (2) fecha de envío y (3) punto de acoplamiento del servidor (centro de datos específico y su ubicación específica). El objetivo es minimizar el costo total de múltiples componentes, como los costos de transporte y los costos de oportunidad estimados debido a los retrasos de implementación del servidor más allá de la fecha ideal.
Al recibir los resultados de salida de la herramienta de optimización, los planificadores pueden confirmar si los resultados cumplen con los requisitos comerciales y asegurarse de que el plan se ejecute de acuerdo con este resultado. Sin embargo, los posibles problemas de optimización son muy complejos y no son completamente imposibles, pero también es difícil comprender de inmediato las razones detrás de cada decisión. Por lo tanto, los planificadores generalmente contactan a los ingenieros y científicos de datos que desarrollan herramientas de optimización para obtener más información. Los planificadores e ingenieros a menudo necesitan múltiples rondas de interacción para explorar completamente problemas o escenarios hipotéticos, lo que puede dar lugar a retrasos de varios días. Ahora, los sistemas basados en LLM pueden proporcionar a los planificadores respuestas a las siguientes preguntas en cuestión de minutos: "¿En qué porcentaje de aumento de costos incurriríamos si completamos un pedido específico antes de una fecha fija en comparación con otra fecha?" y "¿En qué porcentaje de aumento de costos incurriríamos si cerramos un almacén durante una semana?
Planificación interactiva
Los planificadores pueden usar la tecnología LLM para actualizar los modelos matemáticos de la estructura de la cadena de suministro y los requisitos comerciales para reflejar el entorno empresarial actual. Además, LLM puede proporcionar la información más reciente a los planificadores en función de los cambios en las condiciones comerciales.
Por ejemplo, la información en tiempo real recibida por los planificadores muestra que cierto fabricante se cerrará durante siete días debido a una tormenta de nieve de invierno. Sin la ayuda de LLM, los planificadores que desean actualizar las ventas y los planes de operaciones para hacer frente al tiempo de inactividad deben involucrar a los equipos de ciencia de datos y de datos para hacer los ajustes necesarios al plan, lo que puede ser un proceso que requiere mucho tiempo. Sin embargo, con la ayuda de LLM, los planificadores pueden solicitar directamente al sistema que genere un nuevo plan, evitando el uso de fábricas de cierre. Si el nuevo plan no puede satisfacer todas las demandas predichas, la herramienta de planificación auxiliar de LLM no solo generará ventas y planes operativos actualizados y los costos correspondientes (como los costos de adquisición y transporte), sino que también identificará la demanda que no se puede suministrar y su impacto en la rentabilidad.
La demanda de planes de oferta cambiantes también puede ser impulsada por la tecnología basada en LLM. Por ejemplo, después de analizar los datos de envío de un proveedor específico, puede emitir una alerta que indica que el tiempo de entrega del proveedor ha aumentado significativamente en los últimos meses. Además, la tecnología basada en LLM predecirá el posible tiempo del próximo envío y lo enviará a los planificadores. Debido al reconocimiento de que los plazos de entrega prolongados para la entrega tendrán un impacto negativo en los niveles de servicio en regiones específicas a menos que se tomen medidas correctivas, los planificadores pueden requerir que los sistemas basados en LLM vuelvan a ejecutar las herramientas de planificación con nueva información y generen nuevos planes. LLM transmite al plan a los planificadores en lenguaje natural y puede requerir que los proveedores aceleren los envíos o transfieran el inventario de los almacenes en diferentes regiones de la empresa a las áreas afectadas.
El método de usar LLM de la manera discutida en este artículo sigue siendo relativamente nuevo. Esperamos que la tecnología basada en LLM apoye escenarios de toma de decisiones de extremo a extremo en los próximos años. Por ejemplo, los usuarios pueden describir el problema de decisión que desean resolver en un lenguaje fácil de entender. Puede ser un problema de producción específico (dada una red compleja de instalaciones de producción, cuándo y dónde producir un determinado producto), o un problema de asignación de inventario (dado un inventario limitado en un almacén, cómo asignarlo a varias tiendas para maximizar la demanda). La tecnología actual puede generar tales modelos y recomendaciones matemáticas, pero verificar si el modelo muestra correctamente el entorno empresarial sigue siendo un desafío.
Superar obstáculos
A medida que las empresas comienzan a adoptar LLM en la gestión de la cadena de suministro, deben superar varios obstáculos para implementarlo de manera efectiva.
Uso y entrenamiento. El uso de LLM para optimizar la cadena de suministro requiere un lenguaje muy preciso. Por ejemplo, si un usuario pregunta: "¿Podemos hacer un mejor uso de la fábrica F?" El término 'mejor' puede tener múltiples interpretaciones: reducir costos, aumentar el rendimiento, optimizar el rendimiento durante un período de tiempo, etc. Cada interpretación conducirá a diferentes decisiones. Por lo tanto, el personal de capacitación que usa el sistema es crucial. Los planificadores pueden necesitar recibir capacitación para hacer preguntas más precisas, mientras que el personal administrativo y administrativo puede necesitar comprender las capacidades y limitaciones de la tecnología basada en LLM.
Por estas razones, Microsoft está implementando gradualmente esta nueva tecnología, mientras que las herramientas introducidas anteriormente para responder preguntas hipotéticas solo respaldan un conjunto de preguntas comunes. La compañía monitoreará la interacción del usuario, la precisión y los mecanismos de respaldo, y expandirá gradualmente su cobertura. Los planificadores han recibido capacitación relevante y están familiarizados con los conjuntos de problemas actualmente respaldados por la herramienta.
verificación. La tecnología LLM ocasionalmente genera contenido erróneo, por lo que un desafío común es cómo hacer que la tecnología se ejecute "en el camino", es decir, identificar errores y volver a la pista. Las empresas ahora están abordando este desafío proporcionando ejemplos específicos de dominio rico para LLM para mejorar la precisión de su producción y agregar mecanismos para identificar consultas no respaldadas por adelantado. Por ejemplo, si alguien plantea una pregunta no compatible, el sistema basado en LLM proporcionará una respuesta predeterminada, como "Desafortunadamente, no puedo ayudarlo a resolver este problema. Puede verificar las siguientes preguntas". Por supuesto, la dificultad de verificar la precisión aumenta con la complejidad de la producción. Por ejemplo, si le pedimos a LLM que genere un programa matemático completo para crear un plan de implementación optimizado desde cero, ¿cómo verifica el sistema su corrección? ¿Cómo podemos asegurar que el programa pueda generar el plan óptimo en un tiempo razonable? Estos problemas abiertos aún requieren más investigación.
Nueva fuerza laboral. Con la implementación altamente automatizada de la tecnología LLM, los roles de los gerentes y planificadores también cambiarán. Los planificadores ya no participarán en el proceso de toma de decisiones propenso a errores humanos y que llevan mucho tiempo, pero podrán aplicar la tecnología LLM para proporcionar más información sobre las técnicas de planificación de la cadena de suministro y explicar sus recomendaciones. Esto aumentará la confianza del usuario y aumentará significativamente su adopción de sugerencias de herramientas. En el departamento de adquisiciones, el tiempo para que los empleados creen nuevos contratos también se reducirán considerablemente. LLM podrá diseñar contratos para categorías de productos específicas y proporcionar información de rendimiento anterior de diferentes proveedores para ayudar a los gerentes a elegir proveedores adecuados.
En otras palabras, el uso de una fuerza laboral basada en herramientas LLM puede cambiar el enfoque del trabajo de tareas repetitivas diarias a tareas de valor agregado, como pensar estratégicamente sobre diversas actividades de la cadena de suministro o colaborar internamente en áreas funcionales y con proveedores y clientes externos. Por ejemplo, los planificadores de demanda pueden colaborar con los planificadores comerciales responsables del marketing, los precios y los descuentos para comprender el impacto de la pronóstico del comercio sobre la demanda. Según nuestra experiencia, esta colaboración no existe actualmente en la mayoría de las organizaciones. Por supuesto, el desafío aquí es garantizar que el liderazgo desglose las barreras departamentales funcionales y ajuste los procesos comerciales para facilitar la colaboración.
A pesar de los desafíos anteriores, todavía creemos que en el futuro cercano, la tecnología basada en LLM transformará la gestión de la cadena de suministro, mejorando su eficiencia, resiliencia, productividad y precisión. Complementará la tecnología de la cadena de suministro actual, lo que permite a los planificadores interactuar directamente con las herramientas de la cadena de suministro sin la necesidad de científicos o ingenieros de datos. Las empresas podrán automatizar una gran cantidad de procesos de cadena de suministro e incluso crear otros nuevos, como integrando el comercio y los procesos de pronóstico. De hecho, esta integración formará un sistema de gestión de la cadena de suministro de circuito cerrado, en el que los departamentos funcionales de comercio, cadena de suministro y financiero colaborarán para desarrollar un plan de suministro que cumpla con todos los objetivos y requisitos comerciales y financieros. En unos pocos años, la tecnología basada en LLM realmente revolucionará la gestión de la cadena de suministro.
Ishai Menache, Jeevan Pathuri, David Simchilevi, Tom Linton|Texto
Isay Menash es un gerente de investigación colaborativo en el grupo de aprendizaje automático y optimización en Microsoft Research. Jiwan Paturi es el gerente general y director de colaboración de ingeniería de software para la división de la cadena de suministro en la nube de Microsoft. David Senge Levy es profesor de William Barton Rogers en el MIT, jefe del Laboratorio de Ciencia de Datos del MIT y una figura distinguida en Accenture. Tom Linton es consultor senior en McKinsey y anteriormente se desempeñó como oficial principal de adquisiciones y cadena de suministro en Flex.
