Encuéntrenos en la E-commerce Berlin Expo, el 22 de febrero de 2024.

Déjenos sus datos y le enviaremos nuestro libro blanco por correo electrónico.
Consiento el tratamiento de mis datos personales para el envío de material publicitario personalizado de conformidad con la Política de privacidad. Al confirmar el envío, acepta recibir material de marketing
Gracias.

El formulario se ha enviado correctamente.
Encontrará más información en su buzón.

Innowise es una empresa internacional de desarrollo de software de ciclo completo de software de ciclo completo fundada en 2007. Somos un equipo de más de 1600+ profesionales de TI que desarrollan software para otros profesionales de todo el mundo.
Conócenos
Innowise es una empresa internacional de desarrollo de software de ciclo completo de software de ciclo completo fundada en 2007. Somos un equipo de más de 1400 profesionales de TI que desarrollan software para otros profesionales de todo el mundo.

IA/ML en la cadena de suministro: reducción del 45% de las entregas interrumpidas

Innowise ha ampliado las capacidades existentes de la cadena de suministro del cliente con DSaaS para prever los plazos de envío de materiales y reducir la tasa de rotación de clientes.

Cliente

Industria
Electrónica, Fabricación
Región
UE
Cliente desde
2022

Nuestro cliente es un fabricante de dispositivos electrónicos y componentes para ellos, como teléfonos móviles, mandos a distancia de televisión, reproductores de DVD y CD, cámaras digitales y otros.

La información detallada sobre el cliente no puede divulgarse en virtud de las disposiciones del acuerdo de confidencialidad.

Desafío: Incumplimiento de los plazos de entrega y errores en la planificación estratégica de recursos.

Asegurar el buen funcionamiento de la red de proveedores es crucial para garantizar la entrega puntual de los pedidos. Nuestro cliente ya ha optimizado el rendimiento de la cadena de suministro para maximizar la rentabilidad mitigando los riesgos de la fluctuación de la demanda, la ineficacia de las operaciones y la volatilidad de los precios de los materiales. Además, han implantado una planificación y programación rigurosas, sistemas exhaustivos de control de inventarios y una supervisión continua para garantizar la calidad.

No obstante, nuestro cliente seguía enfrentándose al incumplimiento de los plazos de entrega y a errores en la planificación estratégica de recursos. Para mejorar la precisión y la previsibilidad del rendimiento operativo, querían una solución avanzada basada en DS y ML que recopilara y analizara grandes volúmenes de datos y realizara predicciones realistas sobre los plazos de entrega.

Extensión web para predecir suministros

Solución: Extensión web de DS y MLOps para prever los suministros y evitar retrasos en las entregas

Como nuestro cliente fabrica dispositivos digitales complejos compuestos por muchas piezas (resistencias, inductores, condensadores, transistores, diodos, etc.), necesitan cadenas de suministro estables y gestionables con ciertos riesgos calculados. Querían una visión general de todas las interacciones previas con los socios, potenciada por las capacidades de ML para digerir y predecir futuros envíos y evitar retrasos o interrupciones en las entregas.

Basándose en ello, Innowise sugirió construir una plataforma de análisis de contratos inteligentes que incluyera DS y MLOps para convertir los datos brutos en perspectivas procesables. Nuestro equipo de proyecto aprovechó al máximo estas tecnologías e implementó IA/ML en la cadena de suministro para blindar los procesos de adquisición y aliviar los efectos adversos.

Canalización de datos

Una vez que los responsables rellenan toda la información relativa a determinados socios (necesidad de materiales, plazos de entrega, existencias en almacén, etc.), nuestra plataforma elabora predicciones basadas en canalizaciones de datos. Así, implementamos un profundo análisis de datos para detectar desviaciones de datos y divergencias entre departamentos. Esencialmente, cada paso del ciclo crea un resultado que constituye la base de las transformaciones posteriores, lo que da lugar a un flujo continuo hasta que se completa cada paso. Cuando procede, se realizan varios procesos en paralelo para maximizar la eficacia.

Capas de modelado

Desarrollamos una plataforma de aprendizaje automático que calcula los factores cruciales que afectan a la eficiencia del proceso de contratación. Nuestro equipo creó una capa lógica que agrupa los datos en cohortes similares y entrena modelos para cada grupo. Además, incorporamos una capa de explicabilidad para ayudar al usuario final a validar el comportamiento del modelo y comprender mejor la estimación.

En pocas palabras, el flujo de la solución puede describirse de la siguiente manera. Los usuarios introducen todos los datos relativos a proveedores específicos, como los ID de los contratos, los materiales necesarios, las fechas de pedido/entrega, el progreso actual y cualquier información auxiliar. A continuación, basándose en el ML de los algoritmos de la cadena de suministro, la plataforma analiza los datos indicados y predice las fechas de aprovisionamiento, teniendo en cuenta el historial de interacciones anteriores, la fiabilidad del proveedor y los riesgos externos. El análisis predictivo, por ejemplo, podría indicar cuándo los niveles de existencias de los proveedores son bajos o cuándo es probable que los retrasos en las entregas causen problemas importantes en el futuro.

Tecnologías

Back-end
TypeScript, Node.js, Nest, TypeORM
Front-end
TypeScript, React, Next.JS, MobX, MUI
Machine learning
Tensorflow, Keras, PyTorch, Scikit-learn, MLFlow
Data science
Pandas, Matplotlib, Plotly, Numpy
Bases de datos
PostgreSQL
QA
AQA, Manual

Proceso

En la primera fase, nuestros especialistas aclararon y redefinieron los objetivos del cliente, ya que la propuesta original presentaba muchos problemas de viabilidad y uso final. A lo largo del proceso de desarrollo, nuestros especialistas aplicaron enfoques AutoML adicionales para aumentar la velocidad de entrega del modelo. A medida que nuestro modelo recibía más muestras similares a las recientes, aplicamos una técnica de remuestreo personalizada que redujo el efecto de deriva de los datos.

Nuestro equipo de proyecto trabajó con la metodología Scrum, con sprints quincenales y reuniones diarias. El gestor del proyecto se mantuvo en contacto con el cliente, adaptándose a los cambios en el alcance. Todas las tareas se controlaban en Jira, y el gestor asignaba los trabajos y supervisaba el rendimiento general.

En la actualidad, el proyecto está activo, y nuestro equipo trabaja en la mejora de la predicción de la producción y la integración de módulos ML de la cadena de suministro.

Equipo

1
Jefe de proyecto
1
Analista de negocio
2
Desarrolladores de Front-end
2
Desarrolladores de Back-end
2
Ingenieros ML
1
Diseñador UI/UX
1
Ingeniero de QA

Resultados: Los módulos predecibles de la cadena de suministro ML con 630% reducen el riesgo de parada de la línea de producción.

Innowise enriqueció las capacidades ML de la cadena de suministro del cliente con una extensión DSaaS para predecir los plazos de entrega. Gracias a los algoritmos de ML y DS que tienen en cuenta la multitud de variables dentro de un complejo sistema de cadena de suministro, el cliente puede ahora supervisar continuamente los posibles problemas de aprovisionamiento y planificar los envíos de forma más exhaustiva, evitando los silos de información. Gracias a la novedosa solución, el cliente gestiona con confianza los procesos de la cadena de suministro sin preocuparse por complicaciones imprevistas o retrasos operativos. Además, gracias al aprendizaje automático en la cadena de suministro, nuestro cliente puede ahora tomar decisiones informadas que contribuyen a la excelencia operativa y al aumento de los ingresos en todos los puntos de venta digitales.

Duración del proyecto
  • Octubre de 2022 - En curso

45%

reducción de las entregas interrumpidas

630%

menor riesgo de parada de la línea de producción

Póngase en contacto con nosotros

Reservar una llamada o rellene el siguiente formulario y nos pondremos en contacto con usted cuando hayamos procesado su solicitud.

    Por favor, facilítenos detalles del proyecto, duración, tecnologías, especialistas informáticos necesarios y otra información relevante.
    Grabe un mensaje de voz sobre su proyecto
    para ayudarnos a comprenderlo mejor.
    Adjunte los documentos adicionales si es necesario
    Cargar archivo

    Puede adjuntar hasta 1 archivo de 2 MB en total. Archivos válidos: pdf, jpg, jpeg, png

    Le informamos de que cuando haga clic en el botón Enviar, Innowise procesará sus datos personales de acuerdo con nuestra Política de privacidad con el fin de proporcionarle la información adecuada.

    Qué pasa después?

    1

    Una vez recibida y procesada su solicitud, nos pondremos en contacto con usted para detallar las necesidades de su proyecto y firmar un acuerdo de confidencialidad que garantice la confidencialidad de la información.

    2

    Después de examinar los requisitos, nuestros analistas y desarrolladores elaboran una propuesta de proyecto con el alcance de las obras, el tamaño del equipo, el tiempo y las estimaciones de costos.

    3

    Concertamos una reunión con usted para discutir la oferta y llegar a un acuerdo.

    4

    Firmamos un contrato y comenzamos a trabajar en su proyecto lo más rápido posible.

    Gracias.

    Su mensaje ha sido enviado.
    Procesaremos su solicitud y nos pondremos en contacto con usted lo antes posible.

    Este sitio web utiliza cookies

    Utilizamos cookies para mejorar su experiencia de navegación, publicar anuncios o contenidos personalizados y analizar el tráfico del sitio. Al hacer clic en "Aceptar todo", usted acepta el uso que hacemos de las cookies. Consulte nuestra Política de privacidad.

    Gracias.

    Su mensaje ha sido enviado.
    Procesaremos su solicitud y nos pondremos en contacto con usted lo antes posible.

    flecha