Cuando un negocio opera instalaciones en cinco continentes, con cadenas de suministro que se extienden por miles de millas, las interrupciones en cualquier paso del proceso de pedido a efectivo (O2C) pueden provocar retrasos en la entrega del producto. Sin embargo, debido a la complejidad de sus operaciones lejanas, una gran empresa de fabricación multinacional (MMC) tenía problemas para encontrar las causas raíz de los retrasos que se produjeron en su actividad logística.
"Observamos diferencias significativas en los plazos medios y los costes de entrega entre distintos clientes, y las razones de estas diferencias no se entendían bien". dice el VP de Logística de MMC. "También vimos que muchos pedidos quedaban en suspenso, pero no siempre podíamos determinar quién introducía los bloques o por qué no se ajustaban a los procesos estándar".
Aunque los gestores de logística de MMC intentaron reducir repetidamente los retrasos, la acción correctiva estaba obstruida por información incompleta y desconectada. Como no se controlaban las desviaciones de los procesos estándar, no había forma de entender cómo repercutían en los plazos de entrega y los costes.
"Hasta que no tuviéramos una mejor visión de dónde y por qué se estaban dando retrasos en el sistema, no podríamos tomar las medidas necesarias para corregir las desviaciones", dice el vicepresidente de MMC. "También creíamos que si tuviéramos una visión detallada y holística de los procesos reales que se utilizan, podríamos comenzar a automatizar más procesos y reducir el esfuerzo humano".
A través de entrevistas y métodos informales, los gerentes de logística de MMC intentaron mapear los procesos de O2C, identificar cuellos de botella y corregir anomalías, sin éxito. "Pero entonces, mientras desplegábamos nuestra plataforma ERP, nuestro socio de integración de sistemas nos recomendó una nueva herramienta", dice el vicepresidente de MMC. "Podía proporcionarnos una visión detallada de todos los procesos y personas implicados en la O2C y modelarse a partir de datos del mundo real derivados de nuestro sistema ERP. Estábamos intrigados por las posibilidades”.
Número reducido de instancias de fecha de entrega modificada para un ahorro de costos de 50 000 USD y un plazo de entrega reducido en 3 días
Adoptó una solución de RPA para reducir la reelaboración y automatizó el 75 % de la actividad de entrega para lograr un ahorro de costes de 60 000 USD
Después de revisar una prueba de concepto (POC), MMC eligió la solución IBM® Process Mining y la implementó a través del software IBM® Cloud Pak for Business Automation. IBM® Process Mining también se incluye como una capacidad fundamental en la cartera de soluciones IBM® Cloud Paks for Automation. "Queríamos ver un 'gemelo digital' de nuestra organización logística", dice el VP de MMC, "para poder identificar los cuellos de botella en nuestros procesos O2C y detectar oportunidades para la automatización".
Cuando los ejecutivos de MMC vieron su proceso O2C mapeado por primera vez, tuvieron la misma respuesta que muchos clientes tienen con la tecnología de simulación impulsada por IA. “Nuestra primera reacción fue: 'Usted dibujó esto. No creemos que se haya creado automáticamente a partir de los datos. La segunda reacción fue: 'No es cierto, los datos son incorrectos'”, dice el vicepresidente de MMC. “Pero tan pronto como profundizamos en la simulación, pudimos ver qué tan bien se construyó este modelo, según los datos del mundo real de nuestra plataforma ERP. Fue una verdadera revelación”.
Trabajando con la herramienta para estudiar todas las actividades, puntos de contacto y empleados involucrados en el proceso O2C, el equipo de logística de MMC pudo:
El análisis del comportamiento de los empleados proporcionó información reveladora. Por ejemplo, un gerente de logística estaba anulando manualmente los cronogramas en un intento de ayudar a su fábrica a cumplir los objetivos de producción. "Estaba intentando ayudar, pero en realidad lo estaba retrasando", dice el vicepresidente de MMC. "Hablamos con ella y le explicamos que su equipo estaba haciendo un trabajo mucho mejor sin su intervención".
Después de analizar el modelo de proceso O2C creado por la herramienta IBM® Process Mining, y utilizar los paneles de la herramienta para supervisar la actividad, los gerentes de logística de MMC pudieron:
La plataforma IBM® Process Mining también permitió a MMC implementar herramientas de automatización robótica de procesos (RPA), un objetivo a largo plazo de la organización. Al monitorear el rendimiento de RPA, la empresa:
"Automatizar los procesos en la medida de lo posible representa una gran oportunidad para nosotros", afirma el vicepresidente de MMC. "Debido al volumen de trabajo que tenemos en logística, a veces luchamos con los recursos humanos de que disponemos. Al reducir el número de veces que se bloquean o reprograman los pedidos, podemos liberar tiempo para que nuestro personal trabaje en otras tareas".
"Uno de los pasos que queremos dar en el futuro con IBM® Process Mining es comprender los comportamientos de los clientes y cómo éstos pueden añadir retrasos y costes relacionados al proceso", afirma el vicepresidente de MMC. "Creemos que esta herramienta nos ayudará a cambiar estos comportamientos para poder comprimir los plazos de entrega y ser más rentables".
Como gran empresa global, MMC se suscribe a una variedad de servicios de inteligencia empresarial para la supervisión y planificación del rendimiento. "Ya tenemos mucha información con la que trabajar, pero hay varios KPI críticos para el negocio que monitorizamos con IBM® Process Mining y que no podemos obtener en ningún otro sitio", afirma el vicepresidente de MMC. "Siempre hay que ir por delante de la competencia. Y al aumentar la automatización de nuestros procesos empresariales con IBM® Process Mining, tenemos la intención de ampliar la brecha entre nosotros y nuestros competidores".
Fundada hace más de 100 años, MMC opera más de 100 plantas en 50 países y tiene más de 20 000 empleados. Es un proveedor líder en las industrias de telecomunicaciones, transmisión de energía, construcción y transporte. El cliente que aparece en este caso práctico contrató inicialmente a myInvenio, que empezó a operar como IBM el 1 de agosto de 2021. El producto myInvenio en este caso práctico, myInvenio Process Mining, ahora se conoce como IBM® Process Mining.
© Copyright IBM Corporation 2022 IBM Corporation, New Orchard Road, Armonk, NY 10504
Producido en los Estados Unidos de América, marzo de 2018.
IBM, el logotipo de IBM, ibm.com e IBM Cloud Pak son marcas comerciales de International Business Machines Corp. registradas en muchas jurisdicciones del mundo. Los demás nombres de productos y servicios pueden ser marcas registradas de IBM u otras empresas. Una lista actual de marcas comerciales de IBM está disponible en la web en "Información sobre derechos de autor y marcas comerciales" en https://www.ibm.com/es-es/legal/copitrade.
Este documento se actualizó por última vez en la fecha inicial de publicación e IBM puede modificarlo en cualquier momento. No todas las ofertas están disponibles en todos los países en los que opera IBM.
Los datos de rendimiento y ejemplos de clientes mencionados se presentan únicamente con fines ilustrativos. Los datos reales de rendimiento pueden variar en función de las configuraciones y condiciones de funcionamiento específicas. LA INFORMACIÓN DE ESTE DOCUMENTO SE OFRECE "TAL CUAL ESTÁ" SIN NINGUNA GARANTÍA, NI EXPLÍCITA NI IMPLÍCITA, INCLUIDAS, ENTRE OTRAS, LAS GARANTÍAS DE COMERCIALIZACIÓN, ADECUACIÓN A UN FIN CONCRETO Y CUALQUIER GARANTÍA O CONDICIÓN DE INEXISTENCIA DE INFRACCIÓN. Los productos de IBM están sujetos a garantía según los términos y condiciones de los acuerdos bajo los que se proporcionan.