Con el procesamiento en SAP IBP, Integrated Business Planning, y el uso del aprendizaje autom\u00e1tico, las empresas obtienen lo mejor de sus planes de entregas. Un plan de entregas muestra qu\u00e9 materiales se piden y en qu\u00e9 condiciones en fechas fijas dentro de un periodo de tiempo. Pero el plan no siempre funciona. En septiembre, el 65% de las empresas encuestadas por el Instituto Ifo no pudieron producir porque escaseaban las materias primas y los insumos. En consecuencia, no se pudieron procesar todos los pedidos. Actualmente, la escasez de materiales tiene mucho que ver con los efectos de la crisis de Corona y la guerra de Ucrania en las cadenas de suministro. No todas las producciones pueden ajustarse con la suficiente rapidez a las fluctuaciones de la oferta y la demanda. Pero la escasez de material es tambi\u00e9n fundamentalmente un fen\u00f3meno recurrente, porque los calendarios de entrega son a menudo poco fiables y adem\u00e1s conllevan cambios en el calendario de entregas debido a cambios de \u00faltima hora. En lugar de certidumbre, el calendario de entregas encierra una incertidumbre creciente.<\/p>\n\n\n\n
En este contexto, la idea de los planes de entrega es buena: clientes y proveedores comparten informaci\u00f3n sobre las necesidades futuras y as\u00ed se ayudan mutuamente a combatir las incertidumbres en una fase temprana. Cuando funciona correctamente, esto genera una gran fiabilidad en las entregas para el cliente y permite la eficiencia para el proveedor: una situaci\u00f3n en la que todos salen ganando.<\/p>\n\n\n\n
Las fluctuaciones en el intercambio de informaci\u00f3n provocan dolores de cabeza. Un plan de entregas contiene esencialmente informaci\u00f3n relevante sobre las demandas y las fechas de demanda que se recogen del cliente y luego se entregan. Esto crea una imagen del curso futuro de la demanda. La informaci\u00f3n actualizada sobrescribe continuamente los datos obsoletos. Dependiendo de los procesos individuales, esto ocurre una vez a la semana o varias veces al d\u00eda. Cada vez se modifica la informaci\u00f3n sobre la demanda y, por tanto, la entrada para el cumplimiento de la demanda, a veces m\u00e1s, a veces menos. A corto plazo, las fluctuaciones se evitan fijando horizontes. A medio y largo plazo, sin embargo, causan enormes quebraderos de cabeza y generan costosas ineficiencias.<\/p>\n\n\n\n
El problema radica en la propia materia. Los planes de abastecimiento unen dos cadenas de suministro. En su buen funcionamiento influyen muchos factores: los propios procesos, prioridades y restricciones de la empresa, pero tambi\u00e9n los proveedores y los clientes. Una vez que se dispone de la informaci\u00f3n, las empresas deben evaluar primero la informaci\u00f3n sobre los planes de suministro de sus clientes. En concreto, se trata de saber qu\u00e9 informaci\u00f3n de cada plan de entregas es v\u00e1lida en cada momento y c\u00f3mo se puede hacer que sea utilizable. Este es el comienzo de la b\u00fasqueda de la aguja en el pajar. La informaci\u00f3n \"buena\" puede estar contenida en el plan de entregas de ayer o de la semana pasada. La coordinaci\u00f3n personal con el cliente llevar\u00eda demasiado tiempo y no tendr\u00eda sentido desde el punto de vista econ\u00f3mico. <\/p>\n\n\n\n
Sin embargo, con SAP IBP y extensiones como el aprendizaje autom\u00e1tico, esta b\u00fasqueda se hace factible: En primer lugar, se configura el tipo de datos maestros en IBP. Contiene atributos clave como la informaci\u00f3n sobre el cliente, el producto, el plan de entregas, la fecha y la cantidad. Esta informaci\u00f3n se mapea con la ayuda de IBP utilizando datos maestros y ratios. En el proceso, los distintos estados del plan de entregas se guardan y almacenan para su uso posterior. En el siguiente paso, los estados del plan de entregas, que antes se asignaban en ratios, se integran en la previsi\u00f3n - de este modo no s\u00f3lo ofrecen un valor a\u00f1adido informativo en SAP IBP, sino tambi\u00e9n un valor a\u00f1adido real en el uso: ahora se pueden asignar los cambios en los planes de entregas y sus posiciones a lo largo del tiempo.<\/p>\n\n\n\n
El siguiente paso consiste en determinar el punto en el tiempo en el que el programa de entregas era m\u00e1s estable, es decir, m\u00e1s cercano a la realidad. Para este c\u00e1lculo, el IBP dispone de los algoritmos cl\u00e1sicos. La desviaci\u00f3n m\u00e1s peque\u00f1a del sistema constituye la base para elaborar una previsi\u00f3n estad\u00edstica. Ahora, los planificadores pueden comparar esta previsi\u00f3n con el periodo m\u00e1s fiable del programa de entregas y seguir trabajando con los mejores ratios en el proceso de ventas y operaciones.<\/p>\n\n\n\n
Demasiado \u00fatil pero tambi\u00e9n limitado en el IBP. Porque se puede hacer mucho m\u00e1s. Por ejemplo, utilizando el aprendizaje autom\u00e1tico. Los planificadores pueden utilizar los errores calculados en el plan de entregas como variable independiente para enriquecer algoritmos externos. Estos pueden utilizarse entonces como entrada para generar mejores previsiones. Si se dispone de datos suficientes, tambi\u00e9n puede utilizarse el propio error de previsi\u00f3n. Adem\u00e1s, es posible extraer los datos del IBP a trav\u00e9s de los servicios O-Data u otras interfaces de integraci\u00f3n. All\u00ed, los datos se enriquecen con otros m\u00e9todos estad\u00edsticos disponibles en la biblioteca Python y, a continuaci\u00f3n, se introducen de nuevo en SAP IBP. La ventaja es que estos entornos ML permiten an\u00e1lisis mucho m\u00e1s amplios que el est\u00e1ndar de IBP.<\/p>","protected":false},"excerpt":{"rendered":"
Se supone que los planes de entrega vinculan a clientes y proveedores, aumentan la eficacia y la fiabilidad de las entregas y evitan los cuellos de botella debidos al efecto l\u00e1tigo. Pero en muchos casos los planes causan m\u00e1s problemas que beneficios.<\/p>","protected":false},"author":4312,"featured_media":127290,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[4,42541],"tags":[9000,480,42543,627,236,7631],"coauthors":[42858,42857],"class_list":["post-127289","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-management","category-mag-23-05","tag-ibp","tag-machine-learning","tag-mag-23-05","tag-ml","tag-sap","tag-scm","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-400x180.jpg",400,180,true],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-1168x526.jpg",1168,526,true],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",18,8,false],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin.jpg",1200,540,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-600x270.jpg",600,270,true],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-600x540.jpg",600,540,true],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2023\/05\/shutterstock_1060874669_Mzorin-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"
Lieferpl\u00e4ne sollen Kunden und Lieferanten vernetzen, Effizienz und Liefertreue steigern und Engp\u00e4sse durch den Bullwhip-Effekt vermeiden. Doch in vielen F\u00e4llen verursachen die Pl\u00e4ne mehr \u00c4rger, als dass sie Nutzen bringen.<\/p>\n","category_list_v2":"Business-Management<\/a>, Mag 23-05<\/a>","author_info_v2":{"name":"Diana Huying, Aflexio","url":"https:\/\/e3mag.com\/es\/author\/diana-huying\/"},"comments_num_v2":"0 comentarios","_links":{"self":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/127289","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/users\/4312"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/comments?post=127289"}],"version-history":[{"count":1,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/127289\/revisions"}],"predecessor-version":[{"id":137598,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/127289\/revisions\/137598"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/media\/127290"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/media?parent=127289"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/categories?post=127289"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/tags?post=127289"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/coauthors?post=127289"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}