El descubrimiento de procesos basado en IA permite acelerar la adquisición de componentes de la red

El creciente énfasis en el cambio climático y la sostenibilidad no ha diluido la importancia de estos valores fundamentales para las empresas de suministro eléctrico, pero sí ha planteado una nueva serie de retos operativos a la hora de cumplirlos. La gestión de activos es uno de los principales.

Para mantener la malla en funcionamiento, los proveedores deben minimizar el impacto de los equipos desgastados o anómalos. Ese es uno de los principales motivos de la creciente adopción de análisis avanzados para prever fallos y realizar un mantenimiento proactivo para prevenirlos. Una vez que se genera una orden de servicio, ya sea planificada o no planificada, corresponde al departamento de aprovisionamiento conseguir las piezas —transformadores, interruptores y aislantes— necesarias para llevar a cabo el trabajo. Cuanto más extenso sea el plazo de entrega, mayor será el riesgo potencial para el rendimiento de la malla. Esta es una de las razones por las que la eficiencia del proceso de la adquisición al pago (P2P) ha cobrado una mayor importancia entre los proveedores de energía.

Otra de ellas es el coste. En un mercado falto de normativas como el actual, minimizar el coste total de los bienes adquiridos es un objetivo fundamental. Cuando los empleados realizan "compras irregulares" —es decir, fuera del flujo de proceso de aprovisionamiento— el coste y la eficiencia son los grandes perjudicados. Este tipo de compradores, por su parte, terminan pagando más porque no reciben las ventajas de coste que incluyen los contratos de proveedores establecidos.

Otros tipos de desviación de proceso —en particular, compras sin orden de compra (PO), o PO creadas sin orden de servicio—, también aumentan los costes al requerir trabajo adicional. ¿Por qué? Porque el tiempo empleado para resolver facturas erróneas o que no corresponden puede añadir mucha sobrecarga administrativa, además de distraer al personal de aprovisionamiento de los aspectos más estratégicos de su trabajo.

Una vez que los datos se incorporaban a IBM Process Mining, sus modelos basados en IA lo desglosaban todo en reveladores mapas de cada paso del proceso P2P —desde el requerimiento y la PO hasta el recibo y la facturación— de cada LoB. Para el director de Compras, el valor de estos modelos no radicaba solo en su capacidad para identificar problemas con los flujos en su estado actual, sino también en su capacidad para aplicar una nueva perspectiva basada en datos sobre cuál podría ser el proceso ideal, la denominada vía feliz. "Logramos ver lo que realmente estaba sucediendo en nuestros procesos P2P; nunca habíamos conseguido algo así", explica. "Además, obtuvimos una perspectiva más objetiva sobre cómo sería el proceso de línea base óptimo, y no de los expertos en procesos, sino a partir de los propios datos".

Entre los principales resultados del modelo, se dio la conclusión de que solo el 20 % de las actividades de compra relacionadas con materiales —la compra de piezas de repuesto y similares— siguieron la vía de aprovisionamiento óptima. Para el 80 % de las actividades que no se ajustaban a la vía feliz, el promedio de plazo de entrega de los pedidos era superior al 30 % más, debido en gran medida al tiempo extra empleado en cuadrar las facturas y reelaborar los pedidos.

Los resultados en aprovisionamiento de servicios no fueron mucho mejores. Mientras que el modelo de IBM Process Mining detectó solamente 10 pasos en la vía óptima del proceso, en la vía irregular se detectaron casi 30 por término medio. Para el director de Compras, descubrir la razón fue un momento revelador. "Sabíamos que la reelaboración de pedidos era una cuestión importante —afirma—, pero el hecho de que fuese necesaria en más del 50 % de las órdenes de aprovisionamiento de servicios fue toda una sorpresa, y los datos demostraban que era real".