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

El creciente enfoque en el cambio climático y la sustentabilidad no ha diluido la importancia de estos valores fundamentales para las empresas eléctricas, pero ha presentado un nuevo conjunto de retos operativos para entregarlos. La gestión de activos es uno de los principales.

Para mantener la red 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, es necesaria la obtención de los componentes (que pueden ser transformadores, interruptores y aisladores) necesarios para completar el trabajo. Cuanto más largo sea el tiempo de entrega, mayor será el riesgo potencial para el rendimiento de la red. Esta es una de las razones por las que la eficiencia del proceso de adquisición a pago (P2P) ha adquirido una importancia creciente para los proveedores de energía.

Otro es el costo. En el mercado desregulado de hoy, minimizar el costo total de los bienes adquiridos es un objetivo crítico. Cuando los empleados se dedican a la "compra inconformista", es decir, fuera del proceso de adquisición establecido, el costo y la eficiencia son los grandes perjudicados. Este tipo de compradores, por su parte, terminan pagando más porque no reciben las ventajas de costo 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 costos al requerir trabajo adicional. Esto se debe a que el tiempo empleado para resolver facturas erróneas o no coincidentes puede añadir mucho a la actividad general administrativa, además de distraer al personal de la contratación de los aspectos más estratégicos de su trabajo.

Una vez que los datos se incorporaban en IBM Process Mining, sus modelos basados en IA separaron todo en mapas reveladores de cada paso del proceso P2P, desde la requisición y la PO hasta el recibimiento y la facturación, de cada LoB. Para el gerente 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 encontró que sólo el 20 % de las actividades de compra relacionadas con materiales (la compra de piezas de repuesto y similares) siguieron la vía óptima del proceso de adquisición. Para el 80 % de las actividades que no se ajustaban al camino ideal, el tiempo promedio de entrega de 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 contratación 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 Gerente de Compras, ver el motivo fue un momento de revelación. "Sabíamos que el retrabajo de ordenes era un tema importante", dice. "Pero el hecho de que más del 50 % de las órdenes de compra de servicios lo necesitaran fue una verdadera sorpresa, y los datos mostraron que era real".