La detección de procesos basada en IA ayuda a acelerar la adquisición de piezas en la red
Cómo la solución IBM Process Mining complementa la transformación de un servicio público
Ingeniero eléctrico de pie junto a torre eléctrica mientras trabaja con una computadora portátil al atardecer

Para los proveedores de energía eléctrica, ya sea generación o distribución, los valores de seguridad y confiabilidad son fundamentales para su modelo operativo y, por lo tanto, intrínsecos a casi todas las decisiones que toman.

El creciente enfoque en el cambio climático y la sostenibilidad no ha diluido la importancia de estos valores fundamentales para las empresas eléctricas. No obstante, ha presentado un nuevo conjunto de retos operativos para cumplirlos. La gestión de activos está en el centro.

Para mantener la red en funcionamiento, los proveedores deben minimizar el impacto de los equipos desgastados o defectuosos. Esa es una de las principales razones por las que muchos están adoptando analytics avanzados para predecir fallos y realizar un mantenimiento proactivo para evitarlos. Una vez que se genera una orden de servicio, ya sea planificada o no, depende de Compras conseguir las piezas (transformadores, disyuntores y aisladores) necesarias para completar el trabajo. Cuanto más largo sea el plazo de entrega, mayor será el riesgo potencial para el rendimiento de la red. Esa es una de las razones por las que la eficiencia del proceso procure-to-pay (P2P) ha adquirido una importancia cada vez mayor para los proveedores de energía.

Otra es el costo. En el mercado desregularizado de hoy, minimizar el costo total de los bienes adquiridos es un objetivo crítico. Cuando los empleados realizan "compras no autorizadas", es decir, se salen del flujo establecido en el proceso de contratación, el costo y la eficiencia son las víctimas. Por un lado, estos compradores terminan pagando más porque pierden las ventajas de costos incorporadas en los contratos de proveedores establecidos.

Otros tipos de desviación del proceso —en particular, comprar sin una orden de compra (OC) o crear una OC sin una orden de servicio— también aumentan los costos al requerir trabajo adicional para resolverlos. Esto se debe a que el tiempo dedicado a resolver facturas erróneas o que no coinciden puede añadir mucho a los gastos administrativos, además de distraer al personal de adquisiciones de los aspectos más estratégicos de su trabajo.

Reducción de los plazos de entrega

 

Oportunidad identificada para un 80 % reducción del tiempo promedio de entrega de pedidos

Flujo de proceso optimizado

 

Se trazó un flujo de proceso optimizado que reduce el 67 % de los pasos del proceso

Al utilizar datos reales e IA para trazar nuestros flujos de procesos de compras, también hemos adquirido lo que equivale a una posible hoja de ruta para transformarlos. Nos brinda un marco riguroso para comprender dónde enfocarnos en mejorar y, cuando sea posible, automatizar diferentes elementos del flujo del proceso. Manager of Procurement Electric Power Provider
Los modelos de IA revelan el flujo de proceso real

Un gran y diversificado proveedor de energía eléctrica de EE. UU. sabía que tenía un problema con las compras no autorizadas y se propuso llegar al fondo del asunto. Eso significaba indagar en los datos históricos de las compras para conocer a fondo dónde se producían las desviaciones y, a partir de ahí, calibrar el verdadero alcance del problema. La recurrió a myInvenio, una compañía de IBM, para poner en práctica los analytics de procesos.

Con IBM® Process Mining, una herramienta de descubrimiento y modelado de procesos que forma parte de la solución IBM® Cloud Pak for Business Automation, el equipo trabajó estrechamente con el gerente de adquisiciones de la empresa. En la primera parte del proyecto, el equipo capturó aproximadamente un año de flujos de datos del Módulo de adquisiciones de la suite IBM® Maximo Utilities, la plataforma central de gestión de activos de la empresa. Los flujos involucraron principalmente a los departamentos de contabilidad de adquisiciones y depósitos de la empresa, que abarcan múltiples líneas de negocio (LoB, siglas en inglés de lines of business).

Una vez que los datos se ingresaron en IBM Process Mining, sus modelos subyacentes basados en IA se dividieron en mapas de señales de cada paso del proceso P2P, desde la solicitud y OC hasta la recepción y factura de cada LoB. Para el director de adquisiciones, el valor de estos modelos no radicaba solo en su capacidad para detectar problemas con los flujos actuales "tal cual", sino también en su capacidad para ofrecer una visión nueva y basada en datos de lo que podría ser el proceso ideal, lo que a menudo se denomina ruta feliz. “Obtuvimos una visión de lo que realmente estaba sucediendo en todos nuestros procesos P2P, que nunca tuvimos antes”, explica. “Y también nos dio una perspectiva más objetiva sobre cómo se veía el proceso de referencia óptimo, no de los expertos en procesos, sino de los datos en sí”.

Entre los resultados clave del modelo se encuentra el hallazgo de que solo el 20 % de las actividades de adquisiciones relacionadas con los materiales (la compra de piezas de repuesto y similares) siguieron la ruta óptima de adquisición. Para el 80 % de las actividades que no se ajustaban a la ruta feliz, el plazo promedio de entrega de los pedidos era superior en más de un 30 %, debido en gran parte al tiempo extra dedicado a la correspondencia de facturas y a la reelaboración de los pedidos.

A la adquisición de servicios no le fue mucho mejor. Si bien el modelo de IBM Process Mining encontró solo 10 pasos en la ruta de proceso óptima, se descubrió que la ruta promedio no conforme tenía casi 30. Para el director de adquisiciones, ver por qué fue un momento de revelación. “Sabíamos que la reelaboración de pedidos era un problema importante”, afirma. “Pero el hecho de que más del 50 % de las órdenes de adquisición de servicios lo requirieran fue una verdadera sorpresa, y los datos mostraron que era real”.

Insights como hoja de ruta para la transformación de procesos

El proyecto emprendido por el proveedor de energía eléctrica logró su objetivo: determinar cómo se realizaban realmente las adquisiciones, junto con las repercusiones en sus principales métricas de rendimiento. Como lo ve el director de adquisiciones, la verdadera importancia del proyecto radica en la orientación que puede proporcionar a los esfuerzos de transformación de procesos de la empresa. “Al utilizar datos reales e IA para trazar nuestros flujos de procesos de adquisición, también hemos adquirido lo que equivale a una hoja de ruta potencial para transformarlos”, afirma. “Nos proporciona un marco riguroso para entender dónde centrarnos para mejorar y, cuando sea posible, automatizar los distintos elementos del flujo del proceso”.

Y eso nos lleva de nuevo a lo que más importa a los proveedores de energía eléctrica: suministrar energía segura y confiable a sus clientes. Es decir, las buenas prácticas de adquisición, aquellas que son eficientes, estandarizadas y rentables, encajan en la estrategia de gestión de activos más amplia de una empresa de servicios públicos.

En la práctica, el director de adquisiciones señala que los insights sobre los procesos basados en datos ayudan a justificar las iniciativas de transformación. “Con un marco de modelado dinámico de procesos impulsado por IA, podemos simular cómo las reducciones en procesos que no cumplen pueden reducir el tiempo promedio de entrega de las piezas”, explica. “Ese es un mensaje poderoso en un caso de negocio, y es por eso que la solución IBM Process Mining es una herramienta tan potente”.

Acerca del proveedor de energía eléctrica

Con sede en Estados Unidos, esta empresa de energía atiende a millones de clientes minoristas residenciales, comerciales e industriales en varios estados, incluidos algunos de los mercados de energía más competitivos.

El cliente presentado en este estudio de caso inicialmente se involucró con MyInvenio, que comenzó a realizar negocios como IBM el 1 de agosto de 2021. El producto myInvenio en este estudio de caso, myInvenio Process Mining, ahora se conoce como IBM Process Mining.

Dé el siguiente paso

Para obtener más información sobre las soluciones de IBM presentadas en esta historia, póngase en contacto con su representante o asociado de negocios de IBM.

Ver más casos Contactar con IBM Estudio TEI de Forrester
Descubra el ROI potencial de IBM Automation
Regístrese ahora
Lea el informe
Regístrese para descargar un informe
Regístrese ahora
Documentación técnica
Cómo empezar con IBM Process Mining
Lea los documentos
Legal

© Copyright IBM Corporation 2022. IBM Corporation, Watson y Cloud Platform, New Orchard Road, Armonk, NY 10504

Producido en los Estados Unidos de América, marzo de 2018.

IBM, el logotipo de IBM, ibm.com, IBM Cloud Pak y Maximo son marcas de International Business Machines Corp., registradas en muchas jurisdicciones de todo el mundo. Otros nombres de productos y servicios pueden ser marcas registradas de IBM o de otras empresas. Puede consultar una lista actual de marcas comerciales de IBM en la web en la sección "Información sobre derechos de autor y marca registrada" en ibm.com/trademark.

Este documento está actualizado a 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 los ejemplos de clientes citados se presentan solo con fines ilustrativos. Los resultados de rendimiento reales pueden variar según las configuraciones específicas y las condiciones de funcionamiento. LA INFORMACIÓN CONTENIDA EN ESTE DOCUMENTO SE PROPORCIONA “TAL CUAL”, SIN NINGUNA GARANTÍA, EXPRESA O IMPLÍCITA, INCLUIDAS LAS GARANTÍAS DE COMERCIABILIDAD, IDONEIDAD PARA UN FIN DETERMINADO Y CUALQUIER GARANTÍA O CONDICIÓN DE NO INFRACCIÓN. Los productos de IBM están garantizados de conformidad con los términos y condiciones de los acuerdos bajo los cuales se proveen.