Dentro de la gestión de datos para  análisis predictivos, la Detección de Anomalías se ha resuelto como uno de los enfoques más utilizados, por ser sencillo e intuitivo, a la par que efectivo.

Nació como un método válido para detectar intrusos en los sistemas informáticos y es ampliamente usado en campos tan diversos como el mantenimiento predictivo o la clasificación de correo como spam.

1

¿NO VALE CON ALGORITMOS DE CLASIFICACIÓN?

Antes de continuar, una pregunta: ¿no podríamos simplemente utilizar, por ejemplo, por ejemplo, en el caso de mantenimiento preventivo, un algoritmo de clasificación que nos permita catalogar los eventos como "correcto" o "error"?

La respuesta no es fácil de afirmar o negar "a priori", pero es verdad que a pesar de las poderosas herramientas que son los algoritmos de clasificación a la hora de categorizar eventos, estos modelos presentan ciertas limitaciones.

1º PROBLEMA: LA SOBRE-REPRESENTACIÓN

La primera de ellas, muy presente en la vida real, trata del sobre-representación de una de las clases respecto a las otras.

Pensemos, por ejemplo, en un algoritmo destinado a predecir los fallos de cierta máquina industrial. Para poder hacerlo, y basándonos en el esquema de los algoritmos de clasificación de aprendizaje supervisado, necesitamos muestras pasadas de eventos categorizados como “ok” y eventos pasados categorizados como “fallo”, para alimentar a nuestro algoritmo y que pueda, con la experiencia, poder discernir satisfactoriamente entre “fallo” y “ok” para eventos futuros no clasificados todavía.

Si tenemos muchas más muestras del estado “ok” que del estado “fallo” (como es habitual), el algoritmo tenderá a ponderar la clase dominante, no produciendo resultados satisfactorios (el estado “fallo” es el que queremos predecir). 

2º PROBLEMA: ¿CONOCEMOS TODOS LOS FALLOS POSIBLES?

Por otra parte, esta estructura de programación exige conocer todas las situaciones en las que aparece la clase “fallo”, siendo difícil predecir tal salida cuando no se haya producido tal fallo con anterioridad.

Así que, en líneas generales, los algoritmos de clasificación pueden tener un pobre rendimiento en estos escenarios.

¿QUÉ UTILIZAR ENTONCES?

Este tipo de problemas precisan de otro enfoque distinto: la Detección de Anomalías.

En la Detección de Anomalías,más conocido en su forma inglés, Anomaly Detection (todo en inglés suena mejor), se hace clara la idea de que para conocer cuando algo va mal, pueden darse dos enfoques: o conocer cuándo los parámetros indican que el evento de estudio va mal, o conocer cómo son los parámetros cuando el evento de estudio funciona bien.

La primera no es siempre accesible y de esta segunda forma, cuando los parámetros indiquen que el evento se sale de sus parámetros normales en condiciones óptimas, alertará, por tanto, de una anomalía.

Bastará, volviendo al caso de nuestra máquina industrial, con parametrizar los valores cuando ésta funcione correctamente y, estableciendo un rango adecuado móvil (que va aprendiendo con la experiencia), indicar una anomalía cuando estemos fuera de rango.

Dotar a este algoritmo con una nueva información verificando la correcta clasificación de eventos, podrá aumentar su precisión (por ejemplo, ampliando su rango de definición de eventos correctos).

5

UN PASITO MÁS HACIA LA INDUSTRIA 4.0

Aunque con este enfoque conseguimos suplir la sobre-representación de la clase dominante (algo que otros algoritmos como el SMOTE podría suplir), el verdadero poder de la detección de anomalías estriba en el hecho de que podremos predecir anomalías...

¡¡¡aún cuando nunca hayamos visto una!!! 

Esto lo hace idóneo para tareas de predicción basadas en el deterioro y el desgaste, como en las tareas de mantenimiento.

6

Actualmente, las máquinas de todas las industrias están generando datos, no paran de hablar.

Poco a poco, aumentan las herramientas para poder “escucharlas” y dejarlas por ejemplo, que nos indiquen si están bien o están mal, si necesitan un mantenimiento y en qué.

El algoritmo de Detección de Anomalías es un apoyo más para avanzar en la gestión eficientes de recursos y datos, y permite a las empresas obtener esa ventaja competitiva en costes, teniendo un buen posicionamiento en uno de los campos que más en auge está (y estará, acorde a informes de Gartner o Forrester): el Internet of Things (IoT).

Las empresas tratan de embarcarse en esta nueva ola de tecnología que son la Industria 4.0 y el aprovechamiento eficiente de los recursos, las cuales son claves para conseguirlo.

 

“No hay nada tan inútil como hacer con gran eficiencia algo, que no debería hacerse en absoluto”
Peter Drucker

Como hemos explicado en anteriores posts, controlar nuestros procesos a través de los datos que genera nuestro negocio es fundamental.

Debemos dedicar el tiempo necesario a la toma de decisiones y visualización de incidencias en tiempo real, más que a tratar, limpiar y conformar los datos de los que hablamos.

Ahora damos un pasito más allá y además de tener la visualización completa de nuestra cadena de suministro vemos que es necesario tener un panel con escenarios denominados “What If”.

 1

Análisis WHAT IF

Este método trata básicamente de formar escenarios precisos sobre un proceso, cuyo fin es el de generar una serie de preguntas que afecten directamente a ese proceso para definir una gama de probables consecuencias. Por ejemplo, si quiero aumentar mi facturación un X%, ¿qué productos debo colocar en primera línea de salida para conseguirlo?, debemos tener en cuenta las ventas, los proveedores, el stock, por lo que las preguntas nos llevan a jugar con varios factores.

Por lo tanto, podemos definir tendencias, desarrollar respuestas y evaluarlas, generar escenarios de error y de éxito, y a fin de cuentas “llevar nuestro negocio al límite” para ver con claridad las estrategias que debemos llevar a cabo.

De esta forma, el control que tenemos sobre nuestro negocio aumenta.

Identificar los riesgos existentes con los que trabajamos, como las entregas perfectas, proveedores con riesgo, roturas de stock, nos ayudan a explotar este escenario What If donde vamos a realizar las preguntas. Introducimos los factores de riesgo, o los porcentajes que queremos que varíen los indicadores macro del proceso y automáticamente vemos como el resto de variables e indicadores cambian para mostrarnos como sería nuestro proceso o nuestros resultados.

 

2

 

SIMULACIÓN DE ESCENARIOS CRÍTICOS

 Debemos partir de focalizarnos en un proceso en concreto, realizar un  braimstorming con el equipo adecuado o de forma individual para realizar todas las preguntas que se nos ocurran y consideremos interesantes para “probar” este proceso,  y empezar a “trastear” con nuestro simulador.

En la imagen anterior, contamos con campos como Producto, Precio, Precio de What If (el cual es el precio simulado), Volumen, Volumen simulado, Ingresos, Ingresos simulados, Margen, y  Margen simulado, además de los filtros temporales para concretar más las respuestas. Pues bien, cuando utilicemos cualquiera de las barras que nos facilitan introducir por ejemplo un aumento de precio de los productos, o el volumen, automáticamente toda la tabla cambiará sus valores para que veamos cómo afecta directamente este aumento. Lo mismo para disminuirlo, tanto en número como en porcentaje. Y nuestros coloridos indicadores macro nos mostrarán si ese cambio introducido por nosotros afecta a nuestro proceso positiva o negativamente.

 

Contacta con nosotros si estás interesado en realizar un escenario What If para tu negocio, o si te queda cualquier otra duda.

 

Controlar nuestra actividad y nuestros procesos es parte de nuestra tarea cotidiana en la gestión de nuestras empresas.

¿Cómo controlamos nuestros indicadores de actividad (KPI´s)?

logistica excel

 

Nuestra operativa:                                                                     

  • Exportar información seleccionada a Excel desde nuestro ERP/SGA/CRM. Una vez en Excel creamos nuestras fórmulas, tablas dinámicas, gráficos estáticos.
  • Utilizamos reports estáticos predefinidos de nuestros sistemas (consultas) los exportamos a Excel y los tratamos.

Problemas de un sistema de Reporting tradicional:

  • Tareas repetitivas.
  • Tiempo dedicado a extraer y transformar información.
  • No dedicamos tiempo a analizar la información en profundidad, nos quedamos en “grandes números”.
  • Reportamos en vez de proponer soluciones.

Nuestra propuesta de mejora para evitar todos estos tiempos de extracción y tratamiento de la información es automatizar este proceso.

¿Y qué hacemos con este tiempo que hemos ganado? ANALIZAR DATOS

¿Cómo podemos dar este salto en nuestras empresas? Mediante la utilización de una Torre de control de Datos.

Se trata de analizar la información de manera visual e intuitiva, las formas y los colores son percibidos por nuestros cerebros de una manera mucho más rápida que los números.

Beneficios de Torre de Control de Datos:

  • Extracción y tratamiento automatizado, nuestro tiempo se dedica a analizar el negocio.
  • Informes dinámicos, una selección en un gráfico cambiará automáticamente el resto de indicadores
  • Ej. Si selecciono un producto o un proveedor, los indicadores de facturación cambiarán automáticamente.
  • Procesos interrelacionados, no analizamos los procesos de forma independiente sino como una cadena, la Cadena de Suministro.

¿Quieres ver en funcionamiento una Torre de Control de Datos?

Torre de control de datos

Creemos que lo tenemos todo controlado.

Bueno, más bien, cumplimos el día a día y las adversidades a las que nos vamos enfrentando.

Pero eso no es todo, en algún momento nos hemos encontrado  que, de haber tenido las herramientas necesarias, podríamos haber evitado ciertas situaciones que a “mes vencido” aún nos están pasando factura. Mientras tanto, “esto es lo que tengo”.

Hablamos de soluciones Business Intelligence y pensamos en inversiones desorbitadas que no sabemos ciertamente qué beneficios cuantitativos van a traernos. No es un objeto físico, es un trampolín hacia la información afianzada y competitiva, y por supuesto, es el futuro.

1

UNA REALIDAD COMÚN

Después de conocer las preocupaciones de directores, responsables de logística, responsables de IT, operarios, etc, llegamos  a la conclusión de que tener el control de los datos es algo que todo el mundo quiere y aspira, pero creemos que va a llegarnos de un modo natural; y digo natural, porque nos conformamos con lo que tenemos, trabajamos duramente para sacar lo mejor de esto y damos prioridad de inversión a otras cosas que a priori creemos más importantes. Nos equivocamos.

Si tenemos el control con nuestras agendas, con nuestros smartphones, con nuestras aplicaciones personales financieras, nos enfadamos con las comisiones del banco y con esos céntimos que no nos devuelven en el supermercado, ¿por qué no priorizar el control de nuestro negocio?

SI PERO EN MI NEGOCIO... YA TENGO EL CONTROL

Muchas compañías explotan sus documentos Excel durante jornadas completas para tener una serie de gráficos que expliquen las decisiones que se deben tomar en ese mes/trimestre/etc. Parto desde mes, porque muy pocas consiguen tener los datos convertidos en información diaria. Con esto, es creencia extendida, que es suficiente para solventar las incidencias que puedan surgir, porque hablamos de esto, solventar, no prevenir.

 BUSSINES INTELLIGENCE Y SUPPLY CHAIN

control-2

 

Porque nos gusta tener el control de cada pequeño pasito que damos,vamos a focalizar las claves de Business Intelligence.

Centralizar, afinar y conectar los datos de todas las bases de datos y orígenes que puedan existir en nuestra compañía. Porque desconectados no nos dan una imagen DIARIA de cómo se encuentra.

Descubrir información no evidente y con la que no trabajamos porque nunca nos lo hemos planteado: Vitaminar nuestra Supply Chain y tener en nuestro poder indicadores que reaccionan con cada selección que hacemos.

Definición de un plan estratégico y monitorizarlo: Monitorizar las métricas y los objetivos establecidos, para detectar a tiempo cualquier tipo de desviación o cambio de decisión estratégica para corregirlas.

Comparación con el histórico: Podremos utilizar “esas cantidades de datos” que llevamos almacenando durante años y que en un momento dado utilizamos pero no hemos vuelto a trabajar.

Benchmarking: A través de los cuadros de mando podemos establecer indicadores base de nuestro sector que nos ayuden a compararnos, o bien con nosotros mismos hace X años, o bien con el resto de compañías de nuestro sector. Por lo que podemos posicionarnos y mejorar nuestra competitividad.

Simulaciones: No se trata de tener una varita mágica si no de entender a simple vista qué nos quieren decir los datos con los que trabajamos. Por ejemplo: podemos “sospechar” que algo nos ha ido mal este mes, en concreto en aprovisionamiento, y que siempre es con el mismo proveedor y la calidad de entrega, ¿qué pasaría si…..? Podemos realizar todo tipo de simulaciones que nos afinen esta toma de decisiones.

LEAN es una filosofía de organización empresarial basada en la optimización de procesos bajo un concepto de mejora continua. Empezó a aplicarse en el sector automoción con el objetivo de producir coches cada vez mejores y de menor coste.

BigDataLEAN


A nadie se le escapa que si se nos rompe la lavadora mientras está en funcionamiento tenemos un problema pero si se nos rompe el coche tenemos un accidente.

Los beneficios de esta forma de organización son tan evidentes que con el paso del tiempo se ha ido introduciendo en otros procesos industriales, con el objetivo de hacer las cosas de más calidad, evitando despilfarros innecesarios que no aportan valor al producto.

LEANPlanDoCheckAct 
En la actualidad el concepto LEAN se aplica para mejorar cualquier tipo de proceso, ya sea industrial, logístico, administrativo o comercial. En todos ellos podemos aplicar las herramientas LEAN, que están orientadas a la monitorización de los procesos de manera que podamos detectar ineficiencias y aplicar soluciones, en un círculo sin fin “Planificar, Hacer, Verificar y Actuar”. 

 


En esta monitorización de procesos es donde las herramientas para el análisis de datos “Big Data” pueden ayudarnos. Cada vez trabajamos con volúmenes de información más grandes, que provienen de múltiples fuentes o bases de datos (internas y externas).


Estas herramientas nos permiten procesar la información en tiempo real (no únicamente visualizarla) sino que mediante algoritmos predefinidos pueden avisarnos de lo que está a punto de ocurrir, aunque todavía no haya ocurrido.
Por ejemplo, pueden predecir la demanda de un determinado artículo para un periodo determinado, teniendo en cuenta factores internos como el histórico de nuestras ventas o factores externos, como por ejemplo la climatología prevista.
También pueden predecir cuándo un proceso se va a bloquear o cuándo una máquina va a fallar, analizando diversas variables que concurren en ese momento.

TorreControlDatos


¿Podríamos predecir qué equipo va a ganar la liga o qué candidato las elecciones?


Seguro que podríamos acercarnos, aunque lo importante no es saber lo que va a ocurrir sino disponer de información con suficiente antelación como para llegar al resultado deseado “Sin sorpresas”.


Pongo un par de ejemplos:
1) MoneyBall: Trailer de una película, basada en hechos reales, en la que un equipo de béisbol sin presupuesto consigue mantenerse entre los mejores gracias al análisis estadístico: https://www.youtube.com/watch?v=-4R3m4ybDz4

2) Predicción de la demanda en una cadena de farmacias gracias a la utilización de Big Data: https://www.youtube.com/watch?v=NW8MjxQbtfY

¿Quieres saber más acerca del LEAN? LEAN moda o NECESIDAD

Lugar de celebración: Edificio Central – Parque tecnológico de Álava

Ayer se celebró una de las jornadas de presentación de los casos de éxito más relevantes aplicados en empresas para las fases de preproducción, producción y postproducción donde LIS-Solutions participó en la fase de producción. 

logo

logos

Los objetivos de esta Jornada eran por una parte, poner al alcance de los asistentes conceptos y casos aplicados de empresas en el desarrollo de la Industria 4.0 en sus tres fases, y por otra, intercambiar experiencias y debatir sobre la realidad de las empresas participantes y los sectores en que operan.

LIS-Solutions - Industria 4.0: Monitorización de procesos de la cadena de suministro

Hemos participado 22 empresas con presentaciones de cinco minutos cada una, por lo que estas presentaciones han sido escuetas y concretas, donde el objetivo era la exposición de un caso de real de implantación de Industria 4.0 en una empresa.

Por nuestra parte hemos presentado el caso práctico que realizamos para VOIGT, el operador logístico especializado en el sector farmacéutico: Monitorización del proceso de la cadena de frío.

Tenéis disponible esta presentación, en el Escaparate Basque Industry 4.0 y Soluciones TEIC 4.0

BasqueIndustry40

Hoy en día, las organizaciones generan y recopilan una enorme cantidad de datos, muchas con el pretexto de llevar a cabo técnicas de tratamiento de estos mismos datos, a partir de los cuales obtener información y poder llevar a cabo acciones en su entorno. 

machine-learning

A su vez, en este momento, existen multitud de soluciones (muchas gratuitas) con las que implementar elaborados algoritmos de predicción, hasta ahora solo accesibles a profesionales con una alto conocimiento de estadística y computación. 

 ¿cuánto tardarías en programar, por ejemplo, una red neuronal con backpropagation, desde cero? ¿y aplicar un algoritmo de Random Forest?

 ¿cuánto tiempo llevaría diseñar un programa para aplicar herramientas de minería de textos y poder clasificar de forma automática un comentario en un foro como positivo, negativo o neutral?

Gracias a aplicaciones como Rapid Miner, Big ML,Knime,Neural Designer,Weka e incluso Matlab, R, Python, … estamos a pocos clicks de generar un algoritmo muy potente sin apenas tener conocimientos previos (ni siquiera de programación, puesto que muchas soluciones tienen un entorno muy intuitivo y cómodo).

¿POR QUÉ PAGAR A OTROS, CUANDO PUEDO PUEDO HACERLO YO?

robot-learning

Así pues y ante este escenario, ¿quién pagaría a alguien por hacer esto?

 ¿para qué destinar dinero para desarrollar un análisis predictivo a otra empresa si el becario de la oficina te hace una solución muy “apañá” en dos tardes?

 Quizás por eso, por la facilidad de acceder a tal número de herramientas, se hace más visible que nunca la necesidad de “entender” el proceso. Ahora que cualquiera puede hacerlo, serán aquellos quienes posean el conocimiento teórico los que obtendrán la ventaja competitiva.

 LA NECESIDAD DEL EXPERTO

 Ya la capacidad de programación no será una barrera para la implantación de soluciones analíticas predictivas, pero sin establecer un criterio, sin entender cuándo y por qué utilizar los diferentes tipos de soluciones disponibles, no entenderemos por qué hicimos lo que hicimos y qué podemos hacer para mejorarlo.

¿Has tenido en cuenta el equilibrio sesgo/varianza? ¿y el error de entrenamieto/ error de test? ¿por qué inicializamos pesos de forma aleatoria cercanos a 0 en una red neuronal? ¿podemos usar el error out-of-bag como estimación del error de test? ¿entiendes por qué emplear validación cruzada anidada en la selección de modelos? ¿qué son las curvas ROC? ¿usas el coeficiente de correlación de Mathew? ¿por qué el recocido simulado nos permite salir de mínimos locales? ¿por qué es útil la metaheurística en problemas de optimización combinatoria?

big-data

 

EN RESUMEN 

Ahora que la tecnología ha “democratizado” la accesibilidad de todos a la minería de datos y al Machine Learning (incluso en entornos de Big Data), podemos gestionar y analizar enormes cantidades de información, de una variedad enorme, para tratar de encontrar “la aguja en el pajar”, y es en el conocimiento donde obtenemos las ventajas competitivas respecto al resto. Y las ventajas, tanto ahora como antes, se pagan.

 

“Un hombre lleva su coche al taller. Después de estar un rato mirando, el mecánico finalmente coge su llave inglesa, gira una tuerca y exclama:     

- Ya está. Son 300 €.

El hombre, sorprendido, protesta:

            -¿300 € por girar una simple tuerca?

           -No hombre no- responde el mecánico – por el trabajo y el giro de tuerca te cobro 1€.

 Y después añade:

            -los otros 299 € te los cobro por saber qué tuerca girar”.

 

 

 

 

 

Venimos del post anterior, http://www.lis-solutions.es/blog-logistica/2-cadena-de-suministro/industria-4-0-primera-aproximacion-que-es-y-que-tipo-de-empresas-lo-utilizan.html , donde describimos un poco más a fondo el concepto de Industria 4.0 y sus aplicaciones en las grandes corporaciones.

Con todo esto, donde nos interesa profundizar es en el Big Data.

Necesitamos el Big Data para nuestro negocio.

Nuestro negocio genera datos que tratamos “Como podemos”. Por lo que en lugar de utilizar Big Data, utilizamos la tecnología que prácticamente todas las empresas que tienen una Supply Chain desarrollada y un sistema logístico utilizan: la tecnología “Como podemos” (complementada con tecnologías “Con lo que tenemos”);  por lo que actualmente y siendo totalmente sinceros analizamos datos “Como podemos” y “Con lo que tenemos”.

Pues bien, ¡Esto debe cambiar!

No se trata de volvernos locos creando un departamento de análisis de datos y llevando el concepto Big Data por bandera, simplemente plantearnos, que ya está bien de tantas horas delante del Excel, de tantos informes por los que no ponemos la mano en el fuego, y tantas decisiones que nos llevan horas tomarlas porque no lo “vemos claro”. Échale un vistazo al siguiente post:  http://www.lis-solutions.es/blog-logistica/9-gestion-de-datos/uso-de-los-datos-tomamos-decisiones-o-justificamos-decisiones.html

 Si quieres que tu empresa crezca contigo, adáptala y compleméntala con nuevas tecnologías (sistemas de Business Intelligence para monitorizar la actividad de tu negocio en tiempo real).

Report-Landing-Page-Main-Image-Big-Data

No se trata de dejarlo todo a un lado y empezar de cero, se trata de obtener beneficios mejorando nuestros procesos, resolviendo problemas antes incluso de que sucedan (alarmas), y teniendo una visión de lo que ocurre en nuestro negocio en tiempo real.

Debemos pasar de las tecnologías Como Podemos y empezar a utilizar lo que Industria 4.0, Big Data y Business Intelligence nos proporciona: CLARIDAD y SIMPLIFICACIÓN.

Vamos a darle otro enfoque a este tema que está tan de moda y entrar un poco más en faena.

La definición  “oficial” de este nuevo y revolucionario concepto, se refiere a la cuarta revolución industrial, que consiste en la introducción de las tecnologías digitales en la industria, pero… ¿estas tecnologías son accesibles y útiles para mi negocio?

Repasemos los campos que engloba Industria 4.0:

  • Impresoras 3D: Aunque hayamos visto alguna que otra, no estamos seguros de qué puede aportar una impresora 3D a nuestro negocio si no nos dedicamos a algo muy concreto. Por ejemplo Nike, fabricó mediante impresoras 3D los tacos de las botas de los jugadores de la Super Bowl 2014. Es decir, algo que debamos automatizar para hacer grandes producciones.
  • Robótica colaborativa: Con Industria 4.0 llega la era del “cobot”, el robot que colabora con el hombre para solventar las necesidades de flexibilidad y costes para las pymes. De esta forma se ha desarrollado una nueva familia de autómatas que se definen por su completa interacción con los seres humanos dentro de las cadenas productivas. La planta de producción de BMW en Carolina del Sur (EEUU) utiliza esta tecnología.
  • Internet de las cosas: Se refiere a una red de objetos cotidianos interconectados. Cabe pensar su beneficio en las grandes ciudades donde se reportan todo tipo de datos, del tiempo, humedad, personas que caminan por ciertas zonas, contaminación, etc. En la ciudad de Santander (Cantabria),se han colocado dispositivos de toma de datos por toda la ciudad para reportar todo tipo de datos: aparcamiento en superficie, sistemas de riego inteligente, unformación medioambiental, control lumínico…)
  • Realidad aumentada: Utilizamos este término para definir una visión a través de un dispositivo tecnológico, enriqueciendo la experiencia visual y mejorando la calidad de la comunicación. Se utiliza sobretodo en educación.
  • Sistemas ciberfísicos: Tienen la capacidad de relacionarse con los objetos físicos para monitorizar y/o controlar la información disponible del mundo virtual, siendo posible aprender y evolucionar con ellos.

evolucion Industria 4.0

*Imagen extraída de la página web de Ministerio de Industria, Energía y Turismo

 

Ya que has llegado hasta aquí, denota que realmente tienes interés en este tema, por lo que la continuación de este post se realiza en el siguiente:  Industria 4.0 La tecnología del siglo XXI: "Como podemos".

¡Ánimo, estas a un paso de entender qué concepto es aplicable a tu negocio!

Página 5 de 9