Mejora continua

Mejora continua (10)

Martes, 09 Agosto 2016 07:41

ATERRIZANDO LA REVOLUCIÓN 4.0…(II parte)

Escrito por

... LOS ÁRBOLES DE DECISIÓN

Si hay unos modelos usados en analítica que son efectivos en el campo del aprendizaje supervisado, y a la vez intuitivos (especialmente en los escenarios de clasificación) son sin duda los árboles de decisión.

Todos pueden entender el enfoque teórico que hay detrás de un árbol de decisión, porque es el mismo esquema que seguimos para clasificar aquello que nos rodea: blanco y en botella, leche.

1

 

¿CÓMO FUNCIONAN?

Los árboles de decisión realizan la división de sus ramas ("esto es o puede ser una manzana"; "esto definitivamente no es una manzana") en función de la información que proporcionen los atributos disponibles.

Básicamente consiste en, a la hora de hacer una división, escoger aquel atributo menos homogéneo de todos: Si todos nuestros ejemplos son frutas, el atributo “fruta” no será escogido como método de discriminación (no habría ningún descarte). Para evitar lo contrario, es decir, que seleccionemos como atributo clasificatorio aquel que es distinto en todas las muestras (y obtener un árbol con una rama por cada muestra) realizamos el ratio de ganancia, donde también se tiene en cuenta el número de opciones que tiene el atributo.

Como en todo modelo, debemos buscar el equilibrio entre sesgo y varianza, para poder utilizarlo para muestras futuras aun no clasificadas (esto se consigue con una técnica denominada, acorde con todo lo anterior, poda de las ramas).

¿PRECISIÓN O INTERPRETABILIDAD?

Pero no todo iba a ser ventajas. Los árboles de decisión tienen, por el contrario, la limitación que su estructura otorga a la hora de clasificar (limitación que, por ejemplo, podríamos suplir con las redes neuronales). Así pues, estará en la decisión del analista lidiar con otro tipo de equilibrio: ¿precisión o interpretabilidad?
Aquí entrarán en juego otros factores, como el grado de conocimiento en analítica del usuario de la solución: si prefiere una herramienta capaz de otorgar una gran precisión en su desempeño (aunque su interpretabilidad sea parecida a una “caja negra mágica”) o quiere algo que pueda entender, aun a riesgo de perder precisión.

23

Clasificación realizada por un árbol de decisión

Para no quedar de agoreros, y contrario a lo que pueda parecer por su simpleza, los árboles de decisión se han resuelto como unas herramientas con mejor desempeño en la práctica, lo que unido a su fácil comprensión los convierten en una de las soluciones más frecuentemente usadas.

¿CÓMO APLICAR ESTO A MI EMPRESA?

Se han aplicado en multitud de campos, con lo que seguro puede amoldarse al caso de su empresa. Basta con plantear adecuadamente el problema. Sea por ejemplo:

  • Determinar si un cliente podrá o no hacer cargo de un préstamo en función de sus características y el histórico de clientes.
  • Evaluar el lanzamiento de una marca en un nuevo mercado en función de experiencias pasadas.
  • Optimizar el uso eficiente de habitaciones de hospital en función de los atributos de los pacientes.
  • Definir la estrategia de marketing en una zona geográfica concreta.


Los atributos no tienen por qué ser discretos, escogiéndose el punto medio de los atributos continuos como punto de división.
Muchas son las áreas en la toma de decisiones que se pueden beneficiar al usar estos árboles, los cuales ayudan en la resolución de problemas claves. Y las empresas, si necesitan algo, son soluciones.


4

  

The possible solutions to given problem emerge as the leaves of a tree, each node representing a point of deliberation and decision”. - Niklaus Wirth.

 

Martes, 26 Julio 2016 07:39

ATERRIZANDO LA REVOLUCIÓN 4.0…

Escrito por

... LAS REDES NEURONALES ARTIFICIALES

Continuando con nuestro esfuerzo por acercar a un plano más sencillo y práctico aquellos conceptos que son claves en el escenario de la Industria 4.0, hoy presentamos una de las principales herramientas analíticas, paradigma de Machine Learning: las redes neuronales artificiales (conocidas por sus siglas en inglés ANN).

1

 

Una ANN no es más que una réplica de lo que podría ser un cerebro humano: una serie de neuronas (centros de procesamiento y memoria) interconectadas entre sí, de tal forma que los datos fluyen desde la capa de entrada a la capa de salida (donde obtenemos el output que queremos conseguir), pasando al menos por una capa oculta.

La forma en que se relacionan estas entradas y salidas puede ser más o menos obvia (desde una regresión lineal a una relación no lineal como una función sigmoidal), pero la clave es la ponderación (siguiendo con el símil cerebral, los pesos sinápticos) que se le da a las distintas entradas.

PARADIGMA DE INTELIGENCIA ARTIFICIAL

Aquí se hace más patente que en ninguna otra herramienta aquello de que los sistemas “aprenden” con el tiempo y la experiencia ya que, observando el desempeño de la ANN mediante una función coste, evaluamos el error entre la salida obtenida y la salida que queríamos haber obtenido y, resumiendo, modificamos los pesos sinápticos para reducir tal error, gracias a un algoritmo automatizado llamado propagación hacia atrás (personalmente, lo más fascinante de las ANN).

Es verdad que perdemos comprensión a la hora de saber cómo las entradas influyen en la salida, pero la precisión que se obtiene en estas herramientas hace que se compense dicha pérdida.

¿CÓMO IMPLEMENTO LAS ANN DE MI EMPRESA?

A partir de aquí, las oportunidades de las ANN son inmensas, pudiéndose agrupar en :2

1) Aproximación de funciones: ya que, aunque se usen nombres vertiginosos para los no expertos (neuronas, pesos sinápticos) no es más que el campo de optimización de funciones, en este caso de una función coste. Algo idéntico a lo que una regresión lineal simple hace sobre la función error.


2) Predicción de series temporales: no deja de ser un tipo especial de aproximación de funciones, en el que el estado actual i es función del estado anterior i-1.

3) Clasificación: quizá el uso más extendido de las ANN, en donde son usadas para categorizar a una muestra en una de las serie de clases ya definidas que más se adecúan a sus variables, e.g categorizar a un tumor si es benigno o maligno, si un correo es spam o no, si la imagen analizada es un coche, un árbol, un gatito…

4) Agrupamiento: Un tipo de clasificación, en el cual no se conocen las categorías de antemano (entramos en el campo del aprendizaje no supervisado). Las muestras serán agrupadas en función de unas característica de entrada, ponderando de sobremanera aquellas que sean “geográficamente” más cercanas entre sí.

EN RESUMEN

Las ANN son una de las herramientas más poderosas dentro del Análisis predictivo y la Inteligencia Artificial, y los procesos industriales son escenario idóneos para “exprimir” al máximo estos cerebros artificiales. Si las máquinas son el músculo de la Industria 4.0, las ANN tienen que ser, sin duda, la cabeza.3

 

 

 

El cerebro es básicamente un ordenador y la conciencia un programa. En teoría, podría ser recreado en una red neuronal”. - Stephen Hawking.

 

Viernes, 20 Mayo 2016 09:19

Big Data en entorno LEAN

Escrito por

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

Lunes, 21 Marzo 2016 10:19

LEAN ¿Moda o Necesidad?

Escrito por

El concepto LEAN parece haberse puesto de moda en los últimos años. Oímos hablar de LEAN MANUFACTURING, LEAN MANAGEMENT, LEAN ACCOUNTING, LEAN LOGISTICS, LEAN IT,LEAN STARTUP, pero en realidad no sabemos si esto va con nosotros o únicamente es un sistema de gestión que utilizan las grandes multinacionales.

¿Qué es LEAN?

Ciertamente este concepto se empezó a aplicar en el sector de la automoción a principios del siglo XX, con el objetivo de mejorar la productividad mediante la optimización de procesos, eliminando todo aquello que no aporta valor al producto.

¿Mejorar la productividad es producir más?

No, mejorar la productividad es producir lo que se necesita, al mínimo coste posible y sin errores ni despilfarros.

¿Mejorar la productividad es reducir los salarios de los trabajadores?

No, mejorar la productividad es orientar a todos los trabajadores hacia la mejora continua, aprovechando el conocimiento de cada uno, retroalimentándolo con la experiencia adquirida por todo el equipo.

Para ello hay que empoderar a los trabajadores con el conocimiento de los procesos que gestionan, incrementando su autonomía, para lo cual es necesario dotarlos de Formación e Información.

LEAN

¿El concepto LEAN es aplicable únicamente a los procesos productivos?

Evidentemente NO. Es un modelo de gestión por procesos que puede aplicarse de manera transversal a toda la compañía, independientemente de la actividad que desarrolle, ya sea industrial o de servicios, o de si se trata una gran empresa o una pyme.

Puede aplicarse a cualquier tipo de proceso:

- Productivo
- Logístico
- De Compras
- Administrativo
- Comercial
- Informático

Hasta hace algunos años tan sólo las grandes empresas disponían de Sistemas de Información que les permitían medir sus procesos, pero en la actualidad esas herramientas se han democratizado, siendo asequibles para la mayoría de las compañías.

flujo LEAN   LEAN Intelligence

“Lo que no se mide no se puede mejorar”

Miércoles, 07 Octubre 2015 10:27

¿Nos olvidamos ya del Excel?

Escrito por

Buenos días a todos los sufridores del Excel.

Sí. Parece ser que ya ha llegado el momento de hablar mal del Excel.

Hablaremos mal, como cuando recordamos la primera moto que tuvimos o el primer Spectrum. Es decir, con cariño diremos que nos hizo un buen servicio, mientras pudo...

Quienes crecimos con Lotus 123 y pasamos a Excel y a sus tablas dinámicas, fórmulas complejas y solvers... ahora nos toca dar un nuevo paso.

Lotus-123-3.0-dos

Nos toca poder ver más, pero sobre todo toca poder ver antes y mejor.

Pues amigos de Excel, igual que nuestro Spectrum no podía cargar discos de 3 ½, Excel no puede hacernos ver nuestro negocio, ni mejor, ni antes que las herramientas de Business Intelligence y Minería de Datos que hay en el mercado.

E igualmente que cuando compramos nuestro primer PC o montamos en nuestro primer coche, la experiencia de envolvernos en el mundo del Big Data lo tenemos que hacer solos. ¿O es que permitiríamos a nuestros amigos que nos llevaran de viaje en nuestro coche nuevo?

Pues con los datos igual. El negocio es nuestro y los datos que manejamos en él también, por eso deben ser los propios " propietarios" del negocio quienes exploten todas las informaciones que puedan encontrar en él.

envio + bbdd
Desde los departamentos de informática o desde consultoras externas os podemos ayudar a entender la herramienta y hacerla vuestra, pero el futuro de estas herramientas es tan prometedor que en breve seréis vosotros mismos los que veréis más, mejor y sobre todo ... ¡Antes!

¿Os imagináis poder prever el futuro de vuestros negocios?

¿O crear de manera sencilla y hasta divertida los escenarios what if (qué pasa si...) que os dieran respuestas inmediatas para ayudaros en la toma de decisión?

what-if-analysis


Estas nuevas herramientas permiten vincular todos los procesos (del pedido al cobro y más allá) para poder ver la influencia de nuestras acciones en los departamentos de los demás y por supuesto los de los demás en el nuestro.

¿O es que no hemos soñado nunca el poder rebatir en una reunión una afirmación contra nuestro departamento sobre algo que sabemos que no es cierto, pero no podemos confirmarlo con datos?

¿Os imagináis ir a una reunión preparados con un "Google" que lo sabe todo sobre lo que está ocurriendo en nuestros negocios?

Business-Solutions
¿Se imagina un Director General reuniones de Consejo, dónde todos tengan las mismas fuentes de información, y dónde no se especule ni se estime, sino que se hable con propiedad y con datos que corroboren o desmientan una intuición?

Amigos de Excel, ¡¡¡con estas herramientas seremos invencibles!!!... Bueno... no. Pero al igual que tras nuestro paso al Excel o el paso de nuestra vieja moto a nuestro flamante nuevo Seat Málaga, daremos un salto cualitativo en nuestras carreras y sin duda disfrutaremos más en la gestión de nuestros negocios.

¿Os apetece probar? http://www.lis-solutions.es/contacta-con-nosotros.html

 

Martes, 15 Septiembre 2015 09:09

Creando valor en la relación con sus clientes.

Escrito por

Lo más cotidiano cuando hablamos de BI (Business Intelligence) dentro de una gran empresa, es centrarnos en los objetivos que nos van a proporcionar a través de los datos, una mejor toma de decisiones apoyándonos en ellos. Es en estos casos cuando hablamos de cuadros de mando para la logística o cualquier otro proceso de la cadena de suministro utilizando las dimensiones típicas que seguro os suenan: tiempo, cantidades, productos, regiones geográficas, canales de venta, proveedores y un largo etcétera.


Las herramientas desarrolladas específicamente para este análisis de datos, permiten a los usuarios independizarse de la estructura física de los mismos, facilitando la construcción de consultas en forma dinámica sin tener que preocuparse de “lo que se esconde detrás”.


En este caso queremos ir un pasito más allá y abrir un pequeño debate sobre lo siguiente: Nosotros como analistas de datos estamos acostumbrados a crear estos cuadros de mando en base a nuestro conocimiento como programadores y logísticos pero, ¿por qué no utilizar esta información para crear en vuestros clientes finales un valor añadido que no pueda darles el resto? Es decir, utilizar esta información no solo para gestionar y optimizar el servicio que proporcionamos a nuestros clientes, sino que de una forma clara y visual, puedan ver exactamente por qué les estamos dando el mejor servicio.

oferta mejora continua

 

Competimos en un mercado muy activo

Cada día son más las empresas que se ven obligadas a “competir” para ofrecer sus servicios de almacenamiento, aprovisionamiento y reparto de productos de una forma profesional, puntual y económica, por lo que es totalmente necesaria una herramienta que las diferencie del resto y proporcione una evaluación de cada una de estas fases para ser totalmente transparentes en su modus operandi como compañía proveedora.


¿Creéis entonces que BI puede ayudarnos no sólo a tomar las mejores decisiones, sino para clasificarnos por encima de nuestros competidores en todo momento ofreciéndoles a nuestros clientes unos indicadores que nos conectan directamente proceso-evaluación?

demanda mejora continua

Espero vuestras opiniones, ¡que tengáis un buen día!

cpfr

Vitoria/Ulm, 21 de octubre del 2013.- “Open Data” persigue que los datos estén disponibles de forma libre a todo el mundo, sin restricciones de copyright, patentes u otros mecanismos de control. Tiene un procedimiento similar a otros movimientos y comunidades abiertos como el Software libre, el código abierto (open source) y el acceso libre (open access). Desde hace varios años, “Open Data” en logística se identifica con: “Collaborative Planning Forecasting and Replenishmet” (CPFR). Traducción literal: “Planificación colaborativa, previsión y reposición”.