Aprende en Comunidad
Avalados por :
Optimización de Proveedores con Algoritmos de Aprendizaje Automático en SAP S/4HANA
- Creado 01/03/2024
- Modificado 01/03/2024
- 8 Vistas
0
Cargando...
Antecedentes:
Última semana, estaba dando una demostración al cliente sobre “Segmentación y evaluación de proveedores” en el área de adquisiciones y abastecimiento en SAP S/4HANA (local). Mientras explicaba la función recientemente introducida de categorías de compra a través de la aplicación SAP FIORI "Administrar categorías de compra" , el cliente planteó una pregunta muy válida.
Pregunta del cliente: Tenemos una base de proveedores de 1 millón y algunos de ellos están inactivos desde hace meses, la mayoría de ellos participan en transacciones de bajo valor comercial, etc. Realmente no sabemos cómo agrupar a los proveedores en función de los datos de facturación disponibles. Con el ancho de banda limitado del equipo de TI, no podemos realizar la clasificación de los 1 millón de proveedores.
Esta pregunta me motivó a realizar una POC (prueba de concepto) para agrupar proveedores en función de los datos de facturación disponibles con la ayuda de un algoritmo de aprendizaje automático no supervisado. No tiene mucho sentido crear categorías de compra y realizar la evaluación de proveedores en todos los proveedores. Esta POC es un mecanismo adicional para filtrar proveedores no estratégicos antes de la clasificación y evaluación real de proveedores.
La idea es mostrar al cliente que utilizando un algoritmo de aprendizaje automático no supervisado, los proveedores pueden ser evaluados y la evaluación de proveedores puede realizarse en un número menor de proveedores estratégicos para ahorrar tiempo y esfuerzo al departamento de compras.
Para llevar a cabo esta POC, he escrito código Python con el algoritmo ML KMeans para realizar la agrupación de proveedores antes de la fase real de clasificación y segmentación de proveedores. La codificación se realiza en el cuaderno Jupyter y para comprender esta POC no es absolutamente necesario entender el código Python. He agregado un fragmento de código para los profesionales técnicos. Se ha agregado un fragmento de código opcional en cada paso en la sección “Ejecución de la POC”.
Objetivo:
El objetivo de esta POC es filtrar proveedores basados en los parámetros RFM (Recencia, Frecuencia, Valor Monetario) antes de realizar la clasificación real de proveedores. Es el primer nivel básico de refinamiento antes de crear categorías de compra en el sistema SAP S/4HANA (local). A continuación se detallan más detalles de la metodología RFM.
- R (Recencia): Número de días desde la última factura emitida por el proveedor para verificar cuánto tiempo lleva inactivo el proveedor.
Por ejemplo: ¿Qué tan reciente ha suministrado el proveedor el material - 50 días?
- F (Frecuencia): Número de transacciones por proveedor en un período de tiempo determinado.
Por ejemplo: ¿Con qué frecuencia se realiza la adquisición con el proveedor - 100 facturas emitidas en el período dado?
- M (Valor Monetario) - Cuánta adquisición se ha realizado con el proveedor en $
Por ejemplo: Total de $100 de facturas emitidas por el proveedor realizadas en el período dado.
Valor Comercial:
-
- Reducir la carga de trabajo del equipo de evaluación y selección de proveedores, ya que obtenemos una lista refinada de proveedores estratégicos después del ejercicio.
- Identificar proveedores estratégicamente importantes que se encuentran en el grupo de alto RFM. Proveedor con transacciones monetarias recientes y de alto valor.
- Mejorar la precisión de la puntuación y evaluación de proveedores.
Ejecución de la POC:
Este problema es un claro candidato para un caso de uso de aprendizaje automático no supervisado, ya que la Salida/Etiqueta no está predefinida y se espera que agrupemos proveedores utilizando un algoritmo de aprendizaje automático.
Pedro Pascal
Se unió el 07/03/2018
Facebook
Twitter
Pinterest
Telegram
Linkedin
Whatsapp
Sin respuestas
No hay respuestas para mostrar
Se el primero en responder
contacto@primeinstitute.com
(+51) 1641 9379
(+57) 1489 6964
© 2024 Copyright. Todos los derechos reservados.
Desarrollado por Prime Institute
Hola ¿Puedo ayudarte?