Interview with Khanh Pham, Head of Data Science at Inspectorio

La resistencia y la reputación son extremadamente importantes en el entorno comercial actual, y ambas dependen de su capacidad para mantener la calidad del producto independientemente del tamaño y la complejidad de su cadena de suministro.

Como persona encargada de garantizar la calidad del producto, administrar una cadena de suministro global de más de 1000 proveedores y fábricas presenta un desafío. Y al abordar los problemas de calidad del producto, los métodos de control de calidad convencionales pueden convertir rápidamente una situación precaria en una completa lucha contra incendios.

Los problemas que podrían haberse detectado al principio del proceso de producción se convierten en defectos del producto. Si estos llegan al cliente final, el resultado son capas de repercusiones financieras y de reputación.

Sin embargo, sin una forma de ver el riesgo de calidad en tiempo real de cada fábrica en su cadena de suministro, no es posible saber realmente dónde reside el riesgo.

Cualquier intento de prevenir una situación de este tipo requerirá una vigilancia, informes y gastos importantes y puede tardar varias semanas en completarse, momento en el que el daño ya está hecho.

Para evitar esto, su equipo debe trabajar con la ciencia de datos para evitar defectos de calidad desde la raíz.

Garantizar la calidad en un gran número de proveedores requiere un alto nivel de visibilidad, métricas y eficiencia. La ciencia de datos con una plataforma de red digital le proporciona los tres en una escala sin precedentes.

De repente, la tarea de analizar el riesgo se delega en un robusto software de aprendizaje automático e inteligencia artificial, lo que le proporciona una supervisión de riesgos de calidad totalmente autónoma, 24 horas al día, 7 días a la semana.

La estrategia y el presupuesto se vuelven más claros y predecibles. Puede lograr un mejor control de calidad que nunca con menos dinero y tiempo.

A continuación, hablamos con Khanh Pham, director de ciencia de datos de Inspectorio, para comprender cómo ayuda a los clientes de Inspectorio a automatizar sus programas de calidad y mitigar el riesgo, mejorando drásticamente la eficiencia operativa y la calidad del producto.

Antecedentes de Khanh

Aprender matemáticas siempre fue “como resolver un rompecabezas” para Khanh. Desde la primera infancia hasta su carrera universitaria y doctorado. en Ingeniería Informática, las matemáticas han sido una de las mayores fortalezas de Khanh.

Cómo utilizar la ciencia de datos para predecir el riesgo de calidad KHANH 04 scaled
Khanh Pham, director de ciencia de datos de Inspectorio

Hace años, aportó sus capacidades a Inspectorio, liderando el desarrollo de la tecnología de aprendizaje automático de Inspectorio.

Los beneficios de la tecnología y el aprendizaje automático están penetrando en la industria del control de calidad, y Khanh ha estado a la vanguardia en ayudar a las marcas y minoristas más importantes del mundo a construir un programa de calidad autónomo basado en riesgos.

Khanh ahora explica el impacto que la ciencia de datos y el aprendizaje automático están teniendo y seguirán teniendo en la industria del control de calidad.

P: ¿Qué es la ciencia de datos para usted?

Khanh: “La ciencia de datos es tanto un arte como una ciencia. Lo usamos para extraer significado de los datos y proporcionar información valiosa que ayude a las personas a tomar mejores decisiones.

Proporcionamos tres niveles de información: descriptiva (que cuenta lo que sucedió en el pasado), predictiva (que aprende de patrones pasados para pronosticar lo que puede suceder en el futuro) y prescriptiva (que brinda consejos y recomendaciones) “.

Cómo utilizar la ciencia de datos para predecir el riesgo de calidad Untitled 3 GraphicsBlogInterviewKhanhPham Opt1

P: ¿Cuál es la función del equipo de ciencia de datos en Inspectorio?

Khanh: “El objetivo de Inspectorio es proporcionar un sistema autónomo que haga que la gestión de la calidad sea más eficiente, eficaz y precisa; el equipo de ciencia de datos está a la vanguardia del uso del aprendizaje automático para lograr este objetivo para nuestros clientes, que incluyen las marcas más importantes. y minoristas en el mundo, así como sus proveedores “.

Cómo utilizar la ciencia de datos para predecir el riesgo de calidad webfotos22

P: ¿Cómo utiliza Inspectorio la ciencia de datos para mejorar la calidad del producto?

Khanh: “Nuestra Predicción de riesgos de fábrica y nuestro Recomendador de defectos son buenos ejemplos de cómo ayudamos a las marcas y los minoristas a mejorar la calidad del producto con las últimas tecnologías.

Cómo utilizar la ciencia de datos para predecir el riesgo de calidad Sight Risk Prediction Analytics B e1626343250597

Comencemos explicando la predicción de riesgo de fábrica. Hay varios factores que componen un modelo estadístico de riesgo de fábrica: tasa de fallas de inspección, tasa de fallas de defectos, tasa de fallas a lo largo del tiempo, etc. Consideramos muchos factores diferentes para desarrollar una imagen integral del riesgo de fábrica como ninguna otra empresa de tecnología en La industria.

Nuestro modelo de predicción de riesgos de fábrica es dinámico y puede cambiar con el tiempo con cada nueva inspección, porque el rendimiento de la fábrica puede cambiar con el tiempo. Cada pieza de datos entrantes se utiliza en nuestro modelo para predecir el riesgo de fábrica para un patrón más objetivo y basado en datos.

Esto permite a nuestros clientes tener visibilidad en tiempo real sobre el desempeño de sus fábricas y, en última instancia, tomar decisiones comerciales actualizadas para mantenerse al día con la industria y la competencia.

Cómo utilizar la ciencia de datos para predecir el riesgo de calidad 2 300x188 A continuación, tenemos nuestro Recomendador de defectos, que nos permite aprender de los datos históricos de la fábrica. Evaluamos qué defectos han ocurrido en el pasado para fábricas similares y productos similares. A medida que llega cada nueva inspección, podemos usar esos datos históricos para recomendar qué defectos futuros podrían ocurrir. Esto les brinda a nuestros clientes información sobre dónde buscar problemas potenciales y mitigar el riesgo de manera proactiva.

También estamos desarrollando una predicción de riesgo de producto, que tiene en cuenta el riesgo en función de un conjunto integral de entradas del rendimiento histórico de productos similares, como resultados de pruebas de laboratorio, materias primas, descripción del producto y complejidad. Este es el siguiente paso para seguir desarrollando nuestras automatizaciones y predicción de riesgos. Estamos trabajando hacia esta visión para servir mejor a nuestros clientes en su viaje hacia la automatización completa de la cadena de suministro “.

P: ¿Cómo ayuda Inspectorio a las marcas y minoristas globales a habilitar programas de calidad automatizados basados ​​en riesgos?

Khanh: “La primera es una mejor toma de decisiones. Con una evaluación más clara de las fábricas y los productos, las marcas y los minoristas están optimizando la eficiencia de sus programas de gestión de la calidad. Pueden enfocar su atención y recursos en áreas de alto riesgo para prevenir defectos y aumentar el rendimiento de las fábricas.

En segundo lugar, cuando tienen la evaluación correcta de las áreas de bajo riesgo, pueden reducir los recursos consumidos por esas áreas. Esto ayuda a ahorrar costos y hacer que el monitoreo sea más efectivo y eficiente “.

P: ¿Cuál es la visión de las capacidades de aprendizaje automático de Inspectorio para los próximos 5 años?

Khanh:

“La visión principal de nuestra empresa es construir una plataforma de desempeño colaborativo para la calidad y el cumplimiento. Estamos creando una plataforma de gestión del rendimiento de un extremo a otro realmente única que ayuda a las marcas, los minoristas y los proveedores a desempeñarse mejor y a colaborar mejor.

Podemos orientar a nuestros usuarios sobre los tipos de acciones que deben realizar y las áreas a las que deben prestar atención. Los beneficios son inmensos y muchos de nuestros clientes ya los están experimentando ”.

P: ¿Qué recomendaría a las marcas y minoristas que estén considerando implementar un programa de calidad basado en el riesgo?

Khanh: “Recuerda que es un viaje. Pasar del proceso de visualización al nivel descriptivo, al nivel predictivo, al nivel prescriptivo lleva tiempo. Si esa es su visión, deben recordar que es paso a paso.

Sin embargo, esta transformación es un buen cambio y un viaje que trae muchas recompensas a corto y largo plazo. Es hacia donde va toda la industria, y las marcas y los minoristas lo necesitan para mantener una ventaja competitiva “.

P: ¿Qué deben tener en cuenta las marcas y los minoristas al seleccionar un socio tecnológico?

Pham: “Si quieren estandarizar y optimizar sus operaciones de calidad con aprendizaje automático y automatización, deben trabajar con socios tecnológicos que tengan la experiencia adecuada en ciencia de datos para ofrecer los beneficios que este tipo de tecnología puede brindar.

Target honra a Inspectorio como el mejor socio tecnológico

Cómo utilizar la ciencia de datos para predecir el riesgo de calidad Screen Shot 2021 07 13 at 5
Read more

Como mencioné anteriormente, habilitar un programa de calidad automatizado basado en riesgos es un viaje: las marcas y los minoristas deben elegir un socio que trabajará con ellos durante todo el recorrido “.

La ciencia de datos de Inspectorio lidera la industria

En Inspectorio, nuestros productos utilizan el aprendizaje automático para crear programas de calidad automatizados para las marcas y minoristas más importantes del mundo. Si su empresa tiene una cadena de suministro global, Inspectorio puede ayudarlo a:

  • Habilite un programa de evaluación de riesgos basado en datos
  • Automatice este programa de evaluación de riesgos
  • Operar en línea con las empresas más innovadoras de la industria
  • Sea más resistente a las interrupciones
  • Identifique y mitigue fácilmente el riesgo potencial
  • Mejorar la eficiencia operativa

Sobre el entrevistado

Inspectorio - Khanh Pham   Cómo utilizar la ciencia de datos para predecir el riesgo de calidad Khanh Pham 150x150

Khanh Pham
Jefe de ciencia de datos en Inspectorio
LinkedIn

Habla con nosotros