Previsión de la demanda con IA: caso de éxito Saint-Gobain Sekurit

Saint-Gobain Sekurit, la división de vidrio de reemplazo para automóviles del grupo multinacional Saint-Gobain (46.600 millones de euros de facturación), se enfrentaba a un desafío habitual en muchas empresas de fabricación y distribución: sistemas ERP fragmentados, hojas de cálculo manuales y previsiones de demanda imprecisas que generaban exceso de inventario y carencias en el nivel de servicio. Al implementar la solución de planificación de la demanda basada en IA de Flowlity en toda su cadena de suministro, Sekurit logró una mejora del 15% en la precisión de las previsiones a nivel de SKU, una reducción del inventario del 9,25% y un aumento de la disponibilidad de productos del 95,8% al 97,2%.

Este caso de éxito sobre previsión de la demanda explora cómo uno de los mayores distribuidores mundiales de vidrio para automóviles transformó sus operaciones de cadena de suministro mediante inteligencia artificial, y el ROI medible que se obtuvo.

📄 ¿Quieres los puntos clave de un vistazo? Rellena el formulario para descargar el resumen completo del caso de éxito Saint-Gobain Sekurit en PDF.

Sobre Saint-Gobain Sekurit: líder mundial en vidrio de reemplazo para automóviles

Saint-Gobain es el líder mundial en construcción sostenible, con 161.000 empleados en 80 países y más de 1.100 centros de producción en todo el mundo. Fundada hace 360 años, la empresa generó 46.600 millones de euros de ingresos en 2024.

Dentro de este grupo global, Saint-Gobain Sekurit AGR (Automotive Glass Replacement) opera una cadena de suministro especializada para la producción y distribución de vidrio de reemplazo para automóviles. La división gestiona una red compleja que incluye tres plantas de fabricación dedicadas en Europa, un centro de distribución central que da servicio a Europa y mercados de exportación, y 30 centros de distribución locales. El catálogo de productos de Sekurit contiene más de 10.000 referencias de vidrio — 4.000 parabrisas, 1.500 lunas traseras y 5.000 vidrios laterales — con un volumen anual de 2,5 millones de piezas. Más del 95% de los productos se fabrican en Europa.

Los clientes finales son talleres y centros de instalación de vidrio para automóviles, atendidos a través de una cadena de suministro multinivel que fluye desde los proveedores a través de las plantas, un almacén central y centros de distribución antes de llegar al cliente final.

La magnitud del desafío

Gestionar la planificación de la demanda para más de 10.000 SKU en 30 centros de distribución, con fluctuaciones estacionales y plazos de entrega variables desde las fábricas europeas, requiere algo más que hojas de cálculo y lógica ERP básica. El equipo de cadena de suministro de Sekurit reconoció que la empresa necesitaba un enfoque fundamentalmente diferente para la previsión de la demanda, uno impulsado por la IA en lugar de hojas de cálculo.

El desafío: por qué la planificación tradicional de la demanda estaba fallando

Antes de implementar Flowlity, el proceso de planificación de la cadena de suministro de Saint-Gobain Sekurit se veía obstaculizado por varios problemas críticos, comunes en organizaciones de fabricación y repuestos.

Sistemas fragmentados sin una fuente única de verdad

La división operaba con múltiples sistemas ERP diferentes en su red de plantas y centros de distribución. Cada sitio tenía su propia lógica de datos, lo que hacía prácticamente imposible consolidar las señales de demanda en una previsión coherente. Los planificadores de la cadena de suministro dedicaban más tiempo a conciliar datos entre sistemas que a analizar patrones de demanda.

Dependencia excesiva de hojas de cálculo manuales

La planificación de la demanda se realizaba mediante hojas de cálculo manuales engorrosas — un punto débil habitual para los equipos de cadena de suministro en todo el mundo. Estas hojas de cálculo eran propensas a errores e imposibles de escalar a más de 10.000 referencias.

Previsiones de ventas macro imprecisas

El enfoque de previsión se basaba en estimaciones de ventas a nivel macro en lugar de predicciones granulares a nivel de SKU. Este método descendente no lograba captar los matices de la demanda a nivel de producto y ubicación individual, lo que generaba errores sistemáticos de previsión que se propagaban a lo largo de toda la cadena de suministro.

Sin anticipación y capacidad de reacción limitada

Sin señales de demanda precisas, el equipo de cadena de suministro carecía de capacidad de anticipación. No podían prepararse para los picos estacionales, reaccionar a cambios en el portafolio de productos ni alinear la capacidad de producción con las necesidades reales del mercado.

Brechas críticas en el nivel de servicio

El efecto combinado de estos problemas era un nivel de servicio con un margen de mejora significativo. Las roturas de stock se producían con más frecuencia de lo aceptable, y la estacionalidad del mercado de vidrio para automóviles amplificaba los errores de previsión.

La solución: cómo Flowlity transformó la previsión de la demanda en Sekurit

Saint-Gobain Sekurit buscaba una herramienta digital única para reemplazar el mosaico de ERPs y hojas de cálculo. Los objetivos eran claros: digitalizar la cadena de suministro, mejorar la fiabilidad de las previsiones, optimizar la salud del stock, aumentar la disponibilidad de productos y, en última instancia, mejorar la experiencia del cliente. La empresa eligió la plataforma de Flowlity basada en IA para abordar los cinco objetivos dentro de una solución única e integrada que cubre la cadena de suministro de extremo a extremo — desde las plantas y el almacén central hasta los centros de distribución.

Integración de la cadena de suministro de extremo a extremo

Flowlity se desplegó progresivamente en toda la cadena de suministro de Sekurit, no solo en un nodo. La implementación abarcó tres niveles.

A nivel de centro de distribución, la solución gestiona la previsión de ventas, la gestión de inventario y la previsión de compras para cada uno de los 30 centros locales. A nivel de almacén central, añade capacidades de planificación colaborativa sobre los módulos básicos de previsión y optimización de inventario. A nivel de planta, la solución incorpora la previsión de producción y la gestión de stock.

Cada nivel alimenta al siguiente — mejores previsiones de demanda en los centros de distribución mejoran los pedidos de reposición al centro, lo que a su vez permite una planificación de producción más precisa en las fábricas. Este enfoque en cascada significa que cada paso de la implementación añade valor al siguiente.

Capacidades de simulación táctica

Una de las funcionalidades más potentes para el equipo de planificación de Sekurit es el módulo de simulación táctica. Los planificadores pueden ajustar los niveles de stock de seguridad por centro de distribución y etiqueta de producto, y luego simular el impacto en los niveles de stock y los días de rotura antes de comprometerse con los cambios. Por ejemplo, al prepararse para la temporada alta o al ajustar un cambio en el portafolio de clientes, el equipo puede modelar escenarios como reducir el buffer del 95% al 70% y ver instantáneamente el impacto proyectado en cantidades de inventario, días de cobertura y riesgo de rotura.

Esta capacidad de simulación reemplazó el antiguo enfoque de realizar cambios en las políticas de inventario a ciegas y esperar lo mejor.

Alertas inteligentes y automatización de la cadena de suministro

El cockpit de Flowlity proporciona alertas automatizadas para valores atípicos y escaseces, permitiendo a los planificadores concentrar su atención donde más importa. En lugar de revisar miles de SKU manualmente, el equipo puede identificar rápidamente productos con patrones de demanda anormales, riesgos de rotura de stock inminentes o lanzamientos de nuevos productos que requieren atención. Un módulo dedicado a nuevos productos ayuda a gestionar la fase crítica de introducción cuando no existen datos históricos — impulsado por los agentes de IA de Flowlity.

Resultados: un ROI demostrado que sigue mejorando con el tiempo

Los resultados de este caso de éxito de previsión de la demanda con IA en Saint-Gobain Sekurit se han medido rigurosamente — y siguen mejorando a medida que el sistema aprende de más datos.

Precisión de las previsiones: +15% de mejora a nivel de SKU

La mejora más fundamental fue en la precisión de las previsiones a nivel de SKU, que aumentó un 15%. Este es un logro significativo dada la complejidad de prever la demanda de más de 10.000 referencias de vidrio en 30 puntos de distribución. Unas previsiones más precisas se propagan en mejores decisiones a lo largo de toda la cadena de suministro — desde compras y producción hasta la asignación de inventario.

Disponibilidad de productos: nivel de servicio del 95,8% al 97,2%

La disponibilidad de productos mejoró del 95,8% al 97,2%, un aumento de 1,4 puntos porcentuales que representa una reducción sustancial de los eventos de rotura de stock en miles de SKU. De manera crítica, el efecto de la estacionalidad fue controlado — la curva de disponibilidad se volvió mucho más estable a lo largo del año, eliminando las caídas estacionales profundas que anteriormente interrumpían el servicio a talleres y centros de instalación.

Optimización del inventario: stock reducido un 9,25%

Mientras los niveles de servicio subían, los niveles de inventario disminuían simultáneamente un 9,25%. Esta es la marca de una planificación de la demanda eficaz — no simplemente acumular más stock para mejorar la disponibilidad, sino posicionar inteligentemente el inventario adecuado en el lugar adecuado y en el momento adecuado. La rotación de inventario mejoró en consecuencia, liberando capital circulante y espacio en almacén.

Desarrollo de KPIs operacionales

Más allá de las métricas principales, Sekurit desarrolló un conjunto completo de KPIs operacionales basados en los datos de Flowlity. Los indicadores upstream incluyen OTIF (a tiempo y completo), adherencia a la planificación, seguimiento de plazos de entrega y cumplimiento de la zona congelada. Los indicadores downstream cubren disponibilidad y calidad de las previsiones. Los indicadores de salud del stock rastrean cobertura, obsolescencia y estado general del inventario. El equipo también está trabajando en la medición del coste de la cadena de suministro de extremo a extremo — un paso natural una vez que la precisión de la planificación de la demanda y la eficiencia del inventario están bajo control.

Ver la historia completa: webinar Saint-Gobain Sekurit y Flowlity

Para profundizar en este caso de éxito sobre previsión de la demanda con IA, mira la repetición completa del webinar donde el equipo de cadena de suministro de Saint-Gobain Sekurit comparte su experiencia en la implementación de Flowlity y las lecciones aprendidas.

‍

‍

Conclusiones clave para los líderes de la cadena de suministro

Este caso de éxito sobre planificación de la demanda de Saint-Gobain Sekurit ofrece varias lecciones para los líderes de cadena de suministro que evalúan soluciones de previsión basadas en IA.

Empezar por la base de datos

Antes de que cualquier modelo de IA pueda aportar valor, se necesitan datos limpios y consolidados. El primer desafío de Sekurit fue unificar los datos de múltiples ERPs en un flujo de datos único y fiable.

Pensar de extremo a extremo, implementar progresivamente

Flowlity se desplegó en los centros de distribución, el almacén central y las plantas de fabricación — pero no todo a la vez. El despliegue progresivo significó que cada fase aportaba valor mientras sentaba las bases para la siguiente. Este enfoque reduce el riesgo de implementación manteniendo el impulso.

La planificación de la demanda no es solo la previsión

El verdadero valor de la previsión de la demanda con IA proviene de lo que se hace con ella. Las ganancias de Sekurit en reducción de inventario y mejora del nivel de servicio no vinieron solo de mejores previsiones, sino de las herramientas de simulación táctica, las alertas automatizadas y los procesos de planificación colaborativa que Flowlity habilitó en torno a esas previsiones.

Medir lo que importa, de forma continua

El desarrollo de KPIs operacionales completos — desde OTIF y adherencia a la planificación hasta la salud del stock y el seguimiento de la obsolescencia — demuestra que la planificación de la demanda con IA no es un proyecto puntual, sino una capacidad continua que mejora con la medición y el refinamiento. Un proceso S&OP estructurado ayuda a garantizar que estas métricas se traduzcan en decisiones estratégicas.

Sobre Flowlity

Flowlity es una plataforma de planificación de la cadena de suministro basada en IA que ayuda a fabricantes y distribuidores a optimizar la previsión de la demanda, la gestión de inventario y la colaboración con proveedores. Utilizando previsión probabilística y aprendizaje automático, Flowlity permite a las empresas reducir el inventario mejorando al mismo tiempo los niveles de servicio. La plataforma se despliega en sectores como el automoción, la química, los bienes de consumo y la distribución industrial.

📄 Descarga el resumen del caso de éxito — Rellena el formulario para obtener el caso de éxito de planificación de la demanda de Saint-Gobain Sekurit en PDF.