Métodos modernos de aprendizaje automático para la automatización del análisis de fallas en sistemas ERP clásicos

Resumen

Normalmente, los equipos de TI que trabajan con sistemas ERP tienen poco o casi ningún conocimiento de inteligencia artificial y, más concretamente, de modelos de Aprendizaje Automático (ML) y Procesamiento del Lenguaje Natural (NLP) porque su entorno de trabajo se centra principalmente en dar soporte a sistemas ERP normalmente comerciales como SAP, Oracle ERP, Microsoft Dynamics, etc., por lo que se enfocan en los aspectos funcionales y, a veces, en algunos entornos de desarrollo propietarios como el lenguaje ABAP para sistemas SAP, para realizar personalizaciones muy específicas. El presente trabajo de investigación pretende dar una visión detallada del estado del arte de los modelos ML y NLP que podrían ser utilizados en un entorno ERP clásico y además persigue el objetivo de investigar la viabilidad técnica y la facilidad o dificultad de dotar de inteligencia artificial a un sistema ERP clásico que no disponga de ella con la intención de automatizar el análisis de errores y fallos en el sistema ERP que por su volumen es difícil de gestionar por operadores humanos. Se persigue pues un ahorro significativo de tiempo y recursos humanos de IT consumidos en el análisis de fallos. Otro objetivo es compartir con el lector varias lecciones aprendidas por los investigadores mientras investigaban la literatura disponible y mientras experimentaban y probaban con varios de los modelos existentes disponibles en los lenguajes Python y C# mientras comparaban diferentes plataformas tecnológicas. Esto debería proporcionar información valiosa a los responsables de TI, jefes de proyecto, desarrolladores y probadores que normalmente trabajan con sistemas ERP y no con IA, por lo que no están tan familiarizados con ella.