FarmacéuticaOperaciones

Cómo AstraZeneca usa Celonis para optimizar el inventario de su cadena de suministro global

AstraZeneca es una empresa farmacéutica global que opera 26 plantas de fabricación en 16 países, suministrando medicamentos a pacientes de todo el mundo. La compañía implementó Celonis Object Centric Process Mining en su cadena de suministro para obtener visibilidad de extremo a extremo sobre la gestión de inventario y los flujos de distribución. Este cambio aceleró la entrega de medicamentos a los pacientes, optimizó los niveles de inventario para reducir el desperdicio y los costes, y disminuyó la carga de recolección manual de datos en los equipos de la cadena de suministro.

Resultados

Optimised levels unlocking cost savingsAhorro en costes de inventario
Accelerated deliveryVelocidad de entrega de medicamentos
Significantly reducedEsfuerzo de recolección manual de datos

Herramientas y tecnologías

1C
Celonis
Process mining and execution management platform that identifies inefficiencies in business processes and drives intelligent automation.

Categorías de IA

Desafío

La cadena de suministro global de AstraZeneca carecía de visibilidad en tiempo real de extremo a extremo sobre la gestión de inventario en 26 plantas de fabricación y cientos de proveedores, lo que obligaba a los equipos a depender de la recolección manual de datos y de modelos de proceso fragmentados por marca que no podían escalar en toda la empresa.

Solución

AstraZeneca implementó Celonis Object Centric Process Mining (OCPM), permitiendo un análisis holístico y en tiempo real de los flujos de trabajo de inventario entre marcas simultáneamente, reemplazando los modelos individuales por marca con un gemelo digital unificado y escalable del proceso de la cadena de suministro.

Historia completa

La cadena de suministro global de AstraZeneca abarca 26 plantas de fabricación en 16 países y depende de cientos de proveedores para fabricar y distribuir medicamentos a escala. La enorme complejidad de coordinar la formulación de API, el envasado y la distribución en esa red significaba que incluso los procesos bien gestionados tenían puntos ciegos significativos: los equipos tenían visibilidad limitada en tiempo real sobre cómo se movía el inventario realmente por el sistema frente a cómo se suponía que debía moverse.

Accede a 432+ casos de uso de IA, 415+ herramientas y rankings de señales de adopción.

Fuente

CELONIS
febrero de 2025
Caso de estudio original

Casos similares

1I
How IQVIA Cut Shared Service Center Costs 40% with Celonis Process Mining
IQVIA
40%Reduction in Shared Service Center operating cost
2NN
How Novo Nordisk Built a Clinical AI Platform in 9 Months with Databricks
Novo Nordisk
$157M+Net new value from optimized clinical trials (5-year projection)
3SA
How STADA Uses Celonis to Cut Batch Release Throughput Time by 44%
STADA Arzneimittel AG
44%Reduction in batch release throughput time
4P
Pfizer Migrates to SAP S/4HANA on IBM Power10
Pfizer
93%Database reduction
5E
How EVERSANA Built the First AI Agency Platform for Pharma Marketing in 30 Minutes
EVERSANA
30 minutesCampaign Development Time
6M
How Moderna Uses IBM Quantum Computing to Advance mRNA Medicine Development
Moderna
80Qubits utilized in simulation
7NN
How Novo Nordisk Uses Claude to Generate Clinical Study Reports in Minutes
Novo Nordisk
10 weeks → 10 minutesClinical study report creation time
8BG
How Bayer GBS Uses UiPath to Cut Procurement Errors by 70%
Bayer GBS
70%Reduction in manual errors
Ver todos los casos →