Perspectiva experta: Moldeando el futuro de la gestión de residuos en la era digital

Residuos. Es una palabra con la que todos estamos familiarizados en la industria manufacturera y un reto con el que lidiamos continuamente. Viene en muchas formas diferentes, no solo de las materias primas, componentes o productos defectuosos que nunca llegan a manos de clientes pagadores, sino en los recursos usados en cada etapa del proceso de manufactura -como mano de obra, energía, almacenamiento, transporte y activos incluyendo planta y maquinaria- que se consumen pero no contribuyen al ingreso total. En términos simples, el residuo es el coste de inputs que no se monetizan, y por tanto outputs en eficiencia, productividad, agilidad y calidad son todos proxies del residuo.

Aunque el residuo se ha vuelto un concepto más formalizado bajo la filosofía de Manufactura Esbelta, es un reto que ha pervadido la industria desde el nacimiento de la manufactura moderna. Cuando Matthew Boulton y su socio John Fothergill abrieron la Manufactura Soho en Birmingham, Inglaterra en 1766, introdujeron el concepto de "producción en masa" para revolucionar las ineficientes industrias caseras de la época. En 1782, reemplazaron su laminador de metal accionado por agua con una revolucionaria nueva fuente de energía, la máquina de vapor de Watt, y así comenzó la "guerra contra el residuo".

Desde entonces, hemos inventado continuamente nuevas técnicas, métodos, procesos y tecnologías para reducir residuos. Cuando innovaciones mayores como la máquina de vapor de Watt surgieron, nuestros predecesores realizaron beneficios sísmicos en eficiencia y productividad, seguido por un período de mejoras continuas y afinación. Esto maximizó los beneficios de esas innovaciones aún más y continuó hasta que surgieron las siguientes innovaciones mayores como la electricidad, donde motores eléctricos reemplazaron al vapor y permitieron que la energía se distribuyera de forma más amplia, rentable y fiable. Luego la línea de montaje introdujo el nuevo paradigma para la división y utilización de la mano de obra y el transistor dio origen al control informático industrial y automatización.

Cada uno de estos hitos mayores vio el impacto inicial seguido por un período de refinamiento y mejora continua, donde mejoras sucesivas entregan rendimientos cada vez menores hasta que ocurre el próximo cambio sísmico. Al buscar áreas para mejorar el proceso de manufactura, la mayoría de organizaciones tenderán a elegir la "fruta más baja" primero, antes de buscar mejoras más difíciles y sutiles mientras continuamente se esfuerzan por encontrar nuevas formas de eliminar residuos. Sin embargo, pronto alcanzarán un punto donde el coste de eliminar una fuente de residuo se vuelve igual o mayor que el beneficio realizado; he aquí la ley de rendimientos decrecientes.

En esta etapa, simplemente se vuelve antieconómico hacer estas mejoras y, como resultado, las ganancias de eficiencia y productividad comienzan a estancarse. Creo que aquí es donde la mayoría de fabricantes están hoy, y ayuda a explicar parcialmente la llamada paradoja de la productividad. A pesar de inversión en nuevos equipos, procesos y técnicas, el crecimiento de productividad permanece plano porque la fruta baja ha sido cosechada y las empresas se quedan atrapadas en un ciclo de rendimientos decrecientes por unidad de inversión. La paradoja de la productividad solo puede romperse cuando emerge el próximo cambio sísmico para entregar mejoras significativas en rendimiento.

Como ha mostrado la historia, estos cambios no ocurren de la noche a la mañana. Inicialmente se encuentran con escepticismo y a menudo burla, antes de pasar por un período de hype, seguido por desilusión cuando los beneficios percibidos no se materializan. Esta transición a menudo toma varios años, posiblemente décadas, antes de que gradualmente, los beneficios tangibles comiencen a emerger a través de lo que la firma analista de TI, Gartner, llama la "pendiente de la iluminación", la cuarta fase del Ciclo de Hype. Digitalización, Fábricas Inteligentes, Fábrica del Futuro, Industria 4.0 e Internet Industrial de las Cosas (IoT), son todas variaciones del mismo tema, y representan las raíces de este próximo ciclo mayor. Aunque mucho se ha informado y sigue informándose sobre estos temas, todos se basan en la explotación de un ingrediente fundamental único: la información, el próximo arma crítica en la guerra contra el residuo.

VER TAMBIÉN:

• La edición de marzo de Manufacturing Global está viva
• Salón del Automóvil de Ginebra: Las principales tendencias tecnológicas automotrices que no querrás perderte
• Siemens está listo para adquirir KACO new energy para mejorar sus capacidades de manufactura
• Bray International: cambiando la mentalidad de manufactura de válvulas a través de transformación digital

Los rendimientos decrecientes de eficiencia y productividad de tecnologías de planta existentes como automatización y metodologías offline de mejora de rendimiento como six-sigma han alcanzado un proverbial techo de cristal. Tomemos, por ejemplo, la medida de Efectividad General del Equipo (OEE) comúnmente usada para evaluar qué tan efectivamente se utiliza una operación de manufactura. Un OEE del 100% indica un entorno de producción perfecto, con solo buenos productos producidos lo más rápido posible y cero tiempo de inactividad. Lograr este nivel de OEE es discutiblemente imposible, sin embargo, investigación general en una amplia gama de estudios sugiere que fabricantes de clase mundial aspiran a un OEE de alrededor del 80-85% con 50-60% siendo más típico, y 30-40% no infrecuente. No solo esto ilustra que aún hay margen significativo de mejora en eficiencia y productividad, también revela que nuestros esfuerzos para mejorar rendimiento rara vez "mueven la aguja". En su lugar, los fabricantes confían en la culminación de un gran número de mejoras menores, y a veces costosas, para lograr impacto real.

Para romper este techo de cristal, necesitamos aprovechar activos de información y datos desarrollando un mayor nivel de agudeza operacional del que tenemos hoy. En sistemas físicos, siempre tendremos un nivel de variabilidad e imprevisibilidad natural, pero no deberíamos seguir usando eso como excusa para procesos de manufactura subóptimos. En su lugar, necesitamos usar esta información para entender cuándo y dónde ocurren (en tiempo real o casi real) y tener los mecanismos para responder y mitigar esa variabilidad e imprevisibilidad "cuando-sucede", o mejor aún "antes-que-suceda".

Esto no es fácil, y requiere entendimiento y monitorización continua de muchas variables, no solo a través de una sola medición, proceso o característica de producto, sino a lo largo de todo el panorama causal. En un entorno de manufactura, los procesos rara vez están completamente aislados, ya que el rendimiento de un proceso probablemente será causado por una miríada de otras influencias, tanto directas como ambientales. Esto a menudo se refiere como la "Maldición de la Dimensionalidad": cuantas más dimensiones tenemos, más datos necesitamos y más difícil se vuelve derivar insight accionable. Desafortunadamente, el cerebro humano no está diseñado para manejar este nivel de complejidad, ya que luchamos para entender inferencias a través de un número muy bajo de dimensiones y a un ritmo muy sedentario.

Afortunadamente, varias tecnologías emergentes están convergiendo y madurando para formar los cimientos del próximo cambio en eficiencia y productividad manufacturera. El coste y miniaturización de sensores avanzados está permitiendo a organizaciones de todos los tamaños capturar cantidades inconcebibles de datos continuamente de sus cadenas de demanda y suministro o incluso embebidos en los propios productos. Dependiendo de su nivel de sofisticación, esto puede habilitar operaciones de computación autónoma usando algoritmos avanzados embebidos directamente en los sensores (conocido como Edge Computing) para trabajar directamente con otros sensores y dispositivos en bucle cerrado (Máquina-a-Máquina). Debido al auge de redes de comunicaciones ubicuas (una tendencia que se transformará de nuevo cuando el nuevo estándar 5G se vuelva mainstream), estos sensores pueden comunicar datos recopilados a alta velocidad desde cualquier ubicación en el mundo.

Estos flujos de datos requieren vastas cantidades de almacenamiento y recursos de computación capaces de filtrar, ordenar y analizar la información a una velocidad para que se generen insights en tiempo real, y esto está siendo habilitado por big data y cloud computing que está desacoplando rápidamente el valor de negocio de datos e información de costosa infraestructura on-premise. Finalmente, el análisis e insights derivados de estos datos necesitan estar disponibles en el lugar correcto en el momento correcto para que se tomen acciones efectivas, siempre disponibles en virtualmente cualquier dispositivo, en forma altamente visual e intuitiva que los trabajadores puedan interpretar y actuar fácilmente. Esto está siendo posible por la evolución de Software-como-Servicio (SaaS) basado en la nube e interfaces de Aplicación Web Rica (RWA) que se están volviendo mainstream hoy.

La digitalización de la fábrica, planta y cadena de suministro permitirá a los fabricantes identificar y eliminar residuos de formas no posibles o económicamente viables anteriormente y esto marcará una nueva era de eficiencia y productividad. Una vez que la fruta baja ha sido cosechada, continuaremos evolucionando tecnologías y técnicas para encontrar formas nuevas e innovadoras de reducir residuos aún más, hasta que la ley de rendimientos decrecientes empiece a morder, y busquemos el próximo gran cambio para emerger. Sin embargo, como el gurú de Inteligencia Artificial (IA) Andrew Ng nos recuerda, preocuparse por eso ahora es como preocuparse por la superpoblación en Marte.

InfinityQS - el proveedor líder de Control Estadístico de Proceso (CEP) software y servicios para fabricantes en todo el mundo. Sus soluciones automatizan la recopilación y análisis de datos durante el proceso de manufactura, para permitir decisiones de mejora de proceso en tiempo real y prevenir defectos antes de que ocurran. Desarrollado por estadísticos industriales usando metodologías probadas para análisis y control de calidad, las soluciones InfinityQS están ahorrando a fabricantes líderes millones de dólares cada año.