La IA impulsa la fabricación cero residuos: transformando fábricas y cadenas de suministro

Si queremos un mundo sin residuos, quizás necesitemos algo más que el cerebro humano para lograrlo.

La respuesta, como en tantos otros aspectos empresariales actuales, reside en la inteligencia artificial —en este caso, su capacidad para eliminar el desperdicio industrial en la fabricación.

Stephen Pratt, director ejecutivo de Noodle.ai, empresa que emplea IA para optimizar operaciones de flujo industrial, ve esta tecnología incipiente como una herramienta para «volver a la forma en que las fábricas y cadenas de suministro deberían operar». Eso significa alcanzar «un flujo continuo desde la materia prima hasta la estantería».

Por supuesto, la eliminación de residuos en la fábrica y más allá ha sido una obsesión de los ejecutivos de cadena de suministro durante décadas. El famoso Sistema de Producción Toyota, que identifica siete formas de muda (la palabra japonesa para desperdicio), se origina a finales de los años 40. Más recientemente, las teorías Lean y just-in-time (JIT) para suministrar piezas a fábricas y productos terminados a almacenes eliminaron lo que los gerentes consideraban inventario excesivo. (Tanto, que muchos minoristas se quedaron sin producto suficiente para satisfacer la demanda disparada durante la pandemia de COVID-19. La cadena de suministro «esbelta» de uno es el desabastecimiento de otro).

Cabe preguntarse si las teorías previas para eliminar el desperdicio del sistema han generado más libros y artículos académicos que resultados reales en fábrica. Según Pratt, el Banco Mundial estima que el desperdicio industrial global actual es 18 veces mayor que los residuos sólidos municipales —«lo que llamamos basura».

Para ser justos, Lean, JIT, Seis Sigma, la Teoría de las Restricciones y otras herramientas de planificación avanzada han dejado su huella en las prácticas de gestión. El desperdicio de producción se ha reducido drásticamente, pero sigue siendo un problema de 2 billones de dólares hoy. (Pratt desglosa esa cifra a continuación). «No estamos ni cerca de un estado de flujo perfecto», dice. «Muchas cadenas de suministro tienen reglas de negocio fijas, pero pregúntele a cualquier planificador de inventario y le dirá que lo único que sabe es que esas reglas están equivocadas».

Llega la IA con un enfoque fresco para el control de desperdicios. La diferencia, según Pratt, es el uso de algoritmos complejos para predecir cuándo el exceso de piezas, productos y prácticas amenazan con obstruir el flujo. Tales alertas permiten a los humanos actuar antes de que el problema afecte el flujo de producto.

El uso de la IA específicamente para atacar el desperdicio de producción tiene menos de una década, dice Pratt, pero ya ha demostrado ser «increíblemente efectivo». Las aplicaciones manufactureras previas, como la planificación de requerimientos de materiales (MRP) y la planificación de recursos empresariales (ERP), se vieron obstaculizadas por computadoras lentas y datos costosos.

«La pesadilla de esas tecnologías es que asumían promedios para el rendimiento de producción y tiempos de entrega», explica Pratt. «Eso es como hablar de la talla promedio de zapato de una persona en el planeta. La diferencia entre el promedio y la realidad es aproximadamente la mitad de todo el desperdicio del mundo».

Las siete formas de muda de Toyota, identificadas por el ingeniero industrial japonés Taiichi Ohno, son: transporte, inventario, movimiento, espera, sobreproducción, sobreprocesamiento y defectos. Con la IA en escena, Pratt extiende el concepto más allá de la fábrica para delinear las cuatro mayores áreas de desperdicio en la cadena de suministro actual:

• Productos defectuosos. Un artículo defectuoso que llega al final del proceso productivo debe desecharse. El costo para fabricantes, dice Pratt, ronda los 861.000 millones de dólares anuales.
• Paradas de fábrica. El tiempo de inactividad no planificado es «un problema gigante», que cuesta 689.000 millones de dólares al año.
• Errores en distribución. La fábrica produce un producto impecable, que se estanca en distribución porque los sistemas TI actuales no cumplen objetivos de tiempo, lugar y cantidad. El costo del inventario excedente: unos 446.000 millones de dólares anuales.
• Estanterías vacías. La ausencia de producto puede no parecer desperdicio. Pero el miedo de los minoristas a desabastecimientos cuando los clientes quieren comprar —que ocurre cerca del 9% de las veces— les lleva a inundar la cadena de suministro con inventario. Resultado: «producen más de lo necesario».

Por primera vez, la capacidad computacional creciente permite atacar efectivamente las cuatro áreas. El computador promedio para estos cálculos hoy es 2.000 veces más rápido que el supercomputador más rápido del mundo en el año 2000, señala Pratt.

El rol de la IA evoluciona rápidamente de analítica descriptiva a prescriptiva. Un sistema impulsado por IA hoy puede escanear anomalías, alertar a gerentes sobre su inminencia, predecir consecuencias y recomendar acciones correctivas. Además, dice Pratt, «te dice cómo ajustar tu fábrica para no producir productos defectuosos».

Esto no significa que las personas queden fuera. Pratt ve el sistema ideal combinando la fuerza bruta computacional de la IA con la creatividad e insight del cerebro humano. Y, por cualquier medida, la IA aún tiene un largo camino antes de cumplir su promesa en entornos manufactureros, y mucho menos en el mundo en general.

Como toda tecnología punta, la adopción de la IA será gradual. Pero Pratt cree que su madurez se acelera por las exigencias de grandes minoristas como Walmart para un desempeño impecable de proveedores. Su capacidad para cumplir tales criterios «podría ser la diferencia entre existir y perecer».