En los últimos meses he citado en numerosas ocasiones el artículo de Kristian J. Hammond en Harvard Business Review en marzo 2017, titulado “Por favor, no contrate un Chief Artificial Intelligence Officer”. En el explica que la prioridad no debe ser contratar un experto sino preguntarse ¿para qué quiero utilizar la analítica de datos en mi negocio?
Comparto completamente esta reflexión y creo que es bueno tratar de resumir qué es lo que se puede conseguir con la Analítica de Datos, la Inteligencia Artificial, etc.
Pero creo que es bueno comenzar con una rápida reflexión de qué es lo que nos aportan y por qué lo hacen ahora estas tecnologías.
Los enfoques clásicos de mejora (PDCA; Lean Manufacturing, Seis Sigma, etc.) nos aportan un método muy eficaz y eficiente para lograr la mejora de los resultados de nuestro negocio. Utilizados de manera sensata consiguen cambios sostenibles y profundos en los procesos. Pero sólo en algunas ocasiones se trabaja con la variabilidad de los procesos. De hecho, sólo algunos de los proyectos de Seis Sigma utilizan herramientas tales como el ANOVA o el diseño de experimentos. La gran novedad de la Analítica de Datos es que se evoluciona de mejorar los procesos utilizando los valores centrales (media, mediana, etc.) a utilizar toda la muestra disponible, y con los sistemas actuales de captura de datos esta puede ser gigantesca.
Pero por qué ahora y no hace años. Fundamentalmente por dos motivos que no son independientes:
– La disponibilidad de datos es ahora exponencialmente mayor a lo que era solo hace unos pocos años, y esto es debido por una parte a la digitalización – incluyendo los sistemas de gestión de plantas industriales tales como sistemas MES y MoM – y por otra a la reducción de coste de los sistemas de captura de datos (los sensores han reducido su precio un 70% desde 2004 de acuerdo a Goldman Sachs).
– Por otra parte, los costes de análisis y actuación utilizando esos datos se ha reducido de manera exponencial.
Ya sabemos por tanto por qué estas tecnologías están disponibles, la pregunta sigue siendo ¿para qué? La respuesta rápida es “allá donde los procesos tengan variabilidad”, es decir en todos ellos, y de manera concreta:
Variabilidad en las materias primas: La variabilidad está presente en los plazos de suministro, en las cantidades, coste, en la calidad… La Inteligencia Artificial y la Analítica de Datos pueden aportar mejores sistemas de predicción de demanda, optimización de los costes de compra, etc. El análisis de cada transacción de compra, de la calidad y el coste de cada componente y de parámetros macroeconómicos permite anticiparse a los problemas y lograr la reducción de los costes de inventario de materiales y de inventario en curso.
La previsión de la demanda utilizando algoritmos avanzados permitirá una mayor fiabilidad en los materiales a comprar contra inventario y reducir los costes de acarreamiento y roturas de inventario.
Variabilidad en el proceso productivo: La variabilidad de los procesos productivos se origina en el funcionamiento de las máquinas, en la calidad de los materiales, en la intervención de las personas, etc. Algunos de los efectos de esta variabilidad pueden ser las averías, los defectos, y los retrasos en las entregas, etc. La utilización de la Analítica de Datos permite su mejora a través de:
– Mejora de la disponibilidad de los activos a través del Mantenimiento predictivo en tiempo real. La sensorización de las instalaciones y la utilización de algoritmos predictivos permitirá reducir las averías y optimizar los parámetros de proceso para minimizar los mantenimientos preventivos y correctivos.
– La captura y el análisis en tiempo real de los set-points y los valores reales de cada parámetro del proceso (temperaturas, presiones, velocidades, etc.) generará una mejora del rendimiento de las instalaciones a través de la optimización de parámetros de proceso y la predicción de los resultados.
– Mejora de la calidad del producto y reducción del desperdicio mediante análisis de causas y anticipación a los defectos de los productos.
– Obtener el Mínimo Producto Viable (MPV) de cada uno de los productos que producimos, es decir, utilizar el mínimo de cantidades de materias primas y semielaborados, con los mínimos tiempos de proceso en cada operación, pero asegurando la misma calidad.
Variabilidad en las entregas: La utilización de la Analítica de Datos permite anticiparse a variaciones inesperadas en la demanda y a posibles retrasos en las entregas a partir de los datos de proceso.
Estos son algunos de los beneficios que muchas empresas industriales están ya consiguiendo. El coste es cada vez una barrera menor, y el periodo de recuperación de las inversiones es cada día más bajo. La cuestión no es por tanto si hacerlo o no, es ya una realidad que probablemente nuestros competidores están utilizando. La cuestión como planteaba al inicio de este artículo es por dónde empezar.
La ayuda de expertos externos puede ser clave para responder a esta pregunta y minimizar las barreras tecnológicas y de conocimiento. En aggity tenemos un equipo de expertos que pueden ayudarte en este camino.
