Antecedentes de aplicaciones

Una de las primeras manifestaciones de IIOT aplicadas a la logística comenzó en los alrededores del año 2000 con la introducción de las tecnologías de sensores instalados en los camiones y otros equipos de transporte. Estas facilidades, más las mejoras en las comunicaciones permitieron acceder a una cantidad y variedad de datos que contribuyeron a mejorar la productividad y eficiencia de la supply chain.

En el terreno de los almacenes y depósitos las aplicaciones que permitían la recolección de datos se focalizaban principalmente en analizar los datos típicos como el número de órdenes despachadas, tasa de fullfilment, tasas de delivery, etc., generados en una cierta ventana de tiempo para luego compararlos con la performance de otros centros de distribución (CDs). Esto incluía también las operaciones de picking, almacenaje, movimiento, despacho y otras tareas comunes del centro. Estos conjuntos de datos si bien eran importantes no resultaron suficientes para tener visibilidad de la cadena de distribución, y por lo tanto fue necesario dar un paso más y de mayor proporción.

Si está comenzando a analizar el potencial de la conectividad de productos y Servicios, el reporte del World Economic Forum® es una referencia importante a tener en cuenta.

Cambio en la visibilidad de la Supply Chain

Las operaciones de manipuleo de materiales  están inmersas en un proceso de adopción acelerada de tecnologías basadas en la nube, en la conectividad y en el uso de big data. Por eso también, los desafíos actuales aumentan la presión en los sistemas de e-commerce asociados a la gestión de envíos, por ejemplo, las mayores regulaciones gubernamentales en comidas, bebidas, medicamentos, sumado a veces a la falta de personal capacitado, conducen a la necesidad de impulsar el uso de big data para mejorar la productividad y la eficiencia general. Esta mejora en la gestión por datos se extiende en todas las direcciones, desde los autoelevadores a la energía utilizada, el mantenimiento, hasta inclusive la performance del operador.

Habíamos mencionado que la visibilidad en los centros de distribución es otro de los efectos importantes, y dado que casi todos los aspectos de la operación de un almacén quedan registrados en la recolección de los datos, la organización puede llegar a una nueva profundidad en el uso de  la información. Por ejemplo, un sistema integrado de gestión de almacenes (warehouse management system – WMS) puede ayudar a la compañía a establecer sobre cuanto tiempo le toma mover un producto desde el muelle hasta el rack por medio de un autoelevador, pero adicionalmente el big data le ayuda a concentrar más información tomadas desde otros sistemas de captura, los cuales pueden ayudar a explicar porque los parámetros de tiempos no se están cumpliendo.

Las operaciones de manipuleo de materiales pueden moverse de la toma de decisiones reactivas a las preventivas e incluyendo a las mediciones predictivas. Por ejemplo en vez de utilizar datos simples para controlar las ventanas de tiempo en las cuales ciertos componentes necesitan el mantenimiento, las operaciones pueden monitorear los componentes vía sensores de vibración  u otros componentes tecnológicos, y configurar alertas automáticas para detectar anomalías como batería baja, o grados de desgaste de componentes. Más allá de los avisos automáticos y la generación de big data, la siguiente frontera es machine learning. Los sistemas no solo toman acciones basados en datos que alcanzan un cierto umbral, sino que pueden determinar los grados de suceso y generar acciones de optimización en forma continua, basada en características tácticas. Por ejemplo un vehículo autónomo puede aprender a ajustar su ruta basado en la hora del día, condiciones esperadas de tráfico y otros factores de ambiente.

IIoT (Industrial Internet of Things) en el almacén

Los almacenes cuentan con una amplia variedad y cantidad de procesos, gente, y equipos, cada uno de los cuáles contiene datos listos para ser liberados y puestos para usar en el logro un beneficio real. Estos datos recolectados pueden ayudar a:

  • Incrementar la visibilidad a través de la Supply Chain
  • Optimizar los recursos
  • Maximizar el uso del espacio en el almacén
  • Incrementar la velocidad potencial del movimiento de productos
  • Incrementar la eficiencia del operador individual y la productividad laboral general
  • Impulsar la gestión de costos orientada por los datos

Además ayudan a:

  • Encontrar las rutas más eficientes: Un operador puede emplear dos veces más de tiempo de viaje para moverse de un punto a otro que otro operador. Con localización y la utilización de los datos capturados del autoelevador, los jefes de almacenes pueden deducir las causas por interrupciones no programadas, o por haber seleccionado una ruta ineficiente.
  • Identificar las oportunidades para la automatización: Utilización de los datos capturados e información del GPS para generar los reportes de productividad para encontrar oportunidades como la del uso de autoelevadores robóticos.
  • Analizar errores y lesiones por tipo de equipos y empleados. Algunos operadores pueden ser excelentes con un tipo de equipo y fallar con otros, facilitando a los gerentes emparejar las habilidades de la fuerza de trabajo con el equipo, o ajustar el entrenamiento y los programas de seguridad.
  • Mejorar el cumplimiento de las regulaciones de seguridad y seguir la adherencia a OSHA: Autoelevadores equipados con aplicaciones en línea pueden lograr el cumplimiento restringiendo el acceso al autoelevador a solamente los operarios con la certificación apropiada y proveer listas de control automáticas para guiar al operador cuando inicia su turno.

Los autoelevadores pueden ser equipados con sistemas de telemetría y lectores de RFID para recolectar la información tanto en camiones como en los componentes auxiliares para la transmisión a un repositorio centralizado. Esta tecnología permite obtener una gran visibilidad en la operación de la flota de autoelevadores, y acelerar la corrección de las distintas deficiencias de la flota.

Optimizar los recursos (assets)

  • Reducir el mantenimiento y los gastos generales: Configurar los códigos de fallas para disparar automáticamente las funciones de mantenimiento o llamados de servicios sin requerir las acciones de la gestión de facilidades o del personal de mantenimiento
  • Configuración y uso de la flota: Monitorear la utilización de los equipos y las baterías para obtener una estructura más eficiente del conjunto
  • Reducir maltrato del equipo – monitorear la historia de los impactos, incluyendo la ubicación de los impactos
  • Reducir los riesgos: proactivamente alertar a los técnicos y requerir el servicio, los cuales pueden mantenerlos en incidentes menores antes de que se conviertan en un problema mayor

Maximización del uso del espacio en el almacén

La multiplicación de SKU presiona la operación para mantener un amplio rango de inventario en cambio continuo, en consecuencia, es de importancia crítica estructurar un sistema de almacenaje inteligente y de selección de pasillos facilitando el movimiento de inventario. Esto requiere recolectar y analizar los perfiles de las órdenes y la demanda esperada para optimizar el espacio y la utilización de la mano de obra. Además la proliferación impulsa a la operación del almacén hacia la acumulación de variedades más que a la expansión.

La proliferación de dispositivos conectados ha transformado los  centros de distribución de ser cajas opacas con insuficiente visibilidad de los inventarios a ser un  área transparente dentro de la cual se llevan a cabo todas las actividades relativas al transporte, logística y distribución de mercancías por diferentes operadores (hub) y que ofrece actualizaciones detalladas del estado de las órdenes.

La tecnología de RFID puede seguir la pista de los pallets y cajas individuales a través de cada paso de la supply chain, desde la fuente de las materias primas y sitios de producción, a los centros de distribución, locales minoristas vía delivery directo al almacén y finalmente a la puerta del consumidor.

Esta trazabilidad es vital, por caso, para el seguimiento de enfermedades de origen alimentario, localizando defectos de manufactura e identificando fallas de los componentes de producción.

El tamaño creciente de big data que acumulan las compañías impulsan a determinar como se optimizan la posición de los productos que son ofrecidos para vender en forma conjunta (combos/kits).

La responsabilidad corporativa en el reporte de la información se ha ampliado en los últimos años, y por buenas razones. Las compañías pueden usar los datos en tiempo real y herramientas analíticas para seguir la pista de acciones que afectan a la gente, el medio ambiente con mayor precisión.

Otros importante beneficios de IIOT es la visibilidad que se logra a través de la extensión de su uso más allá de las cuatro paredes, generando oportunidades inter-empresas en el incremento de la productividad general en la supply chain. IIOT combinado con big data permite a las supply chains evolucionar hacia redes conectadas más complejas y dinámicas.

Cómo comenzar con pasos simples

  • Agregar sensores a los recursos operacionales clave: estos sensores pueden ser colocados en distintas ubicaciones sobre las cintas transportadoras, clasificadoras, y otros equipos mecánicos para capturar un amplio rango de datos operativos. Sistemas inteligentes pueden ayudar a recolectar y a diseminar información crucial acerca de la operación del almacén y de la productividad, sin sobrecargar las operaciones con datos que no tienen un uso productivo.
  • Equipar a los autoelevadores con sensores colectores de datos: tomar la ventaja de las funciones de telemetría, con definición de códigos de fallas, monitoreo del uso, GPS, configurar el flujo de trabajo automático para lograr la información correcta de cara a la gente operativa correcta, esto permite la gestión de la flota, ajustes de la ruta y afinar las decisiones de mantenimiento. De acuerdo a  SupplyChain24/7, poner un sistema de gestión de vehículos autolelevadores incrementa la productividad en un 5% debido a la identificación de ineficiencias en el comportamiento operativo.
  • Realizar ajustes al WMS: el seguimiento de los datos y su análisis puede ser utilizado para realizar simplemente una validación del inventario, para disminuir las posibilidades de errores y mejorar la toma de decisiones complejas, como determinar la ubicación ideal de almacenaje. De esta forma en la medida que se recolecta mayor información, por tipo y lugar de toma, mejor se pueden desarrollar los análisis de los datos y por lo tanto mejor es la reacción y las decisiones que se toman para resolver los problemas que se presentan.

Prepararse para la Industria 4.0

La Industria  4.0 muestra su mejor jugada con la utilización de dispositivos conectados, computación en la nube y el uso de big data. Mientras que la Industria 3.0 se focaliza en la automatización de máquinas y procesos individuales, la Industria 4.0 se focaliza en la digitalización de todos los recursos físicos del almacén, con robótica conectada remotamente a computadoras equipadas con algoritmos de ‘machine learning’, las cuales pueden aprender y controlar los equipos con una pequeña participación de los operadores.

Muchas de las aplicaciones de la Industria 4.0 no están todavía adoptadas en todos los almacenes, pero esto está cambiando día a día en diferentes industrias, donde se implementan a distinto ritmo las aplicaciones de big data asociadas a los dispositivos.

Las empresas que adoptan tempranamente la industria 4.0 en los centros de distribución pueden ayudar a fijar o influenciar los estándares técnicos como adopción de crecimiento, haciendo que esta tecnología se torne ubicua, es decir estar en todos lados y al mismo tiempo.

Continuares en otro artículo, extendiendo los ejemplos a la combinación de procesos con tecnología.

Series Navigation<< Blockchain en la Supply Chain (3)
FacebooktwitterlinkedinmailFacebooktwitterlinkedinmail

About Author

Ing. Industrial (UBA), CPIM (APICS), CSCP (SCC), ITIL (itSMF). Profesor del IEEC. Webmaster y curador de la página del IEEC.

Comments are closed.