Aunque parezca que una fábrica funcione a las mil maravillas y sea imposible hacerlo mejor… quedaros con que eso no es así. Siempre se puede mejorar y exprimir un poquito más el jugo, así que queda totalmente prohibido dormirse en los laureles.
¿Qué alternativas nos ofrece el mercado para seguir siendo mejores en nuestro trabajo? Aquí tiene mucho que aportar ese amplio abanico de soluciones tecnológicas basadas en datos. Entre estas nos encontramos el business intelligence, que correctamente aplicado es capaz de conseguir sobradamente este objetivo.
El business intelligence aborda multitud de aspectos relacionados con la planta en toda su integridad, siendo uno de estos la proposición de tareas a los trabajadores de la misma, facilitándola y consiguiendo mejores resultados a través de una óptima gestión de esta.
¿Cómo funciona el business intelligence? ¿Qué aporta? ¿Cómo se encarga de la asignación de tareas? Va siendo hora de no quedaros con ninguna de estas dudas.
¿Por qué aplicar la proposición inteligente de tareas en la industria?
El sector industrial busca incansablemente una mejora en la eficiencia de sus procesos, aquello que le aporte esa marcha más que le haga tomar distancia de sus competidores. Es por este motivo que el control al detalle de los procedimientos a todos los niveles (maquinaria, fabricación, calidad, inventario, recursos humanos, etc.) de la planta se antoja clave.
Y aquí es donde llega nuestro gran aliado, el business intelligence, capaz de realizar esta radiografía de la fábrica de manera automatizada e incansable. Llegados a este punto merecerá la pena preguntarse por qué necesitamos business intelligence en nuestra industria y qué conseguiremos con ello. ¡Seguro que os convencemos!
- Mayor eficiencia. Podremos reorganizar las metodologías de trabajo y los equipos en pro de la optimización, reduciendo los tiempos incurridos sin por ello perder en calidad.
Ahorro de costes. Consecuencia directa de la mencionada optimización de la fábrica. - Mayor capacidad de predicción. Gracias al business intelligence tendremos una mayor capacidad para ver venir de lejos volúmenes anormalmente altos o bajos de producción, o cualquier otro cambio de mercado, y adaptar la planificación con tiempo.
- Más seguridad. Nos daremos cuenta de potenciales riesgos para los trabajadores que antes eran muy difíciles de apreciar y tomaremos las medidas requeridas para evitarlos.
- Mejoras en el control de calidad. Se reducirán las no conformidades a lo largo de toda la cadena de producción.
- Las tareas administrativas, contables y legales también se verán optimizadas, teniéndose un mayor control sobre ellas y fomentándose la filosofía paperless.
- Permite encontrar nuevas oportunidades de negocio.
- Se facilita el mantenimiento de la maquinaria al poder identificar patrones asociados a fallos y averías.
Fundamentos del Business Intelligence
¿Qué necesitamos para poner en marcha un sistema de business intelligence?¿Cómo lo hacemos?¿Qué pasos debemos seguir? Estas serán las preguntas que os surjan a la mayoría, tómatelo con calma, tenemos las respuestas.
En primer lugar, antes de volvernos locos queriendo analizar como pollos sin cabeza todo lo que se nos ponga por delante, debemos detenernos, respirar hondo y reflexionar concienzudamente sobre qué información es la que debemos extraer. Información con un alto valor interno y útil para el crecimiento de la industria, por lo que las personas responsables de esta tarea tendrán que tener un conocimiento exhaustivo de todo lo que sucede en la misma.
A continuación, habrá que tener claro cuáles van a ser las fuentes de las que extraeremos toda esa información de valor. ¿Lo haremos del CRM, del ERP, web, redes sociales, aplicaciones propias de la empresa… o de una combinación de estos recursos?
Una vez que tenemos claro todo esto, va siendo hora de empezar de dar forma al modelo de datos, es decir, de ver cómo vamos a estructurar los mismos y las relaciones entre ellos. Estos se encontrarán alojados en bases de datos, que pueden ser de dos tipos:
- Bases de datos relacionales: formadas por entidades o tablas que contienen datos acerca de, por ejemplo, un departamento o procedimiento, y que se relacionan con otras entidades.
- Bases de datos no relacionales: en este caso la información se clasifica en documentos, aplicándose cuando no se tiene una estructura clara de ordenación de los datos.
Siguiente paso, crear una infraestructura de base de datos o Datawarehouse. Esta está constituida por datos que han sido previamente extraídos, transformados y cargados en la misma por los conocidos como procesos ETL (Extract, Transform, Load). Esta transformación es necesaria, puesto que las herramientas de business intelligence no son capaces de trabajar con el formato que presentan los datos en las bases de datos originales. El Data Warehouse, a su vez, está constituido por un conjunto de los conocidos como Data Marts.
Finalmente tendremos que echar mano de un software de modelado y reporting que se encargue de presentar toda la información visualmente mediante tablas, listas, gráficos, etc., normalmente a través de un dashboard que facilite la comprensión por parte de las personas responsables de la toma de decisiones.
Proposición inteligente de tareas con Business Intelligence
Bien, ha llegado el momento de centrar nuestra atención en uno de los aspectos en los que el business intelligence puede facilitarnos en gran medida la vida, como es la proposición inteligente de tareas. ¿En qué consiste esto y cómo se realiza? Lo vemos a continuación.
Por proposición inteligente de tareas entendemos la metodología por la cual un sistema informático es capaz, mediante algoritmos, de asignar automáticamente a cada trabajador qué es lo que tiene que hacer en función de parámetros como pueden ser su capacitación profesional, ubicación, carga de trabajo o tiempo que suela emplear en finalizar dicha tarea, entre otros muchos.
Para estos sistemas informáticos los datos aportados por el business intelligence suponen una materia prima de primera calidad para trabajar con ella. ¿Cómo trabajan estos sistemas para asignar las tareas a las personas más idóneas en cada momento? ¿Qué algoritmos se desarrollan? Intentaremos describíroslo sin demasiados tecnicismos para que sea lo más comprensible que se pueda.
Antes de hablar en términos más “informáticos”, debemos tener claro en nuestra mente el esquema que definirá la toma de decisiones para después transmitírselo al sistema. Este modelo puede tomar diversas formas, siendo las más comunes el Proceso Analítico Jerárquico y las tablas de decisión.
Pasando a un plano más técnico, tradicionalmente se distinguen principalmente tres algoritmos de asignación de tareas, FIFO (primero en entrar, primero en salir), Greedy y Dinámica.
El principio FIFO es muy empleado en logística y gestión de almacén. Se basa en la creación de una cola de tareas que se van asignando a las personas cualificadas que estén disponible en ese momento.
En cuanto al sistema Greedy, éste trabajo asignando la tarea al recurso que vaya a emplear menos tiempo en ejecutarla. Este mecanismo implica tener un conocimiento del tiempo promedio que necesita cada trabajador en realizar su cometido o una combinación de ellos.
En último lugar hablamos de la asignación dinámica. Éste se suele sustentar en dos parámetros, idoneidad y urgencia. Entendiendo la idoneidad como la capacidad que tiene el empleado para realizar la tarea y la urgencia como la prioridad que tiene dentro del conjunto de acciones a realizar. Además, se pueden contemplar más variables, como aquellas relacionadas con un componente geográfico.
Parte de nuestro trabajo consiste en crear soluciones de planificación y asignación de tareas con vistas a una mejor gestión de la planta industrial. Podemos hablar del planificador web que desarrollamos para Alestis basado en agentes y una programación sin restricciones con Node.js y Choco, mediante el cual se pueden programar las tareas de producción a semanas vista.
Tampoco debemos olvidarnos de nuestro amado Polaris, que es capaz de gestionar las tareas del día a día mediante el procesado de información en tiempo real gracias a tecnologías de proximidad, Machine Learning, IIoT e Inteligencia Artificial.
Saber qué trabajo asignar, a quién y en qué momento puede marcar la diferencia que lleve a la industria a otro nivel de eficiencia y productividad, por lo que no debemos descuidarlo y apostar por tecnologías que nos faciliten esta decisión. ¿Os parecen suficientes las razones que os hemos dado para ello?
¿Quieres conocer qué hacemos y el modo en que lo hacemos? Visita nuestros casos de éxito y pregúntanos todo lo que necesites saber.
CONOCIMIENTO / Descargables
EBook gratuito
eficiencia OEE
Descubre las particularidades del indicador OEE, cómo automatizar su cálculo y que requisitos deben cumplir tus procesos de producción para implementarlo.