Introducción
"Cada día, el proceso se repite. El vendedor llama y pregunta por las fechas de producción de un pedido con diez productos diferentes, producidos fabricados en cinco líneas distintas y en cantidades variables. Mientras intento contestar a este primero pedido, ya llegaron otros dos. ¿Cómo esperan que gestione este proceso y, al mismo tiempo, elabore un plan capaz de garantizar la mayor eficacia de todas las líneas? Pero no invierto ni dos minutos en esta tarea: un supervisor de línea ya ha entrado en mi despacho y me ha dicho que uno de los equipos está parado el resto del mes. Pasaré los próximos dos días replanificando.”
Este testimonio describe, de forma general, el día a día de la mayoría de los equipos de planificación, sin visibilidad del impacto global de las diferentes combinaciones de asignación de pedidos y con una gran parte de su tiempo generando nuevos planes de producción, debido a imprevistos o cambios de estrategia. ¿Cómo afrontar esta incertidumbre?
En las últimas décadas, la evolución tecnológica ha permitido el avance técnico y organizativo de la gran mayoría de las empresas. Los flujos de producción contienen cada vez más automatización y restricciones que terminan por aumentar la complejidad de la gestión y el control de toda la cadena. En este contexto, los mejores equipos de planificación utilizan herramientas de soporte a la decisión para establecer planes que rentabilicen la actividad productiva, reduciendo setups y optimizando los plazos de entrega.
En este contexto, ¿cómo pueden estas herramientas basadas en el análisis de datos materializar las limitaciones y la complejidad de los sistemas de producción?
Layers de planificación
En los modelos de planificación Pull, incluidos en la metodología KAIZEN™, existen tres áreas de actuación, con diferente grado de detalle, orientadas a direccionar la cadena en función de la demanda:
Recuerde que estos tres niveles no son independientes y, de hecho, están estrechamente relacionados. El nivel estratégico, al definir el nivel de servicio para cada referencia, permite crear un compromiso no sólo con los clientes externos, sino también con los internos. Del mismo modo, el nivel de ejecución no puede iniciar su trabajo de secuenciación si en el nivel promedio no existe la capacidad necesaria y adecuada para satisfacer la demanda. En este contexto, resulta vital coordinar la información de los tres niveles de planificación de forma consistente y coherente.
Analytics como pilar de las herramientas de soporte a la decisión
Para cada uno de los niveles se necesitan herramientas de trabajo y de soporte de decisiones. Las hojas de cálculo tradicionales pueden analizar rápidamente datos e información sencillos para determinar los primeros pasos de una estrategia Pull, clasificando las referencias MTS y MTO y realizando asignaciones semanales o mensuales según la capacidad instalada. Las mismas hojas de cálculo pueden transformar esta planificación semanal en una secuencia de producción, a pesar de sus limitaciones.
Sin embargo, la mayor complejidad y las limitaciones del proceso de producción, combinadas con la recopilación masiva de datos que permiten los modelos de la Industria 4.0, refuerzan y desencadenan la necesidad de nuevas herramientas de planificación. Las hojas de cálculo ya no pueden hacer frente a este desafío. La solución es, pues, recurrir a algoritmos de optimización.
Estas nuevas alternativas permiten modelar el proceso de producción de forma holística. Los objetivos finales para optimizar son claros, pero ocultan la complejidad que realmente limita la planificación manual: la visión y la garantía integrada de que el plan cumple plenamente con las restricciones de producción.
Uno de los enfoques consiste en utilizar motores de optimización robustos que permiten al usuario obtener la secuencia de producción óptima ante un objetivo establecido (por ejemplo, minimizar el número de setups o de material en curso - WIP). Alternativamente, y siempre que se enfrenten a problemas de gran complejidad, estos motores de optimización se sustituyen por un conjunto de heurísticas, es decir, un conjunto de reglas que permiten construir una solución adaptada a la realidad de cada empresa y a los condicionantes característicos de cada proceso.
Con estas herramientas, los equipos de planificación y supervisión tienen acceso a un conjunto de funcionalidades que les permiten controlar, predecir y actuar con anticipación. Este hecho contribuye realmente al cambio de un paradigma sostenido "desde la perspectiva de la reacción" a una realidad en la que se puede planificar de forma más sólida y evaluar claramente el impacto de los efectos de la reacción. En este sentido, es importante destacar algunas de las funcionalidades que permiten al usuario incorporar este nuevo concepto de visibilidad:
El recálculo online y la integración con los distintos sistemas ERP y MES permiten liberar a los equipos para que realicen actividades de mayor valor añadido, enfocándose en la discusión de las distintas alternativas de priorización de pedidos, con el objetivo de ofrecer un mejor nivel de servicio a los clientes.
Dadas las especificidades de utilización y la complejidad de los problemas se han utilizado varias técnicas y metodologías. Con el creciente uso de la inteligencia artificial (IA) y los motores de optimización, es posible aplicar diversas estrategias en la resolución de estos problemas, como los algoritmos genéticos o las redes neuronales.
Tras crear y validar el modelo, estableciendo sus principales variables y restricciones, los algoritmos han demostrado ser importantes aliados de los equipos de planificación a la hora de realizar la necesaria replanificación y determinar el nuevo escenario de producción provocado por el cambio de un determinado factor.
Estas soluciones, combinadas con el seguimiento de dashboards actualizados en tiempo real, permiten a los planificadores, supervisores y personal de ventas seguir la producción de los pedidos más críticos y tomar decisiones y acciones basadas en los datos, concretamente en lo que respecta a las urgencias: a menudo, anticipar la producción de una determinada referencia supone una reducción de la eficiencia de otras líneas, generando más preparaciones y stocks. Las herramientas de BI permiten comprender y controlar los principales indicadores de cada decisión, lo que permite que la gestión de las prioridades sea más fluida.
Finalmente, la utilización de sensores y la elevada conectividad entre todos los sistemas de una planta, potenciada por la Industria 4.0, permite no solo detectar más rápidamente los problemas, sino también reaccionar de forma casi instantánea. En particular, un fallo detectado por un sensor puede activar automáticamente el recálculo de un plan de producción y notificar al personal de ventas responsable de los pedidos afectados por este fallo. Otro ejemplo sería un fallo de calidad detectado en un equipo que requiera el lanzamiento de una reacción, una cantidad adicional de piezas a producir que naturalmente ocupará ese equipo durante más tiempo y tendrá un impacto en la entrega del producto final.
En resumen, el paradigma de los equipos de planificación de la producción está cambiando. La gestión manual de los planes de producción sin visibilidad del impacto de cada decisión, que hace que el proceso de coordinación de los distintos equipos y limitaciones sea largo, ha sido sustituida por soluciones de soporte de decisiones. La implementación de sistemas avanzados de planificación permite no sólo analizar en detalle cada opción de producción disponible, sino también generar esas mismas opciones y secuencias de producción.
Vivimos en una nueva realidad, en la que las soluciones analíticas van más allá del más puro concepto de automatización. El objetivo es dotar a estas soluciones de una inteligencia capaz de incorporar los constantes desafíos que reflejan la volatilidad de la demanda. Esta nueva realidad se posiciona como la metodología esencial para abordar el tema de la planificación de la producción de una manera más holística y generar eficiencia en toda la cadena.
