Los procesos de fabricación han recibido la presión de los impactos generados por la pandemia. Entre los más evidentes se encuentran el aumento de precios, la escasez de materias primas, las cuales se han vuelto difíciles de obtener surgiendo con ello la incertidumbre respecto de la planificación productiva y las inversiones, lo que ha generado una fuerte desaceleración del crecimiento. La mayoría de los fabricantes ya han realizado los cambios más obvios para optimizar sus operaciones, utilizando métodos tradicionales para obtener la mayor productividad posible de sus cadenas de suministro, en sus plantas y procesos, sin embargo, hay un activo importante que los fabricantes aún no han optimizado: sus propios datos. Las empresas producen enormes volúmenes de datos, de gran variedad y a gran velocidad (3V del Big Data), pero muchas no han logrado hacer un uso eficiente de esta montaña de inteligencia potencial.
Históricamente, los fabricantes se han quedado rezagados de otras actividades económicas como los servicios en la intensidad del uso de las Tecnologías de Información (TI). Hoy, gracias a un poder computacional más barato y a las oportunidades de análisis que avanzan rápidamente, los procesos de fabricación pueden poner esos datos a trabajar, recopilando información de múltiples fuentes de datos y aprovechando los modelos de aprendizaje automático (Machine Learning), las plataformas de visualización (Data Viz) o la Inteligencia Artificial (AI) para descubrir nuevas formas de optimizar sus procesos desde el origen de materias primas hasta la venta de sus productos terminados.
Es aquí donde el mundo industrial y corporativo comienza a reconocer el potencial estratégico de incluir a la analítica -en sus distintas formas: descriptiva, diagnóstica, predictiva y prescriptiva entre las herramientas de productividad empresarial. El crecimiento exponencial de los volúmenes de datos, su variedad y velocidad de generación abren la puerta a las herramientas para el manejo de Big Data. Lo anterior, llama la atención de empresarios, directivos y ejecutivos, sin embargo, las nuevas herramientas de análisis por sí solas no son suficientes para ofrecer tales mejoras de productividad. Por ejemplo, los industriales deben realizar varios cambios en los frentes del capital humano, de los procesos y tecnología, para garantizar que no solo puedan agregar y analizar sus datos, sino también aprovechar al máximo los hallazgos en decisiones, esta vez basadas en evidencia.
Los análisis avanzados también ayudan a los fabricantes a resolver problemas que antes eran impenetrables y revelan aquellos de los que nunca supieron, como cuellos de botella ocultos o líneas de producción no rentables. Mencionaré tres aplicaciones de análisis avanzado en particular que juntas son herramientas poderosas para maximizar el rendimiento físico y financiero de los activos de los fabricantes y las cadenas de suministro a menudo complejas, entre ellas destaco: 1) el mantenimiento predictivo basado en datos, destinado a maximizar el tiempo de funcionamiento de activos críticos, aprovechando Big Data para predecir y anticipar fallas maximizando el rendimiento de los activos individuales, 2) la optimización de los parámetros de trabajo de equipos en función del análisis de los datos, a partir de la optimización dinámica de sistemas y cadenas de suministro con modelado avanzado y 3) la definición dinámica del punto de configuración óptimo (por ejemplo: combinación de ventas, asignación de valor, combinación de adquisiciones) para maximizar la generación de ganancias por hora. Ya sabes, la tarea es transformar los datos en información y ésta en decisiones para la acción, como dijo W. Edwards Deming: “Sin datos, solo serás una persona más dando tu opinión” o “Solo en Dios confío los demás que me traigan datos”.
