El fabricante de software Inform GmbH presenta cinco puntos para mejorar la log\u00edstica de producci\u00f3n. Las empresas a\u00fan tienen mucho potencial en la optimizaci\u00f3n de la interfaz entre log\u00edstica y producci\u00f3n. Inform ayuda en esto con el desarrollo de software correspondiente basado en inteligencia artificial e investigaci\u00f3n operativa.<\/p>\n
(Aquisgr\u00e1n) La log\u00edstica y la producci\u00f3n a menudo todav\u00eda est\u00e1n conceptualmente separadas. Sin embargo, esto no conduce al \u00e9xito, argumenta el especialista en optimizaci\u00f3n de Aquisgr\u00e1n, Inform. Con los siguientes cinco pasos, las empresas pueden lograr una interacci\u00f3n eficiente entre estas dos \u00e1reas centrales.<\/p>\n
Las empresas a\u00fan reconocen con demasiada poca frecuencia qu\u00e9 problemas innecesarios dificultan su trabajo en la intralog\u00edstica. Si bien los conceptos Just-in-Time sol\u00edan estar casi exclusivamente en uso por los fabricantes de autom\u00f3viles, muchos medianos productores han alcanzado en los \u00faltimos a\u00f1os: Procesos sofisticados con tecnolog\u00edas m\u00e1s modernas garantizan la mayor flexibilidad y estabilidad posible en la producci\u00f3n, que debe absorber demandas vol\u00e1tiles y tener en cuenta los deseos individualizados de los clientes. Una log\u00edstica organizada a la vista y a demanda ya no puede mantenerse al d\u00eda, ya que las tareas son demasiado amplias y complejas. Inform ha identificado cinco medidas decisivas para hacer la log\u00edstica de producci\u00f3n m\u00e1s eficiente.<\/p>\n
El primer, pero quiz\u00e1s tambi\u00e9n el paso m\u00e1s dif\u00edcil, es establecer una comunicaci\u00f3n en igualdad de condiciones entre log\u00edstica y producci\u00f3n. Si esto no se logra, a menudo incluso las inversiones extensas en tecnolog\u00eda no conducen a los resultados deseados. Se necesita una cultura de colaboraci\u00f3n.<\/p>\n
Es tarea de la log\u00edstica iniciar el di\u00e1logo con la producci\u00f3n, comprender sus necesidades y acordar acuerdos de nivel de servicio interno para cumplirlas. Por otro lado, la producci\u00f3n, que a menudo se prefiere como la pieza central de una empresa productora, tambi\u00e9n depende de la log\u00edstica, incluso cuando se ha invertido mucho dinero en mejorar los procesos de fabricaci\u00f3n.<\/p>\n
Dado que cada vez hay menos espacios de almacenamiento disponibles cerca de la producci\u00f3n, el transporte de materiales y contenedores debe ser eficiente. Por lo tanto, la fabricaci\u00f3n tambi\u00e9n debe volverse m\u00e1s transparente para la log\u00edstica y abstenerse de realizar pedidos espont\u00e1neos a demanda.<\/p>\n
No saber d\u00f3nde se encuentran actualmente las carretillas elevadoras, materiales, envases vac\u00edos u otros recursos en la empresa es una raz\u00f3n com\u00fan para implementar un sistema de gesti\u00f3n de transporte avanzado. La necesidad de transparencia es justificada, pero ayuda a los despachadores bajo presi\u00f3n de tiempo solo de manera limitada, ya que a menudo hay una multitud de tareas que deben realizarse con recursos limitados. Solo para diez posibles \u00f3rdenes de transporte, hay alrededor de 3,6 millones de posibles secuencias para procesarlas.<\/p>\n
Por esta raz\u00f3n, un sistema de gesti\u00f3n de transporte no debe basarse \u00fanicamente en la transparencia. Se requieren algoritmos de optimizaci\u00f3n inteligentes que puedan derivar ad-hoc de la situaci\u00f3n espec\u00edfica qu\u00e9 carretillas elevadoras, trenes de ruta o sistemas de transporte aut\u00f3nomos (FTS) deben realizar qu\u00e9 orden a continuaci\u00f3n. De esta manera, el sistema de gesti\u00f3n de transporte logra la mejor coincidencia posible entre \u00f3rdenes y recursos y atiende de manera \u00f3ptima la red de pedidos en su conjunto.<\/p>\n
Los nuevos pedidos se integran inmediatamente en la planificaci\u00f3n general con la ayuda de los algoritmos de optimizaci\u00f3n. As\u00ed, para cada recurso activo y disponible, se calcula en segundos un pedido de seguimiento adecuado o combinaciones de pedidos adecuadas.<\/p>\n
Sin embargo, la complejidad de los entornos de producci\u00f3n est\u00e1 aumentando. Tambi\u00e9n las empresas medianas est\u00e1n implementando m\u00e9todos de Lean Management o estableciendo instalaciones de producci\u00f3n que podr\u00edan llevar a cabo procesos de producci\u00f3n muy diferentes de manera flexible. Cuanto m\u00e1s flexible sea la producci\u00f3n con sus demandas diarias, m\u00e1s compleja y relevante para el \u00e9xito ser\u00e1 la log\u00edstica.<\/p>\n
En este contexto, es importante considerar aspectos futuros y observar los procesos de la manera m\u00e1s a largo plazo posible. No hay una bola de cristal, por lo que se trata de hacer lo impredecible lo m\u00e1s predecible posible. En lugar de generar solo \u00f3rdenes de transporte a corto plazo en un sistema ERP y transferirlas al sistema de gesti\u00f3n de transporte, se deben establecer procesos que permitan pronosticar la demanda con algunos d\u00edas de anticipaci\u00f3n. De esta manera, se pueden planificar los recursos y los planes de trabajo del personal de acuerdo con la demanda. Tales procesos de planificaci\u00f3n pueden ser apoyados por sistemas de gesti\u00f3n de transporte al simular las necesidades del ma\u00f1ana.<\/p>\n
Un obst\u00e1culo com\u00fan es que las empresas subestiman la calidad de sus datos. A menudo, ya hay suficientes datos de calidad adecuada dispersos en muchos sistemas diferentes, pero deben ser estructurados y consolidados para que un sistema de gesti\u00f3n de transporte pueda planificar con el tiempo adecuado y tener en cuenta esta planificaci\u00f3n en la optimizaci\u00f3n. Despu\u00e9s de todo, la log\u00edstica no solo debe apagar incendios, sino contribuir con procesos estables a la puntualidad y velocidad de entrega de la producci\u00f3n.<\/p>\n
Quien ha dominado los primeros pasos puede pensar en examinar los datos ahora considerados de manera integral mediante algoritmos de aprendizaje autom\u00e1tico. Esto hace que las correlaciones en el torrente de datos sean visibles, que se escapan a la perspectiva humana. Al considerar diferentes datos de diversas fuentes, por ejemplo, se podr\u00edan descubrir estacionalidades o combinaciones de pedidos cuya tramitaci\u00f3n es particularmente f\u00e1cil o particularmente dif\u00edcil. Este conocimiento se puede utilizar para mejorar a\u00fan m\u00e1s los propios procesos.
\n\u00abJusto ahora es importante no invertir simplemente en una moda\u00bb, dice Matthias Wurst, director de desarrollo comercial en log\u00edstica industrial de Inform. \u00abCreemos que los proyectos de digitalizaci\u00f3n deben ser evaluados en funci\u00f3n de si contribuyen exactamente a los objetivos que se desean alcanzar. A veces, es necesario tomar nuevos caminos y descubrir y aprovechar las sinergias entre producci\u00f3n y log\u00edstica interna para obtener m\u00e1s eficiencia y resiliencia para la empresa en su conjunto.\u00bb<\/p>\n
Inform desarrolla software para la optimizaci\u00f3n de procesos comerciales mediante la toma de decisiones digitales basada en inteligencia artificial e investigaci\u00f3n operativa. Complementa los sistemas de TI cl\u00e1sicos y aumenta la rentabilidad y resiliencia de muchas empresas. Mientras que el software de gesti\u00f3n de datos solo proporciona informaci\u00f3n, los sistemas de Inform pueden analizar grandes vol\u00famenes de datos en segundos, calcular numerosas variantes de decisi\u00f3n y proponer la mejor soluci\u00f3n para su implementaci\u00f3n. M\u00e1s de 750 ingenieros de software, analistas de datos y consultores atienden hoy a m\u00e1s de 1.000 clientes en todo el mundo en la industria, comercio, aeropuertos, puertos, log\u00edstica, bancos y seguros. Se optimizan la planificaci\u00f3n de ventas, la planificaci\u00f3n de producci\u00f3n, la asignaci\u00f3n de personal, la log\u00edstica y el transporte, los inventarios, la gesti\u00f3n de la cadena de suministro, as\u00ed como la prevenci\u00f3n del fraude en seguros y en transacciones de pago.<\/p>\n
Foto: \u00a9 Inform<\/p>\n