Inteligencia artificial (IA) para la optimización de procesos en el almacén manual

La optimización de procesos tiene la tarea de analizar los flujos de trabajo, documentarlos, descubrir los puntos débiles y desarrollar un flujo de trabajo mejorado. Además de la fluidez de los procesos y la mejora de la calidad, los objetivos pueden ser también el ahorro de costes (1). Debido al rápido desarrollo de la inteligencia artificial (IA) y de los sistemas “ciberfísicos”, la optimización de procesos se realiza cada vez más a través de la inteligencia artificial. 

En el almacén manual, hay muchas aplicaciones en las que es posible optimizar los procesos y los flujos de trabajo. Los métodos clásicos incluyen el mapeo del flujo de valor, la ingeniería de procesos, la gestión de la calidad total, LEAN, Kaizen, Six Sigma, 5S/5A y otros enfoques.  

Sin embargo, en el contexto de la digitalización, los nuevos desarrollos como el mapeo del flujo de valor digital, la ingeniería de procesos o la gestión de los movimientos, están ganando cada vez más terreno. Con la ayuda de estas aplicaciones, se recopila digitalmente una gran cantidad de datos que ya no pueden evaluarse e interpretarse manualmente con los métodos clásicos. Este reto lo resuelve la IA. Con la ayuda de los análisis de “big data”, se pueden reconocer e identificar las estructuras y dependencias de los datos entre sí, lo que permite al planificador, por un lado, pero también a los responsables de las operaciones, por otro, una variedad de opciones de acción específicas para optimizar los procesos. 

Según el Gabler Wirtschaftslexikon, la inteligencia artificial (IA) es "el estudio del comportamiento inteligente en la resolución de problemas y la creación de sistemas informáticos inteligentes. Trata de los métodos que permiten a un ordenador resolver tareas que requieren la inteligencia de los seres humanos para su resolución".  

La IA, con muchas subdisciplinas, ha entrado ya en innumerables ámbitos industriales, técnicos y sociales. Las disciplinas de la inteligencia artificial incluyen ahora una gran variedad de subdisciplinas, cuyo número crece constantemente: “bots”, mantenimiento predictivo, “data mining” (gestión o minería de datos), ingeniería de procesos, redes neuronales, aprendizaje automático, aprendizaje profundo y muchas más. El aprendizaje profundo con la ayuda de redes neuronales es actualmente el enfoque más prometedor en la inteligencia artificial y, de nuevo, un enfoque dentro del propio aprendizaje automático. 

Las aplicaciones de IA, como la ya mencionada ingeniería de procesos y la gestión de movimientos, pueden utilizarse en casi todos los ámbitos de la intralogística. Algunos ejemplos son: 

• el transporte dentro de la planta (carretillas elevadoras y otras carretillas industriales, pero también transportadores continuos),  

• los análisis de procesos con los correspondientes datos de rendimiento y calidad,  

• y los análisis de movimiento durante el picking y el embalaje.  

Otro aspecto esencial, además de la identificación de los defectos de calidad y los "residuos", es la mejora del diseño ergonómico de los procesos de trabajo. Para ello, se suele crear un "gemelo digital" -es decir, un modelo virtual- del almacén. Con la ayuda de este modelo virtual, se pueden realizar simulaciones de los flujos de trabajo y los procesos del almacén para optimizar los espacios de almacenamiento. 

La ingeniería de procesos (2) es una combinación de los términos gestión de procesos y minería de datos (“data mining”). Ofrece la posibilidad de examinar los procesos empresariales y las operaciones de los almacenes e identificar los potenciales de optimización. Los algoritmos de minería de datos se utilizan para examinar grandes volúmenes de datos (big data) en busca de patrones específicos. Es decir, los procesos reales se analizan sobre la base de los registros de eventos de los sistemas informáticos (información de los registros de eventos) utilizando algoritmos.  

Los procesos que pueden examinarse y optimizarse en una organización mediante la ingeniería de procesos incluyen los procesos de fabricación, los procesos de la cadena de suministro y los procesos de venta. Las técnicas de ingeniería de procesos incluyen tres tipos: descubrimiento, conformidad y mejora.  

• El descubrimiento implica el análisis y el reconocimiento de los procesos y la creación de modelos digitales de los procesos.  

• La conformidad permite evaluar la idoneidad de los modelos de procesos existentes con los datos actuales. En otras palabras, los modelos de procesos existentes se validan y comparan con los nuevos datos.  

• Por último, la mejora se utiliza para ampliar los modelos de procesos existentes.  

A diferencia de los métodos convencionales de análisis de procesos, la minería o ingeniería de procesos es holística. Esto significa que se incluyen las interrelaciones y dependencias de todos los procesos empresariales y de almacén. Los procesos son representados por la minería de procesos en toda su complejidad. La ingeniería de procesos se distingue de las técnicas clásicas de creación de modelos de procesos por su alto grado de automatización. Los flujos de procesos, los costes y los tiempos de producción pueden representarse de forma detallada y transparente mediante una amplia gama de opciones de visualización. La ventaja de esto es que se puede reaccionar a los cambios de forma rápida y eficaz y anticipar los problemas que puedan surgir en el futuro. Las fuentes de problemas y desviaciones también se hacen visibles a través de la ingeniería de procesos.  

Especialmente en la era digital de la Industria 4.0 y la Logística 4.0, las empresas tienen que adaptar sus procesos de forma flexible y óptima una y otra vez para seguir siendo competitivas. A través de la ingeniería de procesos, una empresa obtiene una visión de cómo funcionan sus procesos de negocio y dónde hay potencial de mejora. La minería de procesos se considera una tecnología clave para crear un gemelo digital o modelo virtual del almacén o de toda la empresa (3). 

La tecnología de la gestión de los movimientos (4) puede utilizarse para registrar datos de forma automática, eficiente y anónima y optimizar los procesos de trabajo manual en términos de ergonomía y eficiencia, en una amplia gama de áreas de aplicación como la logística y las cadenas de suministro, así como la intralogística.  

Para registrar los datos, los empleados de los almacenes llevan dispositivos portátiles (sensores móviles) en sus muñecas y en sus cinturones. Gracias a los sensores integrados, se pueden registrar y detectar con precisión los movimientos durante los procesos de trabajo individuales. Todos los procesos de trabajo pueden llevarse a cabo cómodamente y con normalidad, sin que la vestimenta u otras herramientas lo impidan.  

Para analizar con mayor precisión la interacción entre el hombre y la tecnología, las herramientas, como los dispositivos de transporte o las carretillas elevadoras, también pueden equiparse adicionalmente con sensores especiales. Con la ayuda de transmisores de radio en miniatura con una fuente de energía integrada (balizas), se puede localizar a los empleados y hacer seguimiento de las actividades.  

La ventaja de las balizas es que pueden instalarse rápida y fácilmente en las respectivas zonas de proceso. El equipo de medición detecta las señales de radio de los transmisores y calcula así la ubicación actual, de forma similar al GPS. Dado que todos los valores medidos (datos de actividad y localización) se recogen siempre sin referencia específica a los empleados, no se interfiere con el ámbito de la GDPR. La enorme cantidad de datos recogidos es analizada automáticamente mediante inteligencia artificial. La asignación de actividades y pasos del proceso se lleva a cabo a través de un procedimiento de reconocimiento de patrones especialmente desarrollado y basado en el aprendizaje profundo. En el proceso, la inteligencia artificial reconoce de forma independiente los distintos flujos de trabajo o componentes del proceso, como el tiempo de espera, el tiempo de desplazamiento o el tiempo de manipulación.  

El catálogo de reconocimiento integrado incluye muchas actividades diferentes y puede completarse con nuevas actividades según sea necesario. Gracias a los análisis de ergonomía, también se pueden analizar los procesos de flexión (o movimientos en general) poco saludables, el trabajo que implica movimientos por encima de la cabeza o las distancias de marcha. Además, la tecnología también ofrece análisis específicos de ubicación, indicadores de actividad y la evaluación del uso de vehículos y dispositivos de asistencia.  

Los análisis pueden presentarse en forma de ratios o en diversos formatos diferentes, como gráficos circulares, gráficos de barras, diagramas de caja y mapas de calor. También es posible realizar evaluaciones estadísticas a lo largo de un periodo de tiempo determinado y cuantificar así los gastos o las fluctuaciones.  

En combinación con los datos del sistema de gestión de almacenes (WMS), también se puede establecer una referencia al programa de producción. En general, la gestión de los movimientos puede utilizarse para optimizar los flujos de trabajo (ergonomía y eficiencia), recoger datos válidos, realizar mediciones sin integración informática, garantizar el anonimato de los datos y ahorrar tiempo y costes. 

Literatura:

1 BITO Fachwissen, Prozessoptimierung in der Produktionslogistik, Link 

2 BITO Fachwissen, Process Mining optimiert Geschäftsabläufe, Link 

3 Scurry Maria, How Process Mining Enables the Digital Twin of an Organization (DTO), Link 

4 Motion-Mining®, Automatisierte und anonymisierte Analyse und Optimierung manueller Prozesse, Link