Mantenimiento de las mecanizaciones

Las empresas logísticas deben hacer frente al notable aumento del número de operaciones necesarias para hacer frente a la demanda. Para poder cumplir con las exigencias de plazos y calidad en las entregas del consumidor, la inteligencia artificial se postula como un aliado imprescindible.

Ya hay soluciones que, a partir del histórico de datos, pueden predecir cuál va a ser el consumo de un producto un día concreto de la semana; o que, en función del histórico del tráfico, pueden indicar las rutas de distribución más eficientes un día determinado para propiciar un aprovechamiento óptimo de los recursos. Pero ¿qué ocurre si el sistema de clasificación de envíos falla, o si los centros de distribución no son capaces de dar a cada repartidor los paquetes correctos en el momento adecuado?

Es evidente que la cadena logística debe evolucionar aún más, posiblemente hacia el mantenimiento de las mecanizaciones existentes en los centros logísticos. En la actualidad, la estrategia en este sentido se sustenta en tres pilares:

• Mantenimientos preventivos, habitualmente basados en procesos periódicos (mensuales, trimestrales, etc.) y en la puesta a punto de las instalaciones, que se efectúa justo antes de los períodos críticos para el sector logístico.
• Mantenimientos correctivos, con un tiempo de respuesta muy exigente para el proveedor de mantenimiento.
• Soporte presencial durante los períodos críticos, a cargo de técnicos de mantenimiento, a la espera de la aparición de los correctivos.

Esta estrategia busca minimizar los tiempos de respuesta ante una avería, sobre todo en momentos críticos, pero no basta para asegurar que la cadena logística sea robusta. En este contexto surgen varios interrogantes: ¿es más importante reparar lo más rápido posible o anticiparse al fallo? ¿Es sostenible esta estrategia con la fuerte demanda del sector y el envejecimiento paulatino de las mecanizaciones? ¿Es posible predecir una avería al igual que se predice el comportamiento del consumo?

El siguiente punto de mejora es el mantenimiento de las mecanizaciones existentes en los centros logísticos

La respuesta la podemos encontrar en la inteligencia artificial, que significará un cambio en el actual paradigma del mantenimiento en este sector.

Mantenimiento de un centro logístico

Al igual que ocurre con nuestro cerebro, para poder predecir algo, la inteligencia artificial necesita ser alimentada con conocimiento. No solo se trata de tener un buen algoritmo, sino de contar con una gran cantidad de datos válidos, un volumen suficiente para que la predicción pueda ser válida y se reduzca el margen de error. Además, estos datos deben ser de calidad y aportar valor a nuestra predicción.

Para decidir qué dato es el correcto, deberemos recurrir a la ingeniería de mantenimiento y a estudios de modo de fallo (AMFE, análisis modal de fallos y efectos) que permitan determinar qué componentes son los que resultan críticos en el sistema y cuál es y cómo se puede capturar su modo de fallo, es decir, qué dato hay que medir para saber —predecir— que, efectivamente, va a ocurrir un fallo.

Todos estos datos nos los proporcionará la sensórica. La llegada al mercado de sensórica basada en tecnología IoT ofrece, entre otras, las siguientes ventajas:

• Permite incrementar la automatización de los procesos sin que se disparen los gastos.
• Ayuda a reducir los costes operacionales.
• Permite recopilar un gran volumen de datos, procedente de diferentes centros, en un servidor común para poder tomar decisiones a partir de su análisis.

Sensores

Si tomamos como punto de partida el mantenimiento preventivo que se realiza en estos sistemas, encontramos una serie de tareas habituales tales como el control visual del estado de bandas y rodillos de la instalación, el de los consumos de motores y los análisis termográficos de cuadros y motores, etc. Normalmente, estas tareas las realizan técnicos de mantenimiento y, por tanto, están sujetas al cuidado, minuciosidad y sensibilidad que en la tarea pongan estos técnicos.

Existen sensores IoT que permiten monitorizar datos como temperatura, humedad, vibraciones, consumos, etc.

Teniendo en cuenta que se trata de trabajos repetitivos y un tanto monótonos, en los que hay que tener un patrón objetivo con el que comparar, estas tareas resultan propicias para que las realice un sistema automático, de modo que no haya que depender de la subjetividad del operario.

En la actualidad existen sensores IoT que permiten monitorizar datos como temperatura, humedad, vibraciones, consumos, etc. Mediante esta información es posible configurar matrices de datos que, a partir de la aparición o no de sucesos no previstos (tales como paradas de los sistemas productivos), van a permitir que se tomen decisiones basadas en predicciones de la inteligencia artificial. Es decir, en función de la experiencia y el histórico que ofrecen los datos, se analizará qué tendencias indican que en los próximos días se va a producir un fallo.

Personalizar la solución

Es evidente que no existe una única solución que abarque los escenarios de todas las empresas. Cada contexto requiere una respuesta personalizada, ya que la mecanización del centro logístico de cada empresa es única. Aun compartiendo sistemas para esta mecanización, que incluso podrían ser del mismo tipo, marca y modelo de clasificación, las condiciones de contorno de la instalación también tienen influencia en lo que sucede en el proceso.

De este modo, es importante desarrollar soluciones personalizables y, en la medida de lo posible, escalables para adaptarlas a las necesidades de cada empresa. Para el cliente, el coste de la solución siempre es un punto importante.

Por otra parte, abundando en lo que se refiere a los costes —un punto crítico a la hora de decantarse por una u otra solución—, es importante que en el retorno de la inversión se tengan en cuenta todos los asociados a una parada, tanto los obvios, como el coste del repuesto o el de la mano de obra de la intervención, como otros que no son tan evidentes, como, por ejemplo, los derivados de la falta de productividad, de posibles penalizaciones por retrasos, de replanificaciones de las operaciones programadas, etc. Este será el modo adecuado, y el más objetivo, de valorar si este tipo de soluciones son amortizables en un plazo razonable.

En conclusión, la inteligencia artificial puede ser un gran aliado en el mantenimiento y aseguramiento de la fiabilidad y robustez de los centros logísticos. Para poder sacarle todo el partido va a ser precisa una inversión previa en todo lo relacionado con la captura de datos del centro, la generación de históricos y la creación de modelos y algoritmos que sean capaces de predecir el futuro. Solo así será posible conseguir los resultados adecuados y convencer a los operadores logísticos de que es necesario que den un salto de calidad en el mantenimiento de sus centros.