“Industria 4. 0”. A menudo, la gente asume que todo el mundo sabe exactamente de qué se trata, y lo mismo puede decirse de otros temas populares relacionados como el “Internet de las cosas”. Entonces, ¿Qué significa todo esto en realidad? ¿Cuáles son los principios en juego? ¿Qué tipo de papel tiene la gente en todo esto?

Para responder a estas preguntas, estamos considerando tres aspectos que creemos que son esenciales.

1. La Industria 4. 0 es el siguiente paso en un largo proceso de desarrollo

El término Industria 4. 0 fue inventado por primera vez en la feria de Hannover Messe en 2011. Proviene de una iniciativa del mismo nombre lanzada por el Gobierno Federal Alemán como parte de su amplia Estrategia de Alta Tecnología. Describe tanto la cuarta etapa del proceso de industrialización como un objetivo específico. Las anteriores revoluciones industriales han sido bien documentadas. Mientras que la primera revolución se inició con la mecanización (palabra clave: el telar), las dos siguientes fueron desencadenadas por la producción en masa y la integración de los ordenadores en el proceso de producción.

Entonces, ¿Cómo difiere la Industria 4.0 de la fase de industrialización que la precedió? En pocas palabras, se trata de una red entre el hombre y la máquina y entre diferentes máquinas. El objetivo clave es combinar dos principios que son en realidad opuestos, en sentido estricto: la fabricación en línea de producción y la fabricación a medida. También se conoce como personalización en masa.

2. Todos los caminos conducen a la fábrica inteligente

El concepto de una fábrica inteligente hace que la idea, bastante abstracta de la Industria 4.0, sea más fácil de entender. Aquí es donde entra en juego el Internet de las cosas, es decir, las partes no humanas que se comunican entre sí. Podría ser una planta que envía una señal de que necesita nuevo material y la fábrica inteligente automática e independientemente reenvía esta información. La comunicación entre estas “cosas” tiene lugar a través de Internet o de una nube. Todos los elementos involucrados están representados por un agente de software.

Esto resuelve el problema de que las piezas de trabajo no tienen la capacidad técnica de comunicarse por sí mismas. Otra esfera relacionada con la Internet de las cosas se refiere a los “sistemas ciberfísicos”, en los que la pieza de trabajo es el elemento físico y el agente informático el elemento digital. Los seres humanos pueden seguir interviniendo activamente, por ejemplo, utilizando dispositivos móviles para vigilar los procesos o modificar los parámetros individuales. Aunque algunas pequeñas y medianas empresas están preocupadas por la Industria 4. 0, esta ansiedad es infundada, ya que las plantas existentes no tienen que ser reemplazadas en la mayoría de los casos. A menudo, las plantas preexistentes pueden actualizarse con bastante facilidad para permitir la comunicación basada en la tecnología de la información.

3. La Industria 4.0 todavía necesita gente

Dadas las visiones de futuro que la Industria 4.0 promete cumplir, es comprensible que algunos puedan al principio temer por sus trabajos. Después de todo, hay un montón de películas de ciencia-ficción por ahí para apoyar esa visión. Sin embargo, aunque estos temores y otros similares son comprensibles, también son en última instancia injustificados. Por supuesto que no hace falta decir que la forma en que trabajamos cambiará en el futuro, pero la Industria 4.0 no se trata de reemplazar a la gente con máquinas inteligentes, al contrario, los trabajadores tendrán tareas más complejas que realizar.

Más que nunca, se pide a los empleados de las empresas industriales que adopten un enfoque interdisciplinario, tomen decisiones rápidamente por iniciativa propia y se adapten a procesos complejos.

¡Nadie tiene que temer a sus (futuros) colegas robóticos!

Industry 4.0 Webinar (Inglés – Subtitulado)

¡Conozca el mundo de soluciones de ITEM!

Item

Item es la empresa pionera en sistemas de construcción modular para aplicaciones industriales y líder en el mercado global. Lleva diseñando y comercializando soluciones de construcción para maquinaria, accesorios y plantas desde 1976. En la actualidad, la cartera de productos de item consta de más de 3.000 componentes de alta calidad, diseñados para uso en bases de máquinas, bancos de trabajo, soluciones de automatización y aplicaciones de producción lean.

La entrada ¿Qué es la Industria 4.0? se publicó primero en Ingenieria Industrial Online.

Para asegurar que la inteligencia artificial en la ingeniería apoye a las personas en su trabajo, se requiere un enfoque de diseño especial.

Dos factores son clave para el uso exitoso de la inteligencia artificial en combinación con otras nuevas tecnologías.

Estos dos factores se unen en uno de los tres nuevos campos de investigación del departamento de Desarrollo Organizacional del Laboratorio de Máquinas Herramientas e Ingeniería de Producción (WZL) de la Universidad RWTH de Aachen – «Inteligencia Aumentada». Los científicos están trabajando aquí junto con socios nacionales e internacionales de la investigación y la industria para encontrar soluciones de la IA para la producción que proporcionen un apoyo específico a la inteligencia humana. Para asegurar que estas soluciones para la inteligencia humana y artificial se desarrollen con un enfoque especial en las consideraciones prácticas, un laboratorio de investigación especial fue recientemente diseñado en forma de AIXLAB. Esto también se basa en el sistema ergonómico de mesas de trabajo de item.

Experimenta la innovadora IA de cerca en una sala de escape

El objetivo de AIXLAB es establecer un centro transdisciplinario para estudiantes, investigadores, desarrolladores y usuarios que entiendan el potencial de la inteligencia artificial para apoyar a las personas y quieran ayudar a darle forma. La «Sala de escape» del WZL – uno de los ganadores de 2018 del concurso universitario «Mundos de trabajo del futuro» organizado por el Ministerio Federal de Educación e Investigación de Alemania – constituyó la base del concepto de AIXLAB. La idea básica de la Sala de Escape era mostrar al personal de producción del futuro como prototipos.

Con este fin, se creó una mesa de trabajo industrial como ejemplo y se le complementó con tecnologías digitales que se habían desarrollado en el curso de proyectos de investigación. De acuerdo con la idea fundamental de las salas de escape, se encargó a pequeños grupos la tarea de resolver problemas prácticos relevantes para la calidad utilizando las tecnologías proporcionadas, para poder salir de la sala. “Este enfoque recreativo ha demostrado los beneficios y posibilidades de las tecnologías digitales a estudiantes de escuelas de formación profesional, estudiantes universitarios y representantes de empresas, entre otros«, dice el jefe del departamento.

Los humanos y la inteligencia artificial trabajando mano a mano

AIXLAB es el resultado del deseo del grupo de investigación de progresar en el uso centrado en el ser humano de la IA en la producción industrial. Cuando se trata del campo de investigación del departamento de Desarrollo Organizacional y su orientación temática extendida, las letras «IA» significan Inteligencia Aumentada. La reorientación del concepto original abarca dos aspectos clave que están representados en el nombre por la letra X:

Esto proporciona a la AIXLAB dos versiones extendidas de su nombre: «AIXPERIMENTATIONLAB» y «AIXPERIENCELAB».

El primer campo de prueba y demostración mostrado en AIXLAB representa un escenario de producción manual. Con la ayuda de item, se instalaron cuatro mesas de trabajo de montaje modular con iluminación ergonómica. La modularidad de las mesas de trabajo ofrece la base ideal para cumplir con la diversa gama de requisitos que implica la experimentación y la demostración. Como resultado, las mesas de trabajo pueden adaptarse con poco gasto, por ejemplo, para realizar estudios o probar nuevos hallazgos. El laboratorio de investigación para la colaboración entre los humanos y la inteligencia artificial está actualmente en construcción. El trabajo se ha retrasado debido a la pandemia de coronavirus.

La inteligencia humana y la artificial se adaptan de excelente manera

Después de haber sido construidas físicamente en un entorno de laboratorio, las soluciones basadas en la IA desarrolladas en los proyectos de investigación actuales se integran en el campo de pruebas y demostraciones existente. Un ejemplo de esto es el sistema de asistencia al montaje del proyecto de investigación AuQuA. Se está desarrollando, junto con científicos de la Universidad de Sao Paulo, un soporte fácil de usar para el ensamblaje manual. Esto se basa en guías de montaje basadas en la realidad aumentada que pueden ser generadas y optimizadas con la ayuda de algoritmos de aprendizaje de máquina.

Además, las tecnologías digitales existentes (como las aplicaciones de RA y RV y los tableros inteligentes de KPI) se adaptan al caso de uso de ensamblaje manual y se conectan en red de acuerdo con los principios del Internet de la producción.

¡Conozca el Sistema ergonómico de las mesas de trabajo de ITEM!

Item

Item es la empresa pionera en sistemas de construcción modular para aplicaciones industriales y líder en el mercado global. Lleva diseñando y comercializando soluciones de construcción para maquinaria, accesorios y plantas desde 1976. En la actualidad, la cartera de productos de item consta de más de 3.000 componentes de alta calidad, diseñados para uso en bases de máquinas, bancos de trabajo, soluciones de automatización y aplicaciones de producción lean.

La entrada Inteligencia humana y artificial combinadas se publicó primero en Ingenieria Industrial Online.

Introducción

Para los principales productores de caña de azúcar, los costos de cosecha, carga y transporte, representan una gran proporción de los costos totales de producción, con tasas que van desde el 25% hasta el 35% respecto al costo total (Weekes 2004). Mejorar la eficiencia de sus operaciones es un objetivo común que impacta la productividad de sus recursos, la calidad de la biomasa obtenida, el consumo energético y el rendimiento económico del sistema de producción.

Los ingenios azucareros, producto de los procesos que sustentan esta actividad, presentan altos costos de inversión en flota vehicular, altos gastos operacionales y subutilización de los equipos de cosecha, alce, y transporte. Se estima que alrededor del 60% de la media del tiempo que los equipos de transporte permanecen en la zona de descargue, es tiempo improductivo, mientras que en la zona de cargue este tiempo es del 50% (Amú 2010), tasas que se relacionan con la falta de sincronización de las operaciones de corte, alce, transporte y entrega de caña. Países como Cuba, Brasil y Australia, han logrado mejoras significativas en materia de sostenibilidad, inversión y eficiencia de sus operaciones de cosecha y transporte de caña de azúcar, mediante el desarrollo de modelos logísticos que evalúan la sincronización de sus equipos. Dichos modelos se han desarrollado a partir de las características propias de cada región, motivo por el cual se hace compleja la adopción íntegra de los mismos en ingenios específicos.

Con el objetivo de diseñar un modelo de análisis que integre los principales elementos operacionales, económicos y ambientales del sistema de cosecha, carga y transporte de caña de azúcar; se presenta una investigación de carácter preliminar, descriptiva, correlacional y analítica. Mediante la identificación de los elementos que controlan el sistema de cosecha, carga y transporte de caña; a partir de la recolección de información de forma directa en los procesos reales y en la literatura existente; con base en la comprensión de las características, propiedades y comportamientos de las variables del modelo conceptual; debido a que se estima la causalidad al intervenir en las variables del modelo que controlan el sistema objeto de estudio en la investigación; dado que se plantean estrategias de mejora mediante el análisis de los resultados obtenidos a través del modelo estructurado.

El producto final de este proyecto realizado mediante un enfoque cuantitativo, será un modelo desarrollado en una hoja de cálculo basada en un modelo matemático de análisis, que servirá para evaluar escenarios de los procesos logísticos de abastecimiento de caña de forma sencilla, contemplando indicadores económicos, operacionales y ambientales; constituyéndose en una herramienta de análisis cuantitativo multicriterio para la toma decisiones.

Materiales y métodos

La metodología utilizada corresponde a la formulación de un modelo matemático haciendo uso de análisis computarizado de los ciclos del sistema de cosecha, carga y transporte de caña de azúcar (ciclos del tractor o cadeneo y ciclos de unidad de transporte principal. Figura 1) por medio de una hoja de cálculo, de tal forma que se puedan estudiar las interacciones de los elementos que conforman el sistema por medio de un análisis de sensibilidad a través de escenarios. Complementariamente, el modelo permite, mediante la anidación de variables, realizar un análisis económico y ambiental a partir del comportamiento de los indicadores operacionales.

Análisis operacional: El análisis operacional del modelo se basa en la determinación de la productividad y el rendimiento del sistema, por medio del estudio de sus ciclos de operación y la sincronización entre los equipos de cosecha, carga y transporte de caña de azúcar. Se establecen los ciclos del sistema a partir del tiempo que implique alcanzar la equivalencia entre la biomasa descargada en las unidades de transporte principal y la capacidad material de sus equipos de transporte (vagones de autovolteo para el ciclo del tractor); y la biomasa descargada en la fábrica y la capacidad material de sus equipos de transporte (vagones del camión para el ciclo del transporte principal). Los indicadores operacionales obtenidos se relacionan con las tasas de utilización de los equipos y la capacidad material del sistema.

Cuadro 1. Indicadores del análisis operacional

Análisis económico: El análisis económico del modelo se basa en los costos de operación o costos de uso de maquinaría agrícola, estos dependen de varios factores, entre los que se destacan la inversión inicial, la intensidad de uso, el mantenimiento, el estado de conservación, y la antigüedad de los equipos. La estructura general del costo del modelo propuesto se define por la siguiente relación (Velasco 2010):

CT = CV + CF

Donde CT hace referencia a los costos totales de uso de maquinaría en un período dado, y que se determina por la sumatoria de dos grandes grupos de costos que son los costos variables (CV) y los costos fijos (CF).

Los costos variables son generados en la medida en que la maquinaría sea utilizada, en el caso del modelo de análisis propuesto se relacionará con la utilización definida para cada equipo y afectada por los insumos, imprevistos, combustibles asociados a la maquinaría.

Los costos fijos en cambio, no se relacionan con la utilización de los equipos, se encuentran relacionados o no, con gastos de dinero asociados a la maquinaría y afectados típicamente por la inversión inicial, la vida útil, los seguros, los impuestos y sus costos de operador.

Con el objetivo de proporcionar un análisis económico que complemente el análisis operacional del modelo, los costos totales de uso de la maquinaría son llevados a unidades monetarias por ciclo, de manera tal que pueda evidenciarse el comportamiento del gasto económico a medida que se modifican las variables operacionales del sistema.

Cuadro 2. Indicadores del análisis económico

Análisis ambiental: El análisis ambiental del modelo se basa en la estimación de dos componentes de consumo energético: El primero de ellos es el gasto energético directo derivado de las actividades relacionadas con el transporte de biomasa, y de desplazamiento en la cosecha. Para ello se adapta el método utilizado por Lozano (Lozano 2015) en el cual se calcula la energía consumida para el transporte con base en el poder calorífico del diésel, el consumo de diésel de los equipos y el desplazamiento de los mismos. El segundo componente de consumo energético utilizado en el modelo hace referencia a la energía gris utilizada en la construcción y el mantenimiento de la maquinaria. Para ello se adapta el método utilizado por Lozano (Lozano 2015) y se calculan las unidades de energía por ciclo, de manera tal que pueda evidenciarse el comportamiento del consumo energético a medida que se modifican las variables operacionales del sistema.

Cuadro 3. Indicadores del análisis ambiental

Resultados y discusión

Los resultados del modelo pueden evaluarse por medio de un estudio de caso y a partir de un análisis de sensibilidad. El caso de estudio comprende un proceso común de cosecha, carga y transporte de caña de azúcar haciendo uso de vagones de autovolteo, en el cual se puede evidenciar el uso del análisis de ciclos en un formato de hoja de cálculo.

Análisis de sensibilidad de escenario 1: 

En este escenario se modifica para un sistema común de cosecha, carga y transporte de caña de azúcar, el número de tractores que conforma la flota de cosecha. Se mantienen los valores de entrada respecto al número de camiones y la cantidad de vagones.

El análisis de este escenario permite identificar como el número de tractores influencia el desempeño del sistema, particularmente se puede observar que al incrementar la flota de tractores a 2 unidades, la capacidad material del sistema crece de forma considerable (figura 2), al igual que la utilización del equipo de mayor capital intensivo, como es el caso de la cosechadora; sin embargo puede observarse que una flota de tractores mayor a 2 unidades causa una disminución progresiva de la capacidad material del sistema. La utilización de la flota de tractores tiende a decrecer en una tendencia predecible a medida que la misma (flota) aumenta. Respecto al análisis ambiental de este escenario, se puede evidenciar de forma clara como un incremento de la flota de tractores genera un mayor consumo energético por unidad de cosecha (figura 3. A). Este incremento se hace aún más considerable en flotas mayores a 2 tractores, contextos en los cuales la capacidad material del sistema decrece, haciendo así que dichas alternativas se consideren una configuración inviable desde la perspectiva de impacto ambiental versus la productividad del proceso. La disminución de las tasas de utilización de los equipos del proceso, el decrecimiento de la capacidad material del sistema en flotas mayores a 2 tractores, y la inversión en maquinaria, hacen predecible la tendencia del costo total por unidad cosechada. Puede observarse una tendencia exponencial en el incremento los costos (figura 3. B).

Con base en el estudio de caso se proponen como trabajo futuro la vinculación de escenarios relacionados con la variación del número de vagones por camión y la variación simultánea de vagones y unidades de transporte principal.

Conclusiones

El diseño de un modelo de análisis basado en ciclos permite una representación del sistema de cosecha, carga y transporte de caña de azúcar; de manera tal que es posible predecir diversos indicadores operacionales mediante la variación de los parámetros que controlan el sistema. Dichos parámetros agrupan variables tales como: Características del campo de cosecha, variedad del cultivo, especificaciones técnicas de los equipos y tiempos del proceso; lo cual permite que el modelo de análisis por medio de su estructura pueda adaptarse a condiciones específicas mediante sus datos de entrada, haciendo que este sea aplicable incluso a procesos de cosecha, carga y transporte de biomasa diferentes a la caña de azúcar.

La inclusión de indicadores económicos y de impacto ambiental complementa el modelo y sus indicadores operacionales, permitiendo un análisis integral del sistema, dotando al modelo de variables de decisión que permiten un estudio multipropósito y responden a los interrogantes referentes al impacto financiero y de consumo energético que tienen las propuestas operacionales en búsqueda de determinados niveles de productividad.

La implementación computarizada del modelo mediante una hoja de cálculo permite de una manera sencilla y rápida, un análisis de sensibilidad a partir de la evaluación de escenarios alternativos. De manera tal que el modelo contempla un análisis de rendimiento operacional, de costos marginales, y de consumo energético; mediante la evaluación de alternativas de capacidad variable. De acuerdo a lo anterior, el modelo permite evaluar la capacidad variable mediante diversas configuraciones de equipos de capital intensivo, sirviendo como herramienta para la toma de decisiones.

Con base en el estudio de caso se puede concluir que la determinación del número de tractores influye en la capacidad material del sistema, y en la utilización de los equipos; sin embargo, se puede afirmar que un incremento en la flota de tractores no impacta de forma directamente proporcional el rendimiento del sistema. Considerando la variación del tamaño de la flota de tractores, se puede observar como una configuración de 2 unidades presenta los mejores indicadores operacionales del caso, a partir de 2 unidades la capacidad material del sistema y la utilización de la cosechadora tienden a decrecer. Desde el punto de vista económico, los costos por unidad de cosecha aumentan al incrementar el tamaño de la flota, en una tendencia no lineal que se encuentra influenciada por la compra de tractores y vagones de autovolteo. Desde una perspectiva ambiental, el consumo energético total para flotas de tractores superiores a 2 unidades presenta un crecimiento considerable, de hasta el 50% de incremento en MJ/ton por cada tractor adicional. Dado lo anteriormente expuesto se concluye que, para el estudio de caso, que representa un sistema común de cosecha, carga y transporte en el Valle del Cauca, la configuración ideal de tractores es equivalente a 2 unidades por cada equipo de cosecha.

Recomendaciones: Como alternativa de proyección se propone la profundización del modelo a través del análisis estadístico de sus variables, ya que el sistema que representa corresponde a un proceso estocástico y sus parámetros en la realidad no son determinísticos, debido a que su comportamiento puede ser medido y aproximado por medio de distribuciones de probabilidad. Para dicho propósito se propone evaluar el comportamiento de los tiempos de los procesos tomados en campo.

Referencias

• Amú-Caicedo, L.G. (2010) Logística de cosecha: Evaluación de tiempos y movimientos. Indicadores de control. Tecnicaña, vol. 26, p. 27 – 32.
• Lozano-Moreno, J.A. (2014) Lignocellulosic ethanol logistics modeling under sustainability constraints. École Polytechnique Fédérale de Lausanne. Switzerland.
• Velasco-H, R., González-U, J. (2010) Costo de operación o uso de maquinaría agrícola ¿cómo evaluarlo? [en línea]. [Cali, Colombia]: (s.n), nov. 2010. Disponible en internet: <URL: http://www2.inia.cl/medios/quilamapu/pdf/bioleche/BOLETIN158.pdf>.
• Weekes, D., James, G. (2004) Sugarcane. Oxford, Blackwell, p. 160 – 180. ISBN: 9780632054763.

La entrada Modelo para la evaluación operacional, económica y ambiental de la cosecha, carga y transporte de la caña de azúcar se publicó primero en Ingenieria Industrial Online.