Sistemas de soporte a la decisión en la industria azucarera mexicana

Identificando oportunidades en el uso de la tecnología de información

Resumen

Esta industria, por sus antecedentes sociopolíticos, guarda fuerte arraigo con prácticas que son susceptibles de evolución a través de la aplicación de tecnología de información.

Los sistemas de soporte a las decisiones son una alternativa viable para sustituir viejos paradigmas en la selección de cursos de acción por instrumentos sólidos que generen decisiones oportunas y de calidad.

La agroindustria de la caña de azúcar en México, es por sí misma un caso interesante de estudio cuyas particularidades e historia son dignas de un amplio estudio.

El presente artículo busca mostrar áreas en que herramientas de soporte a las decisiones pueden actuar en beneficio de este sector, mejorando sus procesos y dotándola de capacidades excepcionales para la toma de decisiones ya sea para reaccionar ante las variables del medio o permitiéndole emprender acciones proactivas basadas en análisis complejos.

Esta industria, por sus antecedentes sociopolíticos, guarda fuerte arraigo con prácticas que son susceptibles de evolución a través de la aplicación de tecnología de información.

Los sistemas de soporte a las decisiones son una alternativa viable para sustituir viejos paradigmas en la selección de cursos de acción por instrumentos sólidos que generen decisiones oportunas y de calidad.

Recordemos que los sistemas de soporte a las decisiones con herramientas que sirven para asistir a los ejecutivos en las labores de toma de decisiones, y les caracteriza la posibilidad de utilizar modelos para realizar análisis de sensibilidad, la incorporación de tecnologías inteligentes como la inteligencia artificial y la posibilidad de poder resolver los problemas a través de apoyos visuales sofisticados.

Dadas las características de estos sistemas, son fácilmente identificables tres grandes áreas de oportunidad para la aplicación de este tipo de tecnología en una agroindustria como la de la caña de azúcar:

Mantenimiento predictivo con sistemas expertos.

Se entiende como sistema experto al software que imita el comportamiento de un experto humano en la solución de un problema.

Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deducción lógica de conclusiones (IEI, nd).

Apoyo visual en la planeación del abastecimiento de materia prima. Los sistemas de información geográficos permiten crear un modelo digital del terreno a controlar, permitiendo una administración visual de la zona para combinar información topográfica, hidrológica y de infraestructura con las incursiones temáticas que quieran mostrarse a través de estas herramientas visualizadoras.

Modelado y simulación de procesos de producción. Los procesos de producción cuyo control pueda realizarse a través de automatización industrial pueden crear modelos sobre el manejo de variables clave. Estos sistemas de control computarizados permiten la simulación de condiciones de operación específicas para identificar vulnerabilidades en el proceso o el diseño de planes emergentes en caso de fallas.

Mantenimiento predictivo

Para las áreas de producción de la industria, la continuidad de su proceso es clave para lograr sus objetivos ya que la capacidad de molienda de las factorías está limitada a la temporada de cosecha de la caña (zafra), cuya duración oscila entre los 5 y 8 meses dependiendo las condiciones climáticas y los programas de producción. Durante este periodo, es vital aprovechar al máximo el tiempo disponible para permitir que el negocio alcance los volúmenes de producción que le permitan rebasar sus puntos de equilibrio.

Una forma de evitar el tiempo perdido es anticiparse a las fallas en los equipos críticos que pueden provocar un paro en la producción y por ende la discontinuidad de la molienda, esta toma anticipada de acciones se realiza a través del llamado mantenimiento predictivo, que se basa principalmente en el análisis de vibraciones como técnica de diagnóstico de fallas y evaluación de la integridad de máquinas y estructuras. En el caso de los equipos rotatorios, la ventaja que presenta el análisis vibratorio respecto a otras técnicas como tintas penetrantes, radiografía, ultrasonido, etc., es que la evaluación se realiza con la máquina funcionando, evitando con ello la pérdida de producción que genera el paro de un equipo (Nelson, nd).

Estas vibraciones se recolectan usando instrumentos especializados que descargan su información en computadoras cuyo software permite la clasificación y manipulación de los datos muestreados. Estos datos son presentados en forma de gráficas al analista quien a través de su entrenamiento es capaz de identificar anomalías al estudiar los patrones que siguen las gráficas así como sus valores de excepción.

El software suele venir acompañado de ayudas para la manipulación de información histórica que permite al analista comparar el comportamiento del equipo con su desempeño pasado y obtener conclusiones significativas usando además los parámetros de operación del fabricante como referente de cualquier posible deterioro de los componentes de un equipo.

Todas esta experiencia de diagnóstico que debe ser adquirida y cultivada por el analista de vibraciones bien pudiera ser desplegada a través de un sistema experto cuyas capacidades para comparar las gráficas obtenidas en los muestreos con una base de conocimientos previamente alimentada permitirían al analista remontar con rapidez la curva de aprendizaje natural que requiere esta disciplina.

Por otro lado, un sistema experto pudiera inferir anomalías basándose en comportamientos sutiles difícilmente detectables en un análisis convencional, que además pudiera comprarse, es decir, que según la aparición de nuevas maquinarias se podría adquirir la experiencia necesaria para mantener con anticipación al equipo en condiciones óptimas de operación, ahorrando al analista precioso tiempo que se traduce en mejores condiciones de operación de los equipos y por lo tanto, la prolongación de la vida útil de los mismos.

Además que los componentes explicativos del sistema mostrarían el porqué de la decisión del sistema en la circunstancia determinada que en si mismo constituye una oportunidad de aprendizaje adicional al analista.

Apoyo visual en la planeación del abastecimiento de materia prima

Las factorías azucareras, requieren ser abastecidas por grandes extensiones de territorios sembrados para poder generar los volúmenes de producción que tienen definidos en sus objetivos de producción, para darnos una idea sobre el tamaño de la superficie a controlar, un ingenio azucarero puede tener entre 5,000 a 20,000 hectáreas de territorios a cosechar (COAZUCAR, nd), esto implica un despliegue técnico y logístico impresionante para que durante la cosecha de la caña de azúcar se muevan tanto la maquinaria agrícola como la mano de obra que interviene en el corte y alce de la materia prima.

Obviamente, tanta superficie por cosechar trae consigo la pregunta de ¿cuál caña se debe cosechar antes que otra? Los ingenios realizan la planeación de su cosecha, combinando el criterio de la madurez de la caña, la concentración de la sacarosa que tiene la planta y las condiciones geográficas del terreno a cosechar.

Estos tres elementos pueden ser fácilmente colocados en una misma dimensión a través de un sistema de información geográfico que permita al tomador de decisiones detectar la caña con mejores condiciones de cosecha usando mapas temáticos que pintan de colores las superficies categorizadas en los criterios expuestos a la herramienta.

Los mapas se crean con fotografías aéreas digitalizadas y tratadas para compensar la curvatura del globo terráqueo a manera de un planisferio geoposicionado a través de tecnología GPS, que constituye la base para crear un modelo vectorial de la realidad que vive el campo.

La herramienta alimenta los criterios de visualización con información extraída de las bases de datos misma que permite al software aplicar texturas, colores y formas particulares a la imagen vectorizada, dándole a los gerentes de planeación un cúmulo de nuevas posibilidades, ya que pueden determinar con mucha precisión a los comandos operativos “cuáles” son las cañas a cosechar y “cómo” se encuentran dependiendo del color que la herramienta pinte sobre el modelo. Permitiendo una ubicación exacta de las parcelas y una certera ponderación del esfuerzo necesario para su recolección, haciendo que la administración de los recursos sea mucho más inteligente al momento de las asignaciones correspondientes de los equipos de cosecha en correspondencia con su capacidad y velocidad de acarreo.

Modelado y simulación de procesos de producción

En toda industria, la optimización de los procesos de producción, es una de las constantes batallas que se libran en el piso de cada fábrica.

Esa optimización muchas veces es lograda sólo cuando la comprensión profunda del proceso es alcanzada y cuando la relación de las variables de producción situadas en el tiempo se sincronizan en la forma indicada.

Si a este escenario le agregamos las cambiantes condiciones del mercado que obliga a las industrias a modificar sus procesos ya sea para adaptarse a las nuevas circunstancias o para aprovechar oportunidades de negocio, podemos percibir la complejidad que existe para lograr el “tuning” que toda fábrica requiere para estabilizar sus procesos.

A través sistemas de control industrial computarizados y de sistemas de simulación pueden crearse modelos de los procesos para simular condiciones de operación atípicas e inferir las consecuencias en todo el sistema.

En este rubro existen aplicaciones de simulación para control estadístico de procesos o de sistemas dinámicos; estos últimos a través de la identificación de arquetipos propios de los sistemas complejos aplicando un enfoque sistémico en la percepción de los procesos (Sterman, 2002).

El uso de estas herramientas permite a los encargados del piso realizar análisis de sensibilidad de las variables de control y entender cómo es que la relación de éstas incide en el resultado final.

Estos modelos permiten a los administradores compartir el conocimiento generado sobre el proceso, facilitando el entrenamiento y el análisis previo a cualquier toma de decisiones.

Conclusiones

Los sistemas de soporte a las decisiones no son nuevos en el abanico de alternativas que las industrias tienen para robustecer sus procesos de toma de decisiones, sin embargo, para segmentos agroindustriales como el mencionado, es una oportunidad de mejora viable en sus procesos que está al alcance de las pequeñas y medianas organizaciones en el variado menú de soluciones en tecnología de información que se encuentran disponibles actualmente.

Asimismo, como en todo proyecto de tecnología, el liderazgo que acompañe a la iniciativa tecnológica es vital para su implantación. Los avatares tecnológicos al interior de las empresas poco pueden inspirar al resto de sus miembros a sumarse a un proyecto como el de implantación de un SSD, y la agroindustria azucarera no es la excepción Por esta razón, al incursionar en estas tecnologías, los administradores de TI deben ser capaces de lograr el compromiso de la alta dirección para garantizar el compromiso de quienes deben someterse al entrenamiento correspondiente para que las herramientas entreguen el resultado esperado, sin que esto le reste mérito a la experiencia y lucidez de sus ejecutivos.

Es importante entender que este tipo de sistemas no sustituye a los ejecutivos que la empresa pudiera necesitar, ni al software que se utilizara para el control de sus operaciones, ya sean sistemas administrativos transaccionales o de producción, más bien, los SSD debieran verse como esa ayuda adicional que todo ejecutivo debiera tener para hacerse altamente eficiente y eficaz en lo que le compete: tomar decisiones.

Bibliografía

Efrain Turban & Jay E. Aronson & Ting-Peng Liang. Decision Support systems and Intelligent systems. Seventh Edition. Pearson Prentice Hall

Introducción a los sistemas expertos. IngenierosenInformatica.org (IEI)

Pedro Nelson Saavedra. La medición y análisis de las vibraciones como técnica de inspección de equipos y componentes, aplicaciones, normativas y certificación (nd). Facultad de Ingeniería – Universidad de Concepción.

Comité de la Agroindustria Azucarera. Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación. Gobierno Federal de los Estados Unidos Mexicanos.

John. D. Sterman. Business dynamics. Systems thinking and modeling for a complex World. Ed. Irwin McGraw-Hill

Hazle saber al autor que aprecias su trabajo

Tu opinión vale, comenta aquíOculta los comentarios

Comentarios

comentarios

Compártelo con tu mundo

Escrito por:

Cita esta página
Peralta Domínguez Román. (2006, marzo 18). Sistemas de soporte a la decisión en la industria azucarera mexicana. Recuperado de https://www.gestiopolis.com/sistemas-de-soporte-a-la-decision-en-la-industria-azucarera-mexicana/
Peralta Domínguez, Román. "Sistemas de soporte a la decisión en la industria azucarera mexicana". GestioPolis. 18 marzo 2006. Web. <https://www.gestiopolis.com/sistemas-de-soporte-a-la-decision-en-la-industria-azucarera-mexicana/>.
Peralta Domínguez, Román. "Sistemas de soporte a la decisión en la industria azucarera mexicana". GestioPolis. marzo 18, 2006. Consultado el 17 de Noviembre de 2018. https://www.gestiopolis.com/sistemas-de-soporte-a-la-decision-en-la-industria-azucarera-mexicana/.
Peralta Domínguez, Román. Sistemas de soporte a la decisión en la industria azucarera mexicana [en línea]. <https://www.gestiopolis.com/sistemas-de-soporte-a-la-decision-en-la-industria-azucarera-mexicana/> [Citado el 17 de Noviembre de 2018].
Copiar
Imagen del encabezado cortesía de europedistrict en Flickr
DACJ