fbpx
Saltar al contenido

Cómo Recupera Su Inversión Al Llevar Su Empresa A Industria 4.0 Con Data Science – Texto

Esta vez es amable

vamos a empezar nuestros participantes

y los puedes ver a ellos estar

conectados ya nos están acompañando 14

participantes muy buenas tardes de

kansas a ustedes el saludo marcela

mendoza y en nombre de la cámara de

comercio barranquilla ar copia atlántico

y grupo más 4 queremos darles una

cordial bienvenida en este espacio

virtual que hemos programado

especialmente para todos ustedes como

recupera su inversión al llevar su

empresa a industria 4.0 con patas años

han de iniciar nuestra capacitación del

día de hoy queremos compartirles un

información importante anuencias empezar

sus trámites registrales pueden hacerlos

a través de nuestra página web

www.camaravalladolid.com de ahorro la

cuenta estaban habilitados para

recibirlos con todos los protocolos de

bioseguridad y con tiempo comunidad por

lo permitido nuestro horario de atención

es de lunes a viernes de 9 a 3 de la

tarde y jornada continua y nuestro punto

empresario buenavista los sábados de 9 a

12 del día si utilizamos en alguna

consulta vía telefónica nuestro

consciente

hay 33 700

a través de gavi no está asistente

virtual ustedes pueden hacer compra de

certificados también podrían hacer

consultar a algún en trámite que esté

llevado en este momento con la cámara de

comercio o conocer el valor de su

renovación los invitamos a agregar

arabia sus contactos de whatsapp

y estos son los beneficios que trae el

2021 para el crecimiento de esos

negocios programa de capacitación para

los colaboradores de su empresa

acompañamiento para fortalecer el plan

de negocio de su empresa y créditos de

alivios financieros con nuestra sentir

al área de la fundación santo domingo y

estar nuevamente 21 también les permiten

ingresar a nuestras plataformas

digitales como son hagamos negocios y

concilia

la cámara de comercio barranquilla en

alianza con la cámara de comercio de

cali pone a su disposición nuestro

servicio vende tu factura el impacto y

la alternativa de financiación para

nuestras pymes las cámaras de comercio

estamos comprometidas con la

reactivación de nuestras empresas

sabemos que uno de los retos más

importantes para afrontar en este

momento es mantener un flujo de caja 3

pedida que el gran artista operación en

sus actividades ustedes dan más

información los invitamos a ingresar a

www punto vende tu factura un poco

hoy también queremos presentarles qué

son las sociedades comerciales de

beneficio o interés colectivo sociales

de estas aquellas empresas colombianas

configuradas como sociedades de

naturaleza comercial que voluntariamente

se proponen combinar las ventajas de esa

actividad económica

que para prevenir por ingresar de sus

trabajadores aportados en el país y

continuar con la protección del mundial

si usted necesita más información cómo

adquirir su condición de empresas puede

contactar salas análisis aquí en la

cámara de comercio abajo

y queremos agradecer este espacio

información a nuestras entidades aliadas

hoy acopia atlántico y al grupo +4 que

nos ha permitido tener en este espacio

nuestro congreso está invitado el doctor

carlos eduardo torroja quien es el

director de consultoría de 24 para la

cambio es ingeniero industrial de la

pontificia universidad javeriana

envié en las universidades y sedes y

titulares

con amplia experiencia gestión de

empresas y sobre proyectos si ustedes

tienen preguntas o inquietudes por favor

escriba las en el buzón de preguntas y

respuestas al finalizar la presentación

del señor cárcel o algo estaremos dando

un espacio para dar respuesta a todas

las inquietudes que se generen de este

en esta actividad esta capacidad eso lo

estamos lavando y en próximos días

estaremos compartiendo en nuestra página

web nuevamente están todos bienvenidos a

continuación quiero dejarlos entonces

por carlos garde

bienvenido doctor adelante

están apagados micrófonos ya les está

hablando

entonces y bueno para mí es un gusto

compartir con ustedes

vamos a

a trabajar un poco en el tema de

industria 4.0 pero más que una un

esquema teórico o

o algo o algo digamos como hipotético yo

lo que quiero trabajar con ustedes son

casos reales de industrias colombianas

tanto grandes medianas y pequeñas en las

cuales hemos implementado industria

cuatro elementos de industria porque es

que esto no se puede implementar todo el

tiempo

porque sale muy caro y finalmente no es

rentable para la empresa entonces

en las cuales hemos implementado

elementos de industria 4.0 y lo

interesante

es la reacción

y lo más raro es la causa por la cual lo

hemos implementado entonces les voy a

contar esas anécdotas para que ustedes

si están teniendo vivencias de ese

estilo pues

no lo hagan saber y por otro lado

también quiero contarles qué es lo que

hay detrás porque sobre un título hay

muchas cosas que están detrás de

técnicas metodologías y todo y que aún

no se lo le ponen el titular pero se les

olvida decirle todo lo que hay detrás

entonces yo simplemente quiero

desmitificar para algunas cosas pero

también contarles qué hay detrás hay

muchas cosas que ya están hechas hace

mucho tiempo entonces ya voy a empezar

con la conferencia ya se las empiezo a

compartir

ya lo están viendo

sí señor si estamos viendo ya en este

momento la presentación de la pregunta

del millón es cómo llevar a una empresa

hacia la industria 4.0 apoyados en la

analítica de datos

acepté me por ahora este título divido

en dos partes industria 4.0 y analítica

de datos ya después nos vamos a dar

cuenta qué

los términos concluye

bien

básicamente

vamos a ver el siguiente contenido que

esta tasa o analítica de datos y cuál es

la diferencia con el análisis de datos

cuáles son las principales barreras para

implementar este estos temas y cómo se

solucionan todas estas barreras

y las características del entorno de la

industria 4.0 él son los cuatro tenistas

que quieren que desarrolle nosotros

pero que la industria cuatro puntos

pues nos han venido comentando que la

revolución industrial se primero se dio

cuando

d se inventa la máquina vapor ya después

cuando se hace la producción masiva es

una tercera revolución industrial cuando

se automatiza y se empiezan a utilizar

computadores en los procesos productivos

y una cuarta revolución industrial es

cuando ya todas las máquinas se ponen se

comunican y se utilizan computadores se

utilizan redes si se utiliza en internet

cómo como mecanismo de comunicación y de

coordinación entre máquinas

y se llevan a aspectos tan evolucionados

como la inteligencia artificial y todo

esto

bien entonces ustedes me van a decir

bueno pero es que nosotros no estamos

pensando todavía ni siquiera en robótica

no estamos pensando todavía en la

automatización y usted no está hablando

de industria 4.0 pero la la respuesta

que les tengo a eso es una piel porque

tener robótica para para tener

soluciones de industria 4.0 así como yo

no tengo que tener industrias con

motores de vapor para tener el sol

y automatización yo puedo tener con

motores eléctricos digamos que esto ha

sido una escala que se ha generado pero

no quiere decir que son los unos pasos

secuenciales necesarios para ir

escalando de un punto a otro lo

importante lo llamado al día de hoy es

que usted

con sus procesos

no sé los empiecen a digitalizar

nos empiecen a llevar más cerca a

herramientas

de fácil manejo

porque hay una cosa fundamental

ningún negocio funciona si uno no sabe

hacer el producto

y ustedes son personas que saben hacer

su producto

y de ahí en adelante todo lo que le

ponga uno

a su proceso es una mejora pero la base

el cimiento esencial es saber hasta el

bronx

saber a quién se lo comen ya después de

eso mejor mejor eficiencia y utiliza las

herramientas para mejorar los servicios

bien

en cuanto a industria 4.0 se oyen muchos

nombres

y hoy en temas como internet de las

cosas

sensores

se autogestionan procesos de sensores

inteligentes fusiones de señales big

data

y mantenimiento preventivo como uno de

los como uno de los elementos

automatización

inteligencia a ver diferencial

y computación en la nube

todos estos son medios

para que primero para mejorar la

conexión a la conectividad se mejora en

la medida que tenemos sensores que le

hablan a uno a un computador un

periférico lo que sea si por o están

conectados en una red

y entonces cuando tenemos nosotros

sensores que fuera descontrolar mandan

una señal y esa señal retroalimenta todo

un sistema

mejorando la contar con actividades como

si nuestros ojos no estuvieran

conectados a nuestro cerebro pues

mostraríamos viendo no estaríamos

procesando las imágenes el sensor es

algo que está viendo permanentemente

pero si no lo logramos conectar no sirve

para nada cuando lo que ve entonces

emisores y de eso podemos sacar una

conclusión de lo que llamamos la función

de sensores

bien pero otra cosa

el sistema nervioso sí que tienen

nuestras compañías hace estamos hablando

de 10 15 años estamos estamos hablando

de redes especializadas para industria

por unos protocolos de comunicación y

una cantidad de cosas los sensores y

todo fueron

[Música]

evolucionando de manera acto con las

direcciones traigo los datos y me llegó

la información si es lo que llamamos el

internet de las posts

bien pero para que el internet de las

cosas

y el comediante

en internet de las cosas pollo a la

información fácilmente allí

a un servidor

o puedo tener un servidor virtual un

servidor virtual

al cual yo voto actual la información de

mi empresa es lo que denominamos el

cloud computing

o computación en la nube

y los hilos chévere de tenerlos

a nivel

y tenerlo en la nube es que cualquier

smartphone

no le puedo hacer llegar una señal a

cualquier smartphone le puedo hacer

llegar un reporte

cuando ya lo tengo en la nube es muy

fácil

bien pero esa capa que yo les acabo de

describir es la capa de conectividad y

extracción de datos

me voy a en la paz a la parte baja a la

parte de automatización

la automatización es quien permite que

mis procesos trabajen de manera autónoma

y de manera y yo automatiza

flexiblemente es decir lo que necesito

yo no tengo que tener todo automatizado

para que de funciones yo puedo tener de

todas mis líneas puedo tener solamente

el horno donde queremos las piezas y ya

es sólo lo que tengo que automatizar

porque porque mi operación crítica

porque mi cuello botella porque es donde

un error humano me cuesta mucho más

entonces eso lo que yo automatizó

pero ese auto ese automatismo al quedar

operando me genera información

entonces fui allí de la plataforma de la

parte superior donde recolectamos datos

más la información de la automatización

me queda ahí yo puedo ser y realizar

datos

y ya teniendo sus datos yo puedo pensar

a correlacionar oigas que está haciendo

frío

la gente está más acoso usa menos

si yo veo que la temperatura tiende a

bajar

se requiere en un horno por ejemplo

quemar más gas o menos gas

chealander estoy poniendo ejemplos

concretos que hemos desarrollado en el

país esperando una empresa medellín en

la cual

en la medida que la temperatura ambiente

empezaba empezó a disminuir primero y si

tenían unos hornos que tenían dos

elementos que se le inyectaban al horno

a los quemadores del horno uno era gas y

oxígeno

y en la medida que la temperatura

empezaba a disminuir nosotros dijimos no

tenemos que aprender más gas

pues este error después de correr

después de ensayar a punta de ensayo y

error nos dimos cuenta que lo que

teníamos que era abrir más el oxígeno

para que quemara más eficiente el gas

pero eso fue ensayo error después

corrimos un modelo matemático

el modelo comprendiendo que cuando bajan

las temperaturas de medellín si hay que

subir el consumo

la emisión de oxígeno cuando sube la

temperatura de medellín hay que bajar el

oxígeno y subirle un poquitico aire y

ahí va funcionando el sistema con algo

de inteligencia artificial muy sencillo

bien pero cuando tiene uno

un año dos años de información y tiene

información tanto estructurada con

registros como información no

estructurada como fotos

imágenes vídeos lo que sea toda esa

información se convierte en lo que se

denomina la big data

y esos son los principales componentes

de la industria 4.0 pero para qué está

hecho la industria 4.0 para tomar

mejores decisiones esas decisiones en

que para hacer más rentable el negocio

10

ahora vamos a ver cuál es la diferencia

entre el análisis de datos

mira analítica

entonces

el análisis se caracteriza por mirar lo

que ya pasó

de datos históricos entonces más aún

datos históricos se toman medidas para

que vuelvan a suceder cosas que nos

estan

pasando hoy en día

entonces supongamos nos estamos dando

cuenta clic

los días miércoles y los días miércoles

se cae la demanda y tenemos una

heladería y desearían se está cayendo la

demanda entonces analizamos que todos

los miércoles está en la demanda

solución hombre ponga una va a enviar en

nuestra venta de helados el día

miércoles ponga un descuento del 10% a

ver si logramos reactivar la demanda de

los muertos

hoy 20s una promoción

o trabaje

un tema que el día miércoles usted abre

más tarde y ahorre costos

y eso es lo que hacemos cuando

analizamos datos del pasaje

es muy chévere muy interesante pero

lamentablemente nuestras empresas y les

hablo desde las grandes y pequeñas que

conoce no tienen tiempo para sentarse a

analizar están muy ocupados solucionando

el problema del día a día

entonces sentarse a analizar no a veces

en algunos temas incluso en algunas

reuniones lo han considerado como una

pérdida de tiempo

hay otra cuestión

ya

es una cuestión la tendencia de los

finales de los año 95 hacia cannes

qué son los datos en tiempo real

tome datos en tiempo real genere alarma

y tome correcciones

vamos hablando de años web

de la información en tiempo real es

mucho más

fácil de procesar la procesa uno a

tiempo y se evita caer en un problema

ahora voy a voy a profundizar sobre las

ventajas del trabajo de trabajar en

tiempo real pero fundamentalmente es la

siguiente es que los sistemas en tiempo

real están mucho más orientados a la

acción que los sistemas que se

desarrollaron para los análisis estáis

y les cuento algo personal mi formación

mi información tiene mucho mucho de

estadística y me parece apasionante pero

yo sé que el tema al nivel de las

empresas no está en el análisis

estadístico cotidiano sino más bien en

tomar acciones para que no hayan

problemas y la analítica

básicamente se hace es para futuro y es

para predecir el comportamiento el

comportamiento de que de procesos de

ventas de negocios de exploración de

exploración en unos que usan mucho

analítica sólo la gente que trabaja en

minería y la gente que trabaja en

hidrocarburos

lo utiliza mucho analítica la gente

aviación para para todo lo que es

mantenimiento preventivo entonces la

analítica nos ayuda a crear modelos para

saber cuándo se nos incrementan las

probabilidades de falla o de éxito se

prefiere

les voy a contar

para contextualizar y demostrar que esto

no es

ciencia ficción nada de raro puedo

contar un caso hoy un empresario

colombiano y una empresa colombiana

grandes empresas grandes y él tiene un

producto que tiene una unidad de empaque

de 250 gramos

qué pasa cuando uno no cumple con los

250 gramos pues la superintendencia

industria y comercio en colombia

tiene un sistema de auditoría a las

empresas que venden productos de consumo

masivo y las multas pueden ir desde

fácil 400 millones de pesos iconos con

multas y 8 mil millones de pesos por

información incorrecto al consumidor

entonces

yo decía yo le dije cuando empezamos a

este proyecto

pues le dije a nuestro socio tecnológico

leyes hombre federico esto no nos va a

salir

usted cuando revisas y lazio con la fila

que le dicen que empresas 60 gramos pesa

60 gramos y voluntad

y con federico fuimos a la reunión con

la empresa del mismo nombre

realmente esto lo quieren porque el

tenis en nosotros

mira si el producto pesa 60 gramos o 150

gramos quien lo mira nadie

mejor pues la competencia la competencia

va compró un lote completo pensas todas

las unidades y con cuatro o cinco que

encuentre malas para dónde

para la superintendencia nos hace abrir

un caso y eso nos cuesta un chichón

heron de pesos comprobar que estamos

haciendo las cosas bien pero nosotros

necesitamos un sistema para comprobar

que las cosas están saliendo bien y que

tiene que cumplir con una norma de

impacto que hay en este país

y nosotros y eso se empezó a desarrollar

y ahora muestra hermanas y cuando hace

17 años

y desde hace 15 está funcionando

pero desde hace 15 empezó a funcionar en

sitios hoy en día ya lo tenemos confío

de internet de internet de las cosas con

elementos de industria 4.0 pero que era

lo interesantes

todo lo que generó al problema son las

auditorías de la superintendencia y soy

comercial

así

cuatro años

nos llamaron y nos dijeron el sistema

nunca se cae no tiene problemas le vamos

a quitar el mantenimiento

las actualizaciones y las cosas que le

hacemos al sistema quizás en parte lo de

la de mantenimiento no queremos que nos

den valor agregado entonces les hicimos

un estudio califica vas

y cogimos una línea de productos donde

la unidad de empaques

en peso teórico son 250 gramos

y

cogemos

el tema y encontramos hicimos y sacamos

varios lotes y nos dimos cuenta que

estábamos empacando 255 gramos

es cruzar medio segundo perdón

gracias retomando

nos dimos cuenta que el promedio real de

empaque eran 255 gramos y adicionalmente

que la mayor variación o sea el 99 punto

74 por ciento de las veces variaba menos

de 2 gramos

entonces les dijimos oye mire

si ustedes están poniendo la agujita en

255 gramos

y la varias y tenemos una una tolerancia

de variación

de 2 gramos por cada empaque estamos

perdiendo 3 gramos o sea si nosotros si

nosotros les ponemos la mujer está en

292 tenemos casi la certeza de que nunca

vamos a empacar un producto por debajo

del contenido que dice en la etiqueta

y con un ajuste que hicimos si hicimos

el análisis de uno de un mes

lávrov

la producción por ahora de esa línea son

10.000 unidades si perdíamos 30.000

gramos por horas

eso quiere decir que estábamos dejando

de empacar por ahora 120 unidades que

podríamos estar vendiendo en el mercado

y eso al mes nos activa el día nos

equivalía a 86 mil 400 unidades que ese

es un producto

en el mercado de dos mil pesos

aproximadamente

entonces multipliquen ustedes 86.400 por

2000 y solamente

la rentabilidad que perdíamos

era del 30% a 600 pesos por unidad

pero multiplican y ustedes 86.400 por

600

eso me da cerca de 50 millones de pesos

mensuales que se está avanzando sobre la

mesa

pero lo más importante es lo siguiente

el operador en la medida que veía una

falla

con las alarmas que se le generan se la

podía ir corrigiendo de manera que las

personas

de mayor rango se dedicarán a evitar

problemas de altas variaciones se

dedicarán por si se pudieran dedicar a

no apagar incendios en la empresa sino

se dedicarán a hacer

a trabajar en procesos mucho más

eficientes a investigar quién lo estaba

haciendo mejor a irse a revisar cómo lo

estaban haciendo mejor ya fomentar el

mejoramiento del proceso

eso es un casi tú

y es un caso que ya lo tenemos conmigo

hola este es un caso que como les estaba

comentando lo que importa no es que

estén ganando más lo que importa es que

están haciendo las cosas del foro lo que

importa es que la gente de

administración y la gente de calidad y

la gente de soporte y la sistema el

televisor está dedicada a mejorar cada

vez su proceso a mejorar su eficiencia

a ganar más dinero y no está dedicada a

apagar incendios y el 68.3 de las

decisiones se las están dejando en manos

a los operadores

entonces es una empresa efectivamente

que está creciendo tremendamente o que

ha crecido tremendamente por muchas

cosas complementarias que han podido

empezar a desarrollar gracias a que

vienen liberándose no tienen que estar

llenando formativos no tienen que estar

registrando no siendo que a estar

haciendo análisis de tableros valencia 2

nov gato hueso de sales con un solo

pantallazo lo único que deben hacer es

entender los informes y seguir a él

bien

entonces

cómo

descontaban

hacia el pasado es el análisis hacia

adelante es la analítica pero no son

excluyentes

ahora

el análisis isla y la analítica sumados

se llama la ciencia de los datos de

datos

y ahora voy a entrar un poquito

como xavi de ola la ciencia de los datos

tenemos la línea central que es el

presente

o sea el tiempo real

los datos la la la

la analítica de datos la plana la

analítica de los negocios es oiga a mí

como como me pues yo qué relación tuve

con este proveedor como hemos

evolucionado y con base en eso yo me

creo unos escenarios en la cabeza me

armó mi película y tomo decisiones

y con base en eso yo trato de entrever

el futuro

y tan atrás está en un pasado más

inmediato

y

en el futuro se trata de proyectarse

mucho más hacia el título

y tiene una parte mucho menos proyectada

hacia el futuro que la ciencia datos

simplemente la estructura

pero ustedes no seguramente han oído un

término muy recurrente precisamente en

ciencia negros

inteligencia de negocios

se trata de datos del negocio

analizarlos darlos en cifras comprimidas

y

y dar medidas de acción o tomar acciones

y seguramente también han oído the

machine learning de machine la línea es

poner una máquina aprender las reglas

del negocio y una vez que uno aprende

las reglas del negocio puede hacer el

trabajo mejor de todos

y tenemos la inteligencia artificial

como parte de la ciencia de los datos

piense que lo que yo les hable de

elementos de industria 4.0 y ciencia los

datos viene siendo la misma cosa la

ciencia de los datos es la capa de

información de la industria porque tanto

cero

y la analítica avanzada ya acoge todo el

negocio

miremos

por cada una de las divisiones

la analítica del negocio se basa en

estudio en pecado entonces a tal empresa

le va bien si que hacen para que esté

bien como lo están trabajando comparemos

cifras miremos hagamos un análisis de

los que me gusta hacer a las empresas

porque son cifras concretas

viene el análisis de datos

y el análisis de datos lo quiero

resaltar en negro porque si nosotros no

tomamos información de buena calidad

lo que hacemos con el análisis con el

resto de trabajo es producir decisiones

malas y producir información defectuosa

entonces el análisis de datos es la base

para primero que todo hacer inteligencia

de negocios

ciencia de datos que básicamente la

ciencia de datos se refiere a los temas

pronósticos de ventas de retención de

clientes y prevención de fraudes y

entiéndase fraude no como el fraude de

un de un robo sino también

incumplimiento que proceden

y también

la parte de optimización y exploración

de los datos

tenemos la parte de analítica de datos

como primero un procesamiento digital de

señales es decir coja la señal de

cualquier partido si debe lo procesa lo

quito con eso concluye

señores es tomen algo de biotech

lleve luego a un servidor procese no y

con esos actos las conclusiones

ya cuando tenemos bastantes datos

y unos algoritmos van aprendiendo cómo

funciona el proceso empieza lo que es el

match in learning que es enseñarle

entrenar a una máquina

para analizar un proceso de las reglas

del negocio

finalmente tenemos de la inteligencia

artificial

tiene dos niveles uno un nivel que es

reconocimiento de voz imágenes

ustedes cuando ya ven cortana en un

windows o serie

de nápoli ellos le entienden a uno la

voz le entienden a uno los términos le

entienden

le entienden a lo que uno está queriendo

de seguir en la medida que yo el

software para aprendiendo de uno

eso es el reconocimiento de imagen

también está el ratón racionamiento

simbólico las máquinas no son capaces de

entender símbolos ni de actitudes pero

ya cuando empiezan a entender el

reconocimiento facial que empieza es a

nacer razonamiento simbólico esa persona

está estresada está estresada limpia

todo eso se se está utilizando

ahí viene lo que es analítica

entonces yo les decía mire del análisis

de datos se nutren todas células

de la inteligencia de negocios salud de

los los pronósticos se nota se nutre la

ciencia de atos hilar la analítica de

datos y sea

dice y se nutre lo que es machine gun

sin datos de buena calidad no obtenemos

nada

bien cuáles son las principales barreras

gracias cuáles son las principales

barreras para

no obtener información de buena calidad

primera el error humano

que yo entendí 18 hubieran 19 listo

todos cometemos errores

otro la calidad de la data ustedes no me

creerán pero esto he llegado a hacer

auditorías por éxito

y encontrado que la data del día ya está

evidencia a las 8 de la mañana la data

del día ya está evidenciada

y le preguntaba al operario en una

empresa

europea las imágenes se imagínate

son muy rigurosos

le pregunté al operario es bueno porque

ya tiene la lista

me dijo no es que si se me olvida me va

me pega una base de impresionante

el supervisor me pueden sancionar

y le dije y los números a no es que eso

normalmente da por esos lados entonces

pues la calidad de la data es

tremendamente mala

en una encuesta que se hizo el año

antepasado en eeuu sólo el 30 por ciento

de los

empleadores americanos de mediana y

pequeña empresa creían en la calidad de

los datos y ellos que registraban los

operarios

hicimos el mismo ejercicio en colombia y

el 26 por ciento de los empresarios

creen en los datos que producen osea

tomamos decisiones con el corazón más no

con información

otro tema bien interesante

la

el tiempo que se requiere para entrenar

personas

y en tomar información es muy alto

y

entonces qué pasa

pues las empresas de 100 mil para que no

se nos engañe tamos no nos enredamos

tomando esos datos sí sí como hay un

dicho que más nos cuesta collar que el

perro que es demasiado costoso sacar un

dato para tomar una decisión entonces

para qué nos cuesta más el collar que

estar

otro tema que es y sobre todo para

nosotros es

a las empresas es de altísima

sensibilidad es que para tener una data

perfecta se requiere una infraestructura

muy buena todos los costos de la

infraestructura entonces nos ponemos a

poner leyes industriales para tomar

información todo eso y eso son proyectos

muy costosos

entonces tenemos que buscarle ladito

y a veces las metas las metodologías que

usamos son demasiado compleja entonces

cuáles son las

con esto

entonces de aquí con base en toda esta

problemática

de exclusión con base en esta

problemática

les voy a contar el segundo caso

el segundo caso que es una empresas

colombianas pequeñas que pasó en este

caso tuvimos una cuestión venga me era

una una empresa donde se decidía con el

corazón con mucho criterio mucha

experiencia y todo con el corazón pero

le agregamos el componente cuantitativo

al tema

o sea a una empresa común y corriente

que lo que hace es maquillar reempacar

para otros y que tomamos que es muy

buena maquillando le agregamos el tema

cuantitativo

y vamos a les voy a contar cómo es el

castillo la llamada

fue la siguiente

como entre comillas me toca poner un

sistema para medir la productividad muy

plancha

ven dame un mes realmente nos llamó y

nos dijo ven dámelo nos quitan el

contrato

y entonces nosotros le preguntamos bueno

como quieren medir la productividad de

su planta

ya nos puso en contacto con la empresa

que les contrata él

a esta industria de la maquila empaque

johnson y johnson cercano la bola

tengo contacto porque no tengo

confidencialidad con ella entonces ella

dice yo quiero que le instalen hoy

[Música]

un sistema para medir la productividad

general de un equipo de obras eficiencia

en la línea principal

una vez se instala el oe

el señor pues dijo no es la pérdida de

plata porque elemento plata mi empresa

ya estoy tranquilo así

se da cuenta que el tiempo operativo

real en el día eran 5.2 horas de un

turno de 8 horas

él decía mire yo programo siete horas

porque como ellos tienen que tomar sus

comidas tienen que ir al baño y todo eso

yo no programa más de siete horas pero

de esas siete horas que el programa

realmente se trabaja en 5.2 horas o sea

que se estaba entraba se estaban metas

al día se estaban dejando de trabajar

1.8 horas

y cuando le hacía falta era normalmente

eso se compensaba con horas extras

la línea tenía ocho operarios

y eso equivalía a 14.4 horas perdidas al

día o sea dos operarios de

y ustedes les dijo no empezó a analizar

cuáles eran las causas de los tiempos

perdidos y se dio cuenta que

llegaban todos los los operarios a las 6

de la mañana y las máquinas necesitaban

el precalentamiento de entonces prendía

en la máquina a las 6 la máquina estaba

caliente imagínense una madrugada que

enlazaban a bogotá está caliente a las

seis y media de la mañana si ya cuando

se calentaba la máquina entonces ya le

ponía las herramientas y todo se sabía

era casi una hora perdida

y empezaban a trabajar

y la otra el otro tanto perdido era en

el momento que salían a desayunar oa

comer que tenían que apagar la máquina y

volverla a calentar que solo un

chicharrón entonces qué hizo

decisión sencilla

le pago extras al celador de la empresa

y le dijo sabe que le diciendo aprender

cada una de las máquinas

y le pagó unas extras al senador

y él mejoró en costos de nómina un 25

por ciento por reducción de otras extra

entonces el spa por todo el sistema

un día con unos whiskys

llegáis a vivir

se reúne con nosotros y dice yo los tuve

les pegue a ustedes una tumba

impresionante en dos meses con el ahorro

extras

para que el sistema

y hoy en día

pero empezó en una sola línea él tenía

16 líneas

y unas de 23 operarios o sea en total

eran entre 50 y 60 operativos esta era

la más grande la de ocho operarios

tenía 16 líneas y ha ido poniendo en

este momento tiene 10 líneas ya con 9

y en todas el pago el retorno a la

inversión ha sido antes de los fotones

una empresa pequeña y no la puso porque

él creyera que era necesario más

productividad la puso porque si no le

quitaban el negocio

bien

y ahora vuelvo nuevamente a temas

técnicos

y voy a hablar específicamente de la

data hay tres instancias dónde

donde se requieren diferentes

herramientas de análisis y análisis bea

al iniciar el análisis se requiere ya

sea o la forma tradicional de analizar

datos que es con estadística o la forma

del big data que es con colecciones de

datos grandísimas que para qué para para

matizarlas organizarla segmentarla y

cuadrar los datos de una manera que sean

entendibles

la la data en sí misma puede tener

muchísima información pero si no la

sabemos organizar estructurar y limpiar

pues no tiene sentido o sea nos llega no

llega información sin sentido es como

hablar con cantinflas uno no lo entiende

muy chistoso muy de todos pero uno no

entiende

entonces todo eso tiene una recolección

una vez se recolecta se procesan se

categoriza y se limpian los datos

una vez unos días tiene el dato limpio

es decir el dato litro que quiere decir

un dato que tiene una validez

y él sirve para tomar decisiones y uno

organiza looks

y extraen la información y lo que hace

es presentarla en reportes para que se

tomen decisiones

si ustedes me irán

al iniciar el análisis y la está

organizada el amarillo y el verde

son métodos en los cuales los datos ya

existen no estamos previendo nada

pero

pero después de discutir estos reportes

y analizarlos y mirar la validez de los

reportes

podemos hacer

y métodos tradicionales cómo crear

escenarios plantear escenarios futuros

y utilizar estas herramientas

estadísticas de proyección para mirar a

ver qué es lo que les puede suceder

hacia el futuro

eso estadísticamente está inventado hace

mucho tiempo pero también podemos hacer

machine line que es correr unos

modelos matemáticos y que con base en lo

que vayan sucediendo en esos modelos

matemáticos en relación con el desempeño

real de la empresa

las decisiones se van retroalimentando y

la máquina oa pendiente

lo más interesante de esto es que el

costo de correr un modelo matemático de

estos que parecen muy complejos y

realmente realmente es aprender a

a hacer unos programas muy sencillos es

del orden de 99 centavos luego

son muy económicos

y le permiten a uno mejorar la toma de

decisiones entonces la parte azul se

refiere a todos aquellos esquemas

haciendo clic

bien

yo les comentaba a ustedes

y

y vamos a tener una serie de problemas

como vamos a evitar los problemas

teniendo un elemento adicional que donde

recolectamos la información nos ayude a

hacer el control de calidad de formas

entonces lo primero que debemos hacer es

para evitar el error humano es evitar la

participación humana en la toma de datos

si yo al dato lo puedo sacar

directamente de una de una caja

registradora si el dato lo puedo sacar

directamente de un dispositivo en una

máquina si lo puedo sacar de una cámara

de la que estoy filmando y no necesito

que una persona me transcribe el dato

evitó el error humano si le agrego

transparencia al proceso

también tenemos que tomar y lograr la

recolección automática de eyeos el

control de calidad

y lamentablemente el dato del control de

calidad a veces está demasiado lejos les

cuento casos yo haya ido a empresas

donde

se despacha el producto y tres horas

después de despachado o dos días después

de despacho al producto sale un error de

calidad en él

en el laboratorio y dicen él toca volver

a traer recoger el producto porque salió

algo malo

entonces si yo pudiera tomar esa

información mucho más en línea más

oportunamente pues puedo evitar

despachar producto con características

defectuosas

y generar un sistema de control

y alarmas visibles en el piso de manera

que empezó a salir algo mal se prende un

semáforo y todo el mundo llegue a

ajustar rápidamente lo que está saliendo

lo que está saliendo mal el otro tema es

que debemos lograr programas muy

intuitivos y de fácil manejo

nosotros no estamos ya para estar

entrenando personal y sobre todo que el

personal de base tiende a rotar muchos

entonces si si creamos una universidad

paralela en la empresa seguramente no va

a salir rentable de los programas deben

ser muy fáciles de manejar

por otra parte para evitarnos

infraestructuras redes y todo hay una

tele tecnología que está desarrollada

hace muchos años cuando las redes eran

muy primitivas que se llama es computing

que es computación cercana

que básicamente hoy les sale uno más

barato poner

un pc barato al lado de una máquina que

conectarlo a una red y se le pone una

red de dos alambritos de manera que

cuando hay espacio mande nota

y fuera de eso para tener para no tener

problemas con metodologías que todo el

software que consigamos traiga

metodologías embebidas el mucho puede

usar para un operario por un tomador de

decisiones es debe ser transparente

y el software

saque una raíz cuadrada sanz y la

desviación estándar si saqué un

logaritmo saqué lo que sea es un

transparentes y matemáticamente de lo

que hay que hacer buenísimo que lo haga

pero que sea transparente para las

personas

bueno señores muchas gracias espero que

esté

este abre bocas hacia la industria 4.0 y

hacia la ciencia de los datos

mencionando algunos aspectos de

aplicación en colombia les sirva como de

interés para para empezar a pensar en

sus empresas

e ir incorporando elementos de la

industria 4.0 y los invito a que los

procesos que puedan ir digitalizando los

vayan digitalizando entonces yo

por metodología y hemos decidido abrir

una sesión de preguntas en las cuales

estaremos pendientes para responderles o

aguantar o aclararles o si tienen

ustedes un caso concreto que nos quieran

ilustrar bienvenidos porque eso nos

sirve a todos como un proceso de

aprendizaje muchas gracias

muchas gracias por la presentación en

ese momento tenemos una pregunta no las

hace turbio correa dice en qué consiste

un o

ok don tulio

duilio correa

ok bueno entonces qué quiere qué es

es el obra de whitman ficcions es la

medición general de eficiencia de

máquina entonces resulta que nosotros

tenemos 24 horas al día

piensan 24 horas al día nosotros

programamos 2 turnos o sea programamos

16 horas al día

entonces ya perdimos un turno esto

entonces ya se me bajó del 100%

a dos turnos que dos turnos son el 66%

del del tiempo pero de ese tiempo yo

tengo una serie de paradas programadas

por ejemplo tengo media hora de desayuno

y media hora para comida usar el día

para paradas tengo de esas 16 horas

tengo una hora de parada

soy and banking perdón 15 ahora es

efectiva

en esas 15 horas efectivas yo tengo que

mi máquina voy a trabajar a 9.000

unidades por día

y estuvo trabajando a 8.200 entonces

tengo una disminución de velocidad que

si yo hubiera trabajado a la velocidad

real hubiera producido las nueve mil

unidades menos la hora que perdí

entonces hubiera producido como ocho mil

200 unidades pero como trabajé a menos

velocidad no produce de las 8.201

produce

7000 7200

ok 7200 equivalen a haber producido 9

horas

a velocidad blanco

y yo sé lo que hay fuera de eso

de esas que probó que produje algunas

unidades malas entonces también las

descuento entonces yo dije bueno

realmente de las 16 horas disponibles

del programa en el día trabajé realmente

7 horas 7 / 16 es el psoe

es la eficiencia real del kit

quedó claro la explicación de pronto me

fui muy detallado

correa nos confirme se ha creado para su

pregunta

también están preguntando a qué correo

pues pueden solicitar más información

sacarnos que correo podemos compartirla

en su principal algo que muchas gracias

dirección técnica

arroba

grupo 4 punto com

44 correcto se escribe el grupo más 4

todo en minúscula

y completo grupo más ms cuatro consejos

o dirección de canales

cuatro.com

y allí con gusto los atenderemos

técnica me confirma si está bien escrita

selección cuatro.com

perfecto voy a creo que lo tenemos más

preguntas en este momento el señor

carlos agradecemos mucho su presentación

la información compartida a los

empresarios a los participantes

conectados en esta tabla

a ustedes muchas gracias espero pues

trate de compactar lo máximo en el

tiempo disponible

entonces cualquier cosa que necesiten

estamos abiertos para responderles las

dudas de hecho un grupo más cuatro

tenemos una serie de artículos en la

página

de linkedin donde tenemos grupo más 4

pero ahí es con la el signo más

una serie de artículos en los cuales

miramos cuál ha sido por ejemplo el

efecto el efecto de la pandemia para

trabajar remotamente desde la casa y las

herramientas para trabajar virtualmente

y ver el proceso en línea y tenemos una

serie de elementos que pueden pueden

llegar a generarles alguna tensión o

alguna atracción hacia a ustedes muchas

gracias

muchísimas gracias también queremos

agradecer a nuestras entidades aliadas a

cope y al grupo +4 por este espacio de

formación y por supuesto a todos los

empresarios a todas las personas

conectadas acompañando durante esta

sesión

recuerde que asignar el espacio le

estará llegando una encuesta al máster

lo que es importante conocer cómo ha

sido su experiencia 20 son las que nos

siguen acompañando en estas próximas

capacitaciones virtuales a dos que

tengan una feliz

britos muchas gracias muy amables.

Ir al contenido