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
sí
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
sí
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
sí
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.
